【TensorFlow・Kerasで学ぶ】時系列データ処理入門(RNN/LSTM, Word2Vec)
4.1 (694 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.
5,888 students enrolled

【TensorFlow・Kerasで学ぶ】時系列データ処理入門(RNN/LSTM, Word2Vec)

TensorFlow, KerasとPython3を使って、自然言語処理や時系列データ処理を学びましょう。日本語+動画で学べる唯一の講座(2017年8月現在)です。RNN/LSTMは、機械翻訳、自動字幕表示、株価予測などに使用されています。
4.1 (694 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.
5,888 students enrolled
Last updated 3/2018
Japanese
Current price: $62.99 Original price: $89.99 Discount: 30% off
5 hours left at this price!
30-Day Money-Back Guarantee
This course includes
  • 6 hours on-demand video
  • 9 articles
  • 8 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
  • Word2Vecや、Sequence2SequenceなどTensorFlowの時系列データ処理のチュートリアルを理解できるようになります。
  • TensorFlowを用いたRNNによる機械学習ができます。
  • RNNの動作原理について理論を学習し、コードを書いて理解を深めます。
  • LSTMの仕組みについて理解し、コードを実装して理解を深めます。
  • Kerasを使用したLSTMによる文章合成プログラムを作成できます。
Course content
Expand all 85 lectures 06:05:08
+ Pythonによる形態素解析にチャレンジ(janome)
6 lectures 28:55
形態素解析を実行してみよう(単文)
09:59
単語の出現頻度を数えてみよう(1/2)
08:53
単語の出現頻度を数えてみよう(2/2)
08:13
練習課題: 出現頻度のカウント
00:12
Wordカウントのソースコード
00:03
+ Word2Vecにチャレンジ(gensim)
7 lectures 32:32
Word2Vecライブラリ(gensim)のインストール
01:59
Word2Vecで文章を読む(データ準備)
09:12
Word2Vecモデルを作る(モデルファイルを作成)
12:36
Word2Vecモデルを使ってみよう(近似単語を表示)
04:17
練習課題: Word2Vecモデルを作ろう
00:05
Word2Vecのソースコード
00:09
+ Wikipediaを辞書にしてWord2Vecにトライ(MeCab・gensim・Word2Vec)
12 lectures 37:12
Rubyとwp2txtのインストール(Windowsオンリー)
03:29
wp2txtのインストール(macOSオンリー)
01:46

bzip2を解凍するために7-Zipをインストールします。

7-Zipのインストール(Windowsオンリー)
02:16
Mecabのインストール(Windowsバイナリー)
02:10
Mecabのインストール(macOS編・ソースからビルド)
07:09
拡張版IPA辞書のインストール(macOSのみ)
03:09

XMLファイルをテキストファイルに変換します。

wp2txtの実行
02:29
テキストファイルを1つにまとめる
02:02
分かち書きファイルを作成する
02:49
Word2Vecのモデルを生成しよう
02:49
+ RNNとLSTMの仕組みを理解しよう
7 lectures 36:41
Word2Vecの2つのモデル(CBOWとSkip-gram)
02:36
RNNの仕組み
06:41
RNNセルと問題点(LSTMへ)
06:22
LSTMセル(セルステート・忘却ゲート)
03:30
入力ゲートとセルステート値の更新
04:23
出力値の計算
03:38
+ LSTMで文章を生成しよう
11 lectures 51:06
Kerasをインストールしよう(1/2)
04:28
Kerasをインストールしよう(2/2)
02:35
Jupyter Notebookを追加してライブラリをインポートしよう
08:16
文章から辞書を作成しよう
06:27
文章と次に来る文字を記録しよう
06:20
テキストをベクトル化しよう
04:06
モデルを定義しよう
06:35
学習して文章を生成しよう
10:24
途中経過
00:59
テキスト生成のノートブック
00:06
+ TensorFlowで機械翻訳に挑戦
16 lectures 51:00
注意:TensorFlow 1.6での変更
00:10
Python実行環境の追加
04:05
フォルダ追加とコードのクローニング
05:05

数時間かかるので気長に待ちましょう。

翻訳データのダウンロード
02:18
エンコーダー・デコーダーモデル
05:31
トレーニングの実行
04:43
モデルの保存
02:49
パフォーマンスモニターでCPU稼働率をチェックしてみよう
00:35

