Your cart is empty.
Keep shopping
人工知能（AI）を搭載したTwitterボットを作ろう【Seq2Seq+Attention+Colab】
2,079 students
What you'll learn
- Seq2Seqを用いた対話モデルの構築。
- Attentionの導入による自然な応答文の生成。
- 再帰型ニューラルネットワーク（RNN）の実装。
- Twitter APIの使い方。
- Twitterボットのデプロイ方法。
- 自然言語処理の基礎。
- PyTorchの使い方。
Explore related topics
Course content
7 sections • 44 lectures • 5h 49m total length
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。
- Google Colaboratoryを使用するため、ローカル環境はWindowsでもMacでも大丈夫です。
- Google Colaboratoryを使用するためにGoogleアカウントが必要になります。
- 海外のサービスを利用するので、英語に抵抗感が小さい方が望ましいです。
- Twitter APIを使用するために、Twitterアカウントが必要になります。
- Twitterに一定時間間隔で投稿する機能を実装する方は、Herokuの無料サービスを利用するためにクレジットカードの登録が必要になります（登録しなくても受講は可能です）。
Description
人工知能（AI）を搭載したTwitterボットを構築するコースです。
Seq2Seq、Attentionなどのディープラーニング技術を使ってモデルを訓練し、Twitterへの投稿や返答が可能なボットを構築します。
また、このために必要な基礎としてTwitter APIの使い方、ディープラーニング用フレームワークPyTorchの使い方、 基本的な自然言語処理などを学びます。
独自の人工知能ボットを構築し、世界に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。
コースの内容は以下の通りです。
Section1. 講座の概要とTwitter API
→ コースの概要を把握し、Twitter APIを設定します。
Section2. RNNとSeq2Seq
→ ディープラーニングの関連技術、再帰型ニューラルネットワーク（RNN）とSeq2Seqを学びます。Seq2Seqは、系列(sequence)を 受け取り、別の系列へ変換するモデルで、自然言語処理でよく利用されます。文章などの入力を圧縮するencoderと、出力を展開するdecoderからなりますが、機械翻訳、文章要約、対話システムなどに応用されています。
Section3. 自然言語処理の基礎
→ 自然言語をニューラルネットワークで扱う方法を学びます。
Section4. モデルの訓練
→ Seq2Seqを使い、チャットボット用のモデルを訓練します。
Section5. Attentionの導入
→ Seq2SeqのモデルにAttensionという技術を導入します。Attentionは、時系列データの特定の部分に 注意を向けるように学習させていく方法で、より自然な応答文の生成を可能にします。
Section6. Twitterボットのデプロイ
→ 訓練したモデルをデプロイし、Twitterボットを構築します。
本コースはディープラーニング用フレームワークとしてPyTorchを使用します。
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。
開発環境には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。
Who this course is for:
- 人工知能を使ってTwitterボットを作りたい方。
- 独自の会話エンジンを作りたい方。
- 人工知能を学んだけど、活かし方が分からない方。
- 自然言語処理、特にSeq2SeqやAttentionについて学びたい方。
- PyTorchによる自然言語処理の実装を学びたい方。