みんなのディープラーニング講座 ゼロからChainerとPythonで学ぶ深層学習の基礎
3.9 (363 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.
3,445 students enrolled

みんなのディープラーニング講座 ゼロからChainerとPythonで学ぶ深層学習の基礎

初心者向けディープラーニングのコースです。ニューラルネットワーク用ライブラリChainerとプログラミング言語Pythonを使って、深層学習の基礎を習得しましょう。人口知能(AI)や機械学習の分野で、特に注目を集めている技術です。
3.9 (363 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.
3,445 students enrolled
Last updated 4/2019
Japanese
Current price: $11.99 Original price: $124.99 Discount: 90% off
3 days left at this price!
30-Day Money-Back Guarantee
This course includes
  • 5 hours on-demand video
  • 9 articles
  • 2 downloadable resources
  • Full lifetime access
  • Access on mobile and TV
  • Certificate of Completion
Training 5 or more people?

Get your team access to Udemy's top 3,000+ courses anytime, anywhere.

Try Udemy for Business
What you'll learn
  • ディープラーニングの仕組みが身につきます。
  • Pythonの基礎的なプログラミング技術が身につきます。

  • ライブラリChainerの扱い方が身につきます。

  • ビジネス上必要なディープラーニングの基礎知識が身につきます。
  • 畳み込みニューラルネットワークの基礎が身につきます。
  • さらに高度な応用を行うための下地が身につきます。
  • ディープラーニングが持つ可能性に気づき、人工知能に対する深い洞察ができるようになります。
Course content
Expand all 78 lectures 05:07:28
+ イントロダクション
7 lectures 25:19

