【PyTorch+Colab】PyTorchで実装するディープラーニング -CNN、RNN、人工知能Webアプリの構築-
4.3 (75 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
674 students enrolled

【PyTorch+Colab】PyTorchで実装するディープラーニング -CNN、RNN、人工知能Webアプリの構築-

人気急上昇中の機械学習フレームワーク、PyTorchを使って深層学習を学ぶコースです。CNNによる画像認識、RNNによる時系列データ処理、AIアプリの構築などを学びます。開発環境にはGoogle Colabolatoryを使用します。
Bestseller
4.3 (75 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
674 students enrolled
Last updated 6/2020
Japanese
Current price: $55.99 Original price: $79.99 Discount: 30% off
5 hours left at this price!
30-Day Money-Back Guarantee
This course includes
  • 5 hours on-demand video
  • 5 articles
  • 2 downloadable resources
  • Full lifetime access
  • Access on mobile and TV
  • Certificate of Completion
Training 5 or more people?

Get your team access to 4,000+ top Udemy courses anytime, anywhere.

Try Udemy for Business
What you'll learn
  • 機械学習フレームワークPyTorchの基礎が身につきます。
  • PyTorchのコードの読み書きができるようになります。
  • CNN、RNNなどを実装できるようになります。
  • 人工知能アプリを構築し、公開できるようになります。
  • 自分で調べながら、ディープラーニングのコードを実装する力が身につきます。
Course content
Expand all 48 lectures 05:08:36
+ イントロダクション
8 lectures 47:39

