
教材の使用方法を解説します。
この講座の導入です。
この講座の概要を解説します。
Webフレームワーク、Streamlitについて概要を解説します。
開発環境であるGoogle Colaboratory、および動作の確認に使用するngrokについて解説します。
最初の簡単なStreamlitアプリを作ります。
このセクションの演習です。
このセクションの教材を紹介します。
このセクションの概要です。
本コースで頻繁に使用するライブラリ、Pandasについて基礎を学びます。
Streamlitが備える、様々なデータ可視化方法について学びます。
Streamlitが備える、様々なUIの実装方法を学びます。
キャッシュを利用し、処理を高速化する方法を学びます。
本セクションの演習です。
このセクションの教材を紹介します。
このセクションの概要です。
ResNetを使い、画像を認識するアプリを構築します。
ResNetを使い、画像を認識するアプリを構築します。
spaCyを使い、自然言語処理アプリを構築します。
このセクションの演習です。
このセクションの教材を紹介します。
このセクションの概要です。
Streamlit Cloudに登録する方法を学びます。
PyTorchを使ってCNN(畳み込みニューラルネットワーク)のモデルを訓練します。
Streamlitで、訓練済みの独自モデルを取り込んだ画像認識アプリを構築します。
Streamlit CloudとGitHubを使い、構築したAIアプリをクラウド上にデプロイします。
コース最後の、受講生の皆様に向けてのメッセージです。
講師の活動や最新情報についてご紹介します。
「人工知能Webアプリを手軽に公開しよう!」は、人工知能、機械学習Webアプリを手軽に公開する方法を学ぶ講座です。
Google Colaboratory環境で、「Streamlit」を使ったWebアプリを作成します。
Streamlitとは、WebアプリをPythonのみで手軽に公開できるフレームワークです。
Pandas の DataFrame や、 matplotlibなどで作成したグラフを埋め込むことができて、データ分析結果を簡単に表示することができます。
簡潔かつ使いやすいUIが実装可能で、様々なタイプのアプリに対応できます。
さらに、Streamlit Cloudを使えば、構築したアプリをクラウド上で公開することが可能です。
アプリを公開するコストが大きく抑えられるため、Streamlitは現在人気が急上昇中です。
本講座では、このようなStreamlitの基本的な扱い方を学んだ上で、様々なWebアプリを公開します。
人工知能、機械学習に取り組んだ成果を、Webアプリとして公開できるようになりましょう。
注: 本コースに先立ちYouTubeでのライブ講義【Live! AIRS-Lab】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。
講座の内容は以下の通りです。
Section1. Streamlitの概要
→ Streamlitの概要、および開発環境について学びます。
Section2. Streamlitの様々な機能
→ Streamlitが持つ豊富な機能の全体像、および一部の詳細を解説します。
Section3. 様々な人工知能Webアプリの開発
→ Streamlitを使い、様々な人工知能Webアプリを開発します。
Section4. 人工知能Webアプリの公開
→ 「Streamlit Cloud」を使い、人工知能Webアプリを公開します。
なお、今回の講座でプログラミング言語Pythonの解説は最小限となりますが、Pythonの基礎を解説するノートブックを予め配布します。
Pythonの開発環境にはGoogle Colaboratoryを使用します。