モデルを小さくしてみましたが、CPU版ではなかなか学習が進みませんでした。

GPU版での実行をおすすめします。

モデルサイズを小さくして学習をしてみよう
03:20

CPU版ではトレーニングが終わらないのでtensorFlow 1.3.0 GPU版をインストールします。

TensorFlow 1.3.0 GPUのインストール(cuDNN 6.0)
07:04

CPU版では学習が終わらないのでGPU版でチャレンジします。

TensorFlow 1.3.0 GPUでトレーニングを実行
05:36

10倍くらい高速に学習できるようになりました。

トレーニングの経過
01:00
GPU版実行時のCPU負荷
00:31
途中経過
00:11
機械翻訳を実行してみよう
06:51
+ RNNでセンチメントアナリシス(感情分析)に挑戦
13 lectures 01:11:03
データの準備とノートブックの追加
05:32
データの読み込みと変数への格納
08:12
単語やレビューのベクトル化
05:40
ラベルと特徴ベクトルをつくろう
11:53
データを分割しておこう
06:02
エンベディングレイヤーを定義しよう
05:47
LSTMセルとレイヤーを定義しよう
03:45
推定と推定精度評価の式を定義しよう
04:38
指定サイズでバッチデータを取得するモジュール定義
02:31
トレーニングを実行しよう
08:03
テストを実行しよう
05:47
このセクションで使用したノートブック
00:06
+ LSTMで株価予想を行ってみよう
8 lectures 39:19
このセクションの概要
02:21
データをロードする関数を定義しよう
09:24
正規化処理を定義しよう
02:42
ネットワーク(モデル)を定義する関数を定義しよう
05:16
株価を予測する関数を定義しよう
07:32
lstm.pyの修正
00:14
株価を予測してみよう
07:00
株価を予測してみよう(2/2)
04:50
+ ボーナスセクション(補足動画など)
1 lecture 01:48
Atomのパッケージを追加しよう(オプション)
01:48
Requirements
  • TensorFlowをインストール可能なPC(64bit macOSまたはWindows, 8GBRAM以上を推奨)
  • TensorFlow・Keras(無償・レクチャーで導入方法を解説します)
  • Anaconda 最新版(無償・レクチャーで導入方法を解説します))
  • Janome, Gensimなど形態素解析やWord2Vectorライブラリ(無償・レクチャーで解説します)
  • 必須ではありませんが、GPU搭載マシンだと学習が短時間に実行できます。
  • インターネット接続
Description

*2017/12/3 株価予測のチュートリアルを順次掲載しています。

*2017/9/19 感情分析のセクションを追加しました。

*2017/9/14 Kerasを使用した文章合成のチュートリアルを追加しました。

*2017/9/12 機械翻訳の実行結果を掲載しました。10日間トレーニングしたモデルを使用しました。

*2017/9/3 Wikipedia日本語記事全文を使用したWord2Vecのチュートリアルを掲載しました。モデル生成に丸1日かかりました。

*2017/9/1 リクエストの大変多かったTensorFlowのSequence-To-Sequenceチュートリアルのプログラムを動作させてプロセスを収録しています。現在、2日間ほどプログラムを稼働し続けています。学習が完了したら結果をアップロードします。

Python3とTensorFlowやMeCab, Janome, Gensimなどを使用して、

  1. 自然言語処理(形態素解析、Word2Vec、RNNによるSequence-To-Sequence)
  2. RNN/LSTMによる文章処理、合成
  3. ディープラーニングによる株価予測プログラム開発

などにチャレンジします。

実習には、Python 3 とJupyter Notebookを使用し、ウェブブラウザ上でコードを書いてプログラムを実行できます。

チャレンジしたいトピックも募集しています。リクエストがあってテクニカルに可能なものは収録しますので、フォーラムやメッセージでお知らせください。

*** 受講上の注意 ***

このコースは動画で、はじめて形態素解析やRNNなどを学ぶ方のためのコースです。

環境構築から1つ1つ丁寧に解説していきますので、

・動画より書籍で学びたい方

・すでにLSTMやGRUなどについて詳しく学ばなくても結構

という方は、間違って受講されないようご注意ください。

また、間違えて登録した方は30日以内であれば返金可能なのでお試しください。

Who this course is for:
  • Pythonを使用した自然言語処理の仕組みと実装方法を学びたい方
  • 時系列データのディープラーニングによる処理を学びたい方
  • 頻繁なアップデートでパニックしない方
  • 英語のメニューでパニックしない方
  • TensorFlow入門コースを受講、または内容を理解している方
  • ニューラルネットワークの原理について、ニューラルネットワークのコースを受講したか、理解している方
  • ビデオを視聴するのが苦でない方(書籍の方がいい方にはお勧めしません)