【全部無料で学べる】Google ColabとTensorFlow 2.0で学ぶディープラーニング・AI入門
4.6 (46 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.
395 students enrolled

【全部無料で学べる】Google ColabとTensorFlow 2.0で学ぶディープラーニング・AI入門

スマホやタブレットで使えるGoogle Colaboratoryという無料クラウドサービスを使って、ディープラーニングの代表的な理論やアルゴリズム、実践方法を学びましょう。GPUなどを購入しなくても無料で本格的な学習を始めることができます。
Bestseller
4.6 (46 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.
395 students enrolled
Last updated 10/2019
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
  • 2 hours on-demand video
  • 5 articles
  • 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
  • Google Colaboratory(クラウド環境)を使ってディープラーニングを学べます。
  • Google Colaboratory特有のコマンドの実行、ファイルの参照などのテクニックを学べます。
  • TensorFlowを使った各種ディープラーニング手法を学びます。
Course content
Expand all 24 lectures 02:06:37
+ 第1日:Google Colabを体験してみよう!
9 lectures 43:41
GPU・TPUを使ってみよう(Runtimeのスイッチ)
03:04
MNISTの処理フローとColabのRuntime
03:41
Runtimeのスペックを確認してみよう
10:40
GoogleDriveからColabを開こう
03:10
Google Colabの制限
03:24
+ 第2日:Colabでいろいろなディープラーニングを体験してみよう!
2 lectures 14:42
Fashion MNISTをMLPで解いてみよう
14:35
練習課題: Fashion MNIST
00:07
+ 第3日:Kaggleの犬猫の識別をするモデルを作ろう!
6 lectures 39:00
Seedbankのリンク
00:07
Part 1-1. データの読み込みと可視化による確認
09:10
Part1-2. CNNモデルを定義しよう
07:25
Part1-3. トレーニングを実行しよう
04:33
Part1-4. 畳み込みと学習プロセスの可視化をしてみよう
05:40
Part 2. データの増幅とドロップアウトでスコアアップしよう!
12:05
+ 第4日:DeepDreamで画像生成にチャレンジしよう
6 lectures 25:10
DeepDreamの処理の仕組み
05:21
DeepDreamを実行してみよう
09:12
練習課題: 独自ファイルをアップロードして変換してみよう
00:11
特定のニューロンの挙動に注目してみよう
04:12
関連リンク
00:11
+ ボーナスセクション
1 lecture 04:02
関連コースや続編のご紹介
04:02
Requirements
  • インターネット接続されたPC、タブレット、スマホ
  • PCなど使用端末の基本操作
  • Pythonの経験があると理解が速いと思います(必要な文法は説明します。)
Description

現在、急速に実装が進んでいるディープラーニングですが、高速計算をするためのGPU搭載グラフィックボードが高額だったり、要求されるマシンスペックが高くて、学習をスタートするのをためらっている方も多いでしょう。

そこで、Google社ではGoogle ColaboratoryというブラウザだけでJupyter NotebookやGPU, TPUなど高速化装置も使える無料のクラウドサービスを提供しています。

Google Colaboratory(通称Colab)は、

・セッションが切れると90分でランタイムがリセットされる

・12時間連続稼働するとランタイムがリセットされる

という制約がありますが、ディープラーニングの基本を学ぶには十分なスペックです。

このコースでは無料のGoogle Colaboratoryを使って、ディープラーニングの代表的なアルゴリズムを学んでいきます。

【コースの概要】

第1日: Google Colaboratoryを体験してみよう

  • 機械学習で典型的な例題である手書き数字分類(MNIST)をColab上で解きます。

  • ノートブックの開き方、保存方法、ランタイムの切替方法などを学びます。


第2日: Fashion MNISTとデータの可視化

  • MNISTを拡張してファッションデータの分類にチャレンジします。

  • 画像データを読み込んで、ノートブックに表示するテクニックを学びます。


第3日: 畳み込みNNでCat vs. Dog分類を解く

  • 畳み込みニューラルネットワークをもちいて、Kaggleの演習問題(Cat vs. Dog)を解きます。

  • 畳み込み、ReLU、プーリング、Sigmoid関数などについて学びます。

  • トレーニング履歴を変数に保持して、損失や推定精度の変化を可視化するテクニックを学びます。

  • データの増量やドロップアウトによるスコア向上

  • データジェネレーターの使い方を学びます。


第4日: DeepDreamで画像を生成してみよう

  • DeepDreamのシードを用いて、畳み込みニューラルネットワーク(GoogLeNet)レイヤーやノードが取り出す特徴をデフォルメして、入力画像から新たな画像を生み出します。

  • これにより、ニューラルネットワークのグラフの中でどのような特徴が取り出されているか、をインタラクティブに可視化して確認することができます。

  • ファイルをローカルからアップロードして変数に格納する手順を学べます。

  • 今後、画像のスタイル変換への応用が可能です。

(今後、以下の応用トピックを追加していく予定です)

  • 時系列データの扱い

  • GAN

  • 強化学習

  • その他、リクエストが多いテーマがあれば検討します(メッセージでリクエストしてください)。


【受講対象者】

  1. ディープラーニングを学びたいがGPU搭載ボードを購入しないで済ませたい方
    (ブラウザが動くデバイスであれば実行可能です)

  2. NVIDIA非対応のMacや、スマホ、タブレットなどでディープラーニングを学びたい方

  3. Google Colaboratory固有の操作方法を学びたい方
    (Linuxコマンドの実行方法やファイル操作)

  4. GPU環境は持っているが、企業研修や共同開発などでGoogle Colaboratoryを活用したい方
    (Googleドライブを使用して同じノートブックにアクセスしたり、ノートブックのシェアを行えます)

【受講をお勧めしない方】

  1. ビデオを視聴して学習するのが苦痛な方
    (自力でチュートリアルの解読をお勧めします)

  2. GPU環境があり、ローカル環境で学びたい方
    (クラウドだけで完結しますので、ローカル環境については取り上げません)

  3. 英語も数学も問題なく、機械学習にも精通していて、Googleの英語資料を解読して自習可能な方
    (初学者向けにできるだけ平易な表現で解説しています。専門的な方はきっとつまらないと感じるのでお勧めしません。)

  4. 実践的な開発手法について学びたい方(以下の開発コースをお勧めします)

    1. 画像分類AI自作入門パート1: 畳み込みニューラルネットワークによる分類器生成+Flaskでウェブアプリ化

    2. 画像分類AI自作入門パート2: 転移学習による分類器生成+Djangoでウェブアプリ化

    3. RNNによる自然言語処理・時系列データ解析

    4. 強化学習入門

    5. GAN(画像生成)入門


Who this course is for:
  • GPUなしでディープラーニングに挑戦したい方
  • スマホやタブレットでディープラーニングを手軽に学びたい方
  • CPUで学んだが時間がかかり過ぎてディープラーニング学習を断念してしまった方
  • お金をかけずに(GPUを購入しないで)ディープラーニングを学習したい方