カリキュラム抜粋

• Python基礎・NumPy・Pandasによるデータ処理
• Matplotlibによるデータ可視化
• 教師あり学習（回帰・分類）／特徴量エンジニアリング
• 時系列分析／教師なし学習（クラスタリング・主成分分析）
• モデル検証・ハイパーパラメータチューニング
• マーケティング分析・ビジネス活用提案・SQL／データベース

カリキュラム抜粋

• Physical AI の概要と活用
• 模倣学習（Imitation Learning）による学習
• 強化学習によるロコモーション習得
• スケーリングとアーキテクチャ
• 実世界データ収集
• 実運用時の課題と展開（ロボット基盤モデル／LeRobot）

学んだこと

• 機械学習・ニューラルネットワークの基礎、最適化と正則化
• 畳み込みニューラルネットワーク（CNN）／再帰型ニューラルネットワーク（RNN）と系列モデル
• 自然言語処理（NLP）・コンピュータビジョンへの応用
• 生成モデル（VAE・GAN 等）と深層生成
• 強化学習、表現学習・自己教師あり学習
• 深層学習の理論、世界モデル（World Models）

学んだこと

• 画像認識の基礎と畳み込みニューラルネットワーク（CNN）
• 画像分類（ImageNet 等）と代表的アーキテクチャ
• 物体検出（Object Detection）／セマンティックセグメンテーション
• 転移学習・データ拡張の実践
• 距離学習・自己教師あり学習
• Vision Transformer など最新の画像認識手法

学んだこと

• 強化学習の基礎（MDP・価値関数・方策）
• Q学習・DQN／Double DQN
• 方策勾配法・Actor-Critic
• 目的指向型対話（GO Chatbot）への深層強化学習の応用
• 対話状態追跡・ユーザーシミュレータの実装
• エージェント学習の実装演習（train / agent）