このコースの概要を解説します。
各セクションの内容と全体の流れを簡単に説明します。

Preview 03:43

最初にディープラーニングの概要を簡単に解説します。

ディープラーニングとは
04:23

人工知能と機械学習、そしてディープラーニングについて概念を整理していきます。

Preview 05:01

ニューラルネットワークの解説から初めて、ディープラーニングについてその全体像を解説します。

Preview 06:16

本コースでディープラーイングのために用いるライブラリ、Chainerの概要を解説します。

Chainerの概要
02:35

本コースで用いるプログラミング言語、Pythonの解説をします。

Pythonの概要
01:36

本コースでどのように学んだらよいのか、その指針を解説します。

学び方
01:45
+ 学習の準備
6 lectures 16:37

Windows以外の方はこのレクチャーをスキップしてください。

WindowsでAnacondaをスムーズにインストールするためのポイントを予めお伝えします。

(Windowsのみ)Anacondaのインストールの際の注意点
00:01

Anacondaのインストールを行います。
Anacondaは、Python本体と、Pythonでよく利用されるライブラリがセットになったパッケージです。

Anacondaのインストール
02:39

Chainerのインストール手順を解説します。
Anaconda Navigatorを利用することで、非常に簡単にインストールすることができます。

Chainerのインストール
01:36

PyCharmのインストール手順を解説します。(Mac)
本コースでメインに用いる統合開発環境です。

PyCharmのインストール(Mac)
02:48

PyCharmのインストール手順を解説します。(Windows)
本コースでメインに用いる統合開発環境です。

PyCharmのインストール(Windows)
03:20

PyChamをより使いやすくするための、各種設定を行います。

PyCharmの設定
06:13
+ Pythonの基礎
24 lectures 01:45:29
Python学習の注意点
00:00

Pythonの最初の一歩として、Hello Worldと出力します。

Hello World
06:26

Pythonにおける変数の概念を勉強します。

変数の概念
06:35

Pythonにおける四則演算を解説します。

四則演算
05:01

文字列の概念、及びその扱い方を学習します。

文字列
04:09

Bool値と比較演算子について、その概念を学習します。

Bool値と比較演算子
06:03

論理演算子を用いた演算について学習します。

論理演算子
03:42

if文などを用いた分岐を学習します。

分岐
04:22

リストを用いた、データの効率的な管理方法を学習します。

リスト
03:27

リストとよく似た概念、タプルについて学習します。

タプル
04:40

辞書(ディクショナリ)を用いたデータの管理方法について学習します。

辞書(ディクショナリ)
05:15

for文を用いたループについて学習します。

Preview 04:27

While文を用いたループについて学習します。

While文
02:44

分岐とループを組み合わせて、複雑なロジックを組む方法について学習します。

分岐とループの組み合わせ
02:46

関数を用いてロジックを整理する方法について学習します。

関数
04:44

変数の有効範囲、スコープについて学習します。

スコープ
02:42

関数における、引数と返り値の概念について学習します。

引数と返り値
04:11

デバッガを用いて、コードの実行過程を観察する方法について学習します。

デバッガ
04:58

リストの中にリストが入った構造について解説します。

多重リスト
03:27

クラスの概念について学習します。

クラス
04:51

クラスとリストを組み合わせて、より複雑な構造を構築します。

クラスとリストの組み合わせ
04:56

クラスを継承し、新たなクラスを記述する方法について学習します。

Preview 04:38

イニシャライザを用いたインスタンスの初期化について学習します。

イニシャライザ
07:04

特殊なメソッド、__call__について、その使い方を学習します。

特殊なメソッド __call__
04:21
+ Numpyの基礎
5 lectures 24:37

数値計算ライブラリ、Numpyの概要を解説します。

Numpyとは
01:37

Numpyの配列の使い方を学習します。

Numpyの配列の基礎1
06:07

引き続き、Numpyの配列の使い方を学習します。

Numpyの配列の基礎2
04:49

Numpyの配列の操作方法について学習します。

Preview 06:11

Numpyの配列を用いた演算について学習します。

配列の演算
05:53
+ ニューラルネットワークとバックプロパゲーション
5 lectures 13:42

ニューラルネットワークとバックプロパゲーションについて、その概略を解説します。

Preview 01:54

ニューラルネットワークにおける活性化関数について学習します。

活性化関数
02:55

バックプロパゲーションに必要な損失関数について学習します。

損失関数
02:21

バックプロパゲーションに必要なアルゴリズム、勾配降下法について学習します。

勾配降下法
04:47

バックプロパゲーションにおいて大事な要素、バッチサイズについて学習します。

バッチサイズ
01:45
+ Chainerの基礎
8 lectures 44:25

Chainerの基礎となるいくつかの概念について、概略を解説します。

Chainerの基礎
03:45

プロジェクトを立ち上げて、Chainerのインストールを確認します。

プロジェクトの立ち上げとChainerのインストールの確認
01:45

Chainerの基礎となる概念、Variableをコードを書きながら学習します。

Variable
07:18

Chainerの基礎となる概念、Linksをコードを書きながら学習します。

Preview 08:33

Chainerの基礎となる概念、Chainをコードを書きながら学習します。

Chain
06:01

Chainerの基礎となる概念、Funtionsをコードを書きながら学習します。

Functions
04:25

Chainerの基礎となる概念、Optimizerをコードを書きながら学習します。

Optimizer
03:58

Chainerを用いて、簡単なニューラルネットワークに学習を行わせます。

ChainerのHello World
08:40
+ ディープラーニングによる分類
7 lectures 29:49

ディープラーニングによるアヤメの花の品種分類について解説します。

解説には、以下の画像を使用しています。

  • Frank Mayfield CC by-sa 2.0 https://en.wikipedia.org/wiki/Iris_virginica
  • Tiia Monto CC by-sa 4.0 https://vi.wikipedia.org/wiki/Iris_setosa
  •  CC by-sa 3.0 https://commons.wikimedia.org/wiki/File:Iris_versicolor_3.jpg
  •  ZackWeinberg CC by-sa 3.0 https://en.wikipedia.org/wiki/Support_vector_machine


ディープラーニングