【4日間でチャレンジ】Python 3・ PyTorch によるディープラーニング・AIアプリ開発入門
4.1 (275 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.
2,303 students enrolled

【4日間でチャレンジ】Python 3・ PyTorch によるディープラーニング・AIアプリ開発入門

2018年大注目の高速ディープラーニングライブラリ・PyTorchを使い、深層学習 による分類・推定や、時系列データ処理等を学びましょう。Jupyter Notebook上で基礎を学び、最終的にアプリ化にチャレンジします。
4.1 (275 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.
2,303 students enrolled
Last updated 8/2018
Japanese
Price: $89.99
30-Day Money-Back Guarantee
This course includes
  • 2.5 hours on-demand video
  • 8 articles
  • 4 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
  • ディープラーニングの代表的なアルゴリズムを一通り体験できます。
  • 高速でシンプルに学習・推定ができるPyTorchの使い方をコードを書いて学べます。
  • NumPyを置換するPyTorchでのテンソル(多次元行列)の扱いについて学べます。
Course content
Expand all 47 lectures 02:26:19
+ 第1日目:イントロと用語の整理
3 lectures 08:47
機械学習とは?
02:25
パーセプトロンからニューラルネットワークへ
03:50
+ 第1日目:環境構築(Windows 10, NVIDIA GPUあり)
4 lectures 17:38
CUDA 9のインストール
03:51
cuDNN 7.0.5のインストール
02:30
仮想環境の追加とPyTorch・torchvisionのインストール
06:37
+ 環境構築セクションの課題
2 lectures 01:21
練習課題: torchvisionのインポートを確認してみよう
00:14
実行例: torchvisionパッケージのインポート
01:07
+ 第2日目:Torchテンソルを使ってみよう!
6 lectures 23:00
PyTorchのチュートリアルページを開いてみよう
02:21
PyTorchでテンソルを生成してみよう(その1)
05:50
PyTorchでテンソルを生成してみよう(その2)
02:45
_likeやnew_でテンソルを生成しよう
01:50
テンソルの要素を足してみよう
04:14
NumPy配列とTorchテンソルの連携
06:00
+ 第2日目:ニューラルネットワークと自動微分計算
4 lectures 13:37
自動微分のイントロ
03:15
ノートブックでgrad_fnを確認してみよう
02:57
requires_gradのセットと反転
02:24
偏微分値を求めてみよう
05:01
+ 第3日目:ニューラルネットワークによるワインの分類
12 lectures 32:08
セクションの概要
03:17
ノートブックの追加とパッケージのインポート
05:44
データの読み込みと分割
04:51
PyTorchのテンソルに変換しよう
03:56
モデルを定義しよう
04:28
トレーニングを実行しよう
05:32
精度を計算しよう
02:05
セクションで使用したノートブック
00:06
練習課題: 隠れ層のノード数を変更して精度の違いを確認してみよう
00:06
課題実行サンプル: 精度向上にチャレンジ!
01:53
練習課題2: トレーニング回数を増やしてみよう(Over-fitting)
00:08
課題の実行例ノートブック
00:01
+ 第3日目:ワインの分類。多層化して精度を向上させよう
4 lectures 06:15
セクションの概要: 層を深くしてみよう
00:49
隠れ層をディープにしてみよう!
05:11
練習課題: レイヤーを追加して精度向上を実現しよう
00:14
実行サンプルのノートブック
00:01
+ 第4日目:時系列データ処理と異常検知
10 lectures 35:44
セクションの概要: 時系列データ処理
01:21
気温のオープンデータのダウンロード
02:08
PandasでCSVファイルを読み込もう
05:19
シーケンスデータを生成しよう
05:08
モデルを定義しよう
05:41
トレーニングを実行してみよう
05:48
入力値と出力値をプロットしてみよう
01:55
テストデータの出力を計算しよう
04:12
誤差のスコアを計算し、異常値を検出しよう
03:58
練習課題: オートエンコーダを実装してみよう
00:14
Requirements
  • PCのフォルダー作成やソフトウェアのダウンロード作業ができること
  • インターネット接続が使用できること(ソフトウェアのインストールに必要です)
  • 機械学習や深層学習に関心があり、コードを書いて仕組みを理解したい方
Description

【どうして今PyTorchを学ぶべきか?】

このコースでは、Facebook AI Researchグループなどで開発されているPyTorchという深層学習ライブラリの基礎的知識と、典型的なディープラーニングモデルの実装、Webアプリ化にチャレンジします。

PyTorchはTensorFlowと双璧をなす、ディープラーニングライブラリで、2018年夏にはCaffeと統合され、さらなる普及が予測されます。

最新のAI研究成果で発表されたアルゴリズムはいち早くPyTorchで実装されていて、最新のAI研究成果を学ぶのにとても役立ちます。

【更新情報】

2018/7/6 オートエンコーダ(自動符号化器)による時系列データ(気温データ)の解析、異常値検出を行うセクションを追加しました。

【コースの構成】

1日目: PyTorchと機械学習、環境構築

2日目: PyTorchによるテンソル(多次元行列)表現と自動微分計算

3日目: ニューラルネットワーク(3層パーセプトロン)でワインを分類してみよう(3層) 

      ディープラーニング(多層パーセプトロン)でワインを分類してみよう(多層)

4日目: オートエンコーダ(自動符号化器)を使った時系列データの異常検知(2018/7/6 追加)


*リクエストに応じて、チュートリアルを追加収録していきます。


【PyTorchの特徴】

PyTorchは、以下のような特徴があります。

・NumPyより高速なテンソル(多次元行列)計算ライブラリ

・Define by Run: モデルを動的に定義し、柔軟な学習が可能

 TensorFlowはDefine & Run(あらかじめモデルを定義し、トレーニング時にはモデルは固定)

・研究者コミュニティで爆発的に普及

などの特徴があり、今後も成長が期待されます。

TensorFlowよりシンプルにモデルを定義することができるのと、GPUのパワーを最大限に活かすことができるのがメリットです。


ぜひこの機会にPyTorchによる高速・柔軟な開発をマスターしましょう!

Who this course is for:
  • ディープラーニングの代表的なアルゴリズムを短期間に俯瞰したい方
  • TensorFlowの計算グラフとセッションによる学習手順が複雑だと感じた方
  • 研究者コミュニティで急速に普及しているPyTorchによるディープラーニング実装を学びたい方
  • ビデオによる学習が苦痛でない方(書籍の方が学びやすい方にはお勧めしません)