本コースで使用する教材のダウンロード方法を解説します。

教材の使用方法
01:04

本コースの概要について解説します。

Preview 09:11

ディープラニングとは何か?について解説します。

Preview 05:30

機械学習用フレームワーク、PyTorchについて概要を解説します。

PyTorchとは
05:41

本コースの開発環境、Google Colaboratoryについて使い方を解説します。

Google Colaboratoryの使い方
07:30

PyTorchの基礎であるTensorの扱い方を解説します。

Tensorについて
11:37

本セクションの演習です。

演習: イントロダクション
01:32

YouTubeライブ時に収録した質疑応答です。

質疑応答: イントロダクション
05:34
+ PyTorchで実装する簡単なディープラーニング
7 lectures 46:25

このセクションの概要です。

Preview 04:45

ディープラーニングにおいて重要なアルゴリズム、勾配降下法について概要を解説します。

Preview 04:32

ニューロンの興奮状態を表現する活性化関数、および誤差を定義する損失関数について概要を解説します。

活性化関数と損失関数
09:29

パラメータを更新するための最適化アルゴリズムについて解説します。

最適化アルゴリズム
06:36

PyTorchを使って、シンプルなディープラーニングを実装します。

簡単なディープラーニングの実装
13:16

本セクションの演習です。

演習: PyTorchで実装する簡単なディープラーニング
02:42

YouTubeライブ時に収録した質疑応答です。

質疑応答: PyTorchで実装する簡単なディープラーニング
05:05
+ PyTorchの様々な機能
6 lectures 46:39

このセクションの概要です。

Preview 04:03

PyTorchの有用な機能、自動微分について解説します。

Preview 14:35

エポックとバッチの概念について、概要を解説します。

エポックとバッチ
05:57

PyTorchの有用な機能、DataLoaderについて解説します。

DataLoader
15:56

本セクションの演習です。

演習: PyTorchの様々な機能
02:17

YouTubeライブ時に収録した質疑応答です。

質疑応答: PyTorchの様々な機能
03:51
+ 畳み込みニューラルネットワーク(CNN)
7 lectures 51:46

このセクションの概要です。

Preview 03:58

畳み込みニューラルネットワーク(CNN)の概要を解説します

Preview 17:35

データを「水増し」するテクニック、データ拡張について解説します。

データ拡張
04:37

ニューロンをランダムに消去するテクニック、ドロップアウトについて解説します。

ドロップアウト
02:02

データ拡張、ドロップアウトとともにCNNを実装します。

CNNの実装
17:32

本セクションの演習です。

演習: 畳み込みニューラルネットワーク(CNN)
02:55

YouTubeライブ時に収録した質疑応答です。

質疑応答: 畳み込みニューラルネットワーク(CNN)
03:07
+ 再帰型ニューラルネットワーク(RNN)
8 lectures 53:34

このセクションの概要です。

Preview 05:10

再帰型ニューラルネットワーク(RNN)について、概要を解説します。

Preview 05:36

最小限のコードで、RNNを実装します。

シンプルなRNNの実装
11:50

シンプルなRNNの発展形、LSTMについて学びます。

LSTMの概要
07:48

LSTMの発展形、GRUについて解説します。

GRUの概要
04:53

RNNにより画像を生成するコードを解説します。

RNNによる画像生成
12:47

本セクションの演習です。

演習: 再帰型ニューラルネットワーク(RNN)
02:01

YouTubeライブ時に収録した質疑応答です。

質疑応答: 再帰型ニューラルネットワーク(RNN)
03:29
+ AIアプリのデプロイ
8 lectures 58:11

このセクションの概要です。

Preview 06:08

人工知能アプリの開発について、概要を解説します。

Preview 06:58

Google Colaboratoryを使ってCNNのモデルを訓練し、保存します。

モデルの訓練
09:00

開発環境としてAnacondaとVisual Studio Codeをインストールし、必要なライブラリを導入します。

開発環境の構築
07:54

フレークワークFlaskを使って画像識別アプリを構築します。

Flaskによる画像識別アプリ
15:35

構築した人工知能アプリをHerokuにデプロイし、公開します。

Herokuへのデプロイ
07:41

本セクションの演習です。

演習: AIアプリのデプロイ
01:38

YouTubeライブ時に収録した質疑応答です。

質疑応答: AIアプリのデプロイ
03:17
+ ボーナスレクチャー
4 lectures 04:21

さらに学びたい方のために、関連コースを紹介します。

ボーナスレクチャー: 関連コースの紹介
03:36

講師の著書を紹介します。

ボーナスレクチャー: 講師の著書
00:15

講師のYouTubeチャンネルです。講座の一部が無料で公開されています。

ボーナスレクチャー: YouTubeチャンネル
00:10

講師が代表取締役を務める、SAI-Lab株式会社を紹介します。

ボーナスレクチャー: SAI-Lab株式会社(講師の会社)
00:18
Requirements
  • Pythonの基礎を学ぶためのテキストがダウンロード可能ですが、動画によるPythonの解説はありません。
  • 何らかのプログラミング経験があった方が望ましいです。
  • 数学の知識はほとんど必要ありません。
  • Google Colaboratoryを使用するためにGoogleアカウントが必要になります。
Description

本コースのゴールは、PyTorchを使ってディープラーニングが
実装できるようになることです。

PyTorchを使ってCNN(畳み込みニューラルネットワーク)、RNN(再帰型ニューラルネットワーク)などの技術を順を追って幅広く習得し、人工知能を搭載したWebアプリの構築までを行います。

各ディープラーニング技術の要点を解説した上で、PyTorchのコードを基礎から丁寧に解説します。


注: 本コースに先立ちYouTubeでのライブ講義【Live人工知能】がありました。本コースの動画はこのライブ講義をUdemy用に再構成したものになります。


PyTorchはオープンソースの機械学習ライブラリで、簡潔さ、柔軟性、速度のバランスに優れているため人気が急上昇中です。

また、簡潔な記述が可能なため、最新の研究成果の実装によく使われています。

海外を中心にコミュニティ活動が活発で、ネット上の情報が豊富なのもメリットです。


本コースでは開発環境にGoogle Colabを利用するので、環境構築にはほとんど手間がかかりません。

GPUが無料で利用できるので、コードの実行時間も短縮できます。 

効率よくPyTorchを習得できるように、様々な工夫を凝らしています。

PyTorchを包括的に学び、皆さんの技術的な可能性を大きく広げましょう。


————————————————————

本コースの主な内容は以下の通りです。


イントロダクション

→ PyTorchの概要、ディープラーニングの概要、そしてPyTorchの基礎であるTensorについて解説します


PyTorchで実装する簡単なディープラーニング

→ 可能な限りシンプルなコードで、ディープラーニングを実装します


PyTorchの様々な機能

→ 自動微分、DataLoaderなどのPyTorch特有の機能について解説します


畳み込みニューラルネットワーク(CNN)

→ CNNの原理を学んだ上で、CNNによる画像分類をデータ拡張、ドロップアウトとともに実装します


再帰型ニューラルネットワーク(RNN)

→ RNNの原理を学んだ上で、シンプルなRNNの構築、およびRNNによる画像生成を行います


AIアプリのデプロイ

→ 学習済みモデルを活用した人工知能Webアプリを構築します


なお、ディープラーニングの数学的背景については最小限の解説となりますのでご注意ください。

Pythonの基礎についての解説動画はありませんが、テキストがダウンロード可能です。

————————————————————


本コースでは可能な限り丁寧な解説を心がけていますが、ある程度ご自身で調べることも必要になるのでご注意ください。

動画を見るのみでも学習が進められるようになっていますが、可能であればPythonのコードを動かしながら進めることをお勧めします。

コードがダウンロード可能ですので、これをベースに様々なカスタマイズを行うこともお勧めです。



それでは、PyTorchを使って一緒に楽しく本格的な人工知能を学んでいきましょう。

Who this course is for:
  • 人工知能/機械学習に強い関心のある方
  • フレームワークPyTorchを使えるようになりたい方
  • 実務で機械学習を使いたい企業の方
  • 専門分野で人工知能を応用したい研究者の方
  • 有用な深層学習用フレームワークを探している方