인프런 - 라이프타임 커리어 플랫폼

PyTorchを通じてディープラーニングを学びます。 最終的には講義で画像分類を扱います。

CNNを勉強したのに、まだお分かりになりませんか？ CNNの基本動作原理を、要点だけ簡潔にご説明します。

2025年、ジェンスン・ファンが直接言及したPhysical AI。 Perception AI、Generative AI、Agentic AI、そしてPhysical AIの時代が到来します。 素早く簡単にPhysical AIを直接体験してみましょう。 Hugging FaceのLeRobotライブラリと実物ロボットを使って、Physical AIを体験してみてください。

TensorFlow活用の優良事例であるAirbnbデータサイエンスチームの「Amenity Detection」プロジェクトをクローンプロジェクトとして進め、その経験をGitHubブログにまとめてAIポートフォリオを作成できる講座です。

AI人工知能が大勢であることは言うまでもありません。ところで、機械学習とディープラーニングを学び、どこに書くというのでしょうか？それでは、生活の中で活用される有用なモノのインターネットIoT Computer Visionプロジェクトを一緒に学びましょう。

この過程は建設及び土木分野で人工知能（AI）を活用した実務適用戦略を扱う専門過程です。 デジタル転換が加速化される建設産業で、AIは設計・施工・安全・品質管理全般にわたって革新を牽引しています。本過程では実際の現場で活用できるスマート建設、デジタルツイン、AI基盤設備制御、安全モニタリング、品質検証などの実務適用事例を中心に学習します。

画像をアップロードすると、Opencvが処理して顔を検出するWebアプリを作成します。

本講義では、フォトモザイクを生成する全体プロセスをアルゴリズムの観点から見ていきます。 入力画像をK-meansクラスタリングによってタイル数に合わせた代表色集合に縮小した後、ハンガリアンアルゴリズムを適用して各色とタイルを1:1で最適マッチングします。 これにより、画像処理と組合せ最適化アルゴリズムが結合されて一つの視覚的成果物を作り出すプロセスを理解します。

『機械学習、核心だけ素早く！』（インサイト、2025）を基に機械学習理論と実戦例題を扱う講義です。

ディープラーニング・CNNの核心理論から多様なCNNモデルの実装方法、実践問題を通じた実務ディープラーニング開発のノウハウまで、 PytorchベースのディープラーニングCNN技術の専門家として生まれ変わりたいなら、この講義をご一緒ください:)

🚀 Databricksで学ぶ実践AI異常検知！ 💡 高くて遅いモデルはもう終わり！大規模データ最適化からリアルタイム配布まで、企業実務で直ちに活用できる異常検知AIを完成させます。

OpenCVで画像や画像を処理し、ディープラーニングを活用して顔やさまざまなものを識別して認識する内容を学びます。眠気防止、年齢と性別識別、通り過ぎる人数世紀、顔追跡、不良リンゴとみかんを探してくれるYOLOなど、面白いプロジェクトを理論とともに学ぶ過程です。

OpenCV（Open Source Computer Vision Library）で画像や映像を処理し、ディープラーニングモジュール（dnn、Deep Neural Network）を活用して、顔、目、さまざまな事物を識別して認識する面白いプロジェクトを理論とともに学ぶ過程です。

最新のTransformerベースのPixArtと軽量適応化SANAを理論からコードまで段階的に実装します。I・II編で扱ったDDPM・DDIM・LDM・DiTを基に、テキストエンコーダ接続、サンプラー(DDIM/ODE)、v-予測/CFGチューニング、小規模データスタイル微調整まで実習中心で完走します。

AIや機械学習の学習において、確率論の習得は必須です。より深く確率論を学びたい方に推薦します。

この講義を通じて、受講生は人工知能コンピュータビジョンのVideo Understanding分野を認識し、Event Detection分野モデルを訓練、評価、テストすることができます。そして、既存のネットワーク構造を改善することでモデルのパフォーマンスを向上させ、＆＃x27;人工知能を研究する＆＃x27;を試すことができます。

C＃を使ってOpenCVを扱う入門講座です。理論的な要素よりも関数の使い方、関数の引数が結果に与える影響などを主に扱います。

名刺認識を実装する実践を通じて、OpenCVを活用し、画像を処理する方法を学びます。 OpenCVについては簡単に説明し、名刺認識を実装するために必要なOpenCV関数はより詳細に説明する方法です。つまり、基礎講座というよりは名刺認識という実戦のためのエキスを提供します。 TesseractとMicrosoftのOCRエンジンを活用する方法も含まれています。 本講義のソースコードはPythonベースですが、活用するOpenCVクラスや関数と画像認識や処理技術を習得するため、これをもとにAndroidやiOSに適用することは無理はないでしょう。 受講者は講義スライド、実際に動作する名刺認識ソースコードを提供します。 2017年1月と2月に3回のオフラインセミナーを行い、さらに改善され検証された講義内容を講師が丁寧にオンライン用に再録したものです。 本講義で活用されるOpenCV関数です。 cv2.Canny() cv2.GaussianBlur() cv2.VideoCapture() cv2.adaptiveThreshold() cv2.approxPolyDP() cv2.arcLength() cv2.boundingRect() cv2.boxPoints() cv2.contourArea() cv2.convertScaleAbs() cv2.createTrackbar() cv2.cvtColor() cv2.destroyAllWindows() cv2.dilate() cv2.drawContours() cv2.findContours() cv2.getAffineTransform() cv2.getPerspectiveTransform() cv2.getTrackbarPos() cv2.imread() cv2.imshow() cv2.imwrite() cv2.minAreaRect() cv2.namedWindow() cv2.rectangle() cv2.resize() cv2.threshold() cv2.waitKey() cv2.warpAffine() cv2.warpPerspective()

すべてのゲームのルールが変わる — 量子コンピュータが切り拓くビジネスの新次元 単なる技術発展を超え、産業全体のパラダイムを変える量子コンピュータは、すでに未来のビジネス環境を決定づける核心的な変数として浮上しています。量子コンピュータの基本原理から、金融、製薬、セキュリティなど全産業にわたる革新事例、そしてグローバルテック企業の戦略的な動きまで、巨大な技術変化の流れを洞察力を持って分析します。複雑な物理学の知識がなくても「量子リテラシー」を身につけたい実務家へ、未来型の人材へと生まれ変わるための最も確かなロードマップを提示します。

ビジョン言語モデル(Vision-Language Model, VLM)の概念と活用方法を理解し、実際にLLaVAモデルをOllamaベースの環境で実行し、MCP(Model Context Protocol)と連動する過程を実習する入門者向けの講義です。 この講義は、マルチモーダルモデルの原理、量子化(Quantization)、サービス及び統合デモ開発まで扱い、理論と実習をバランスよく提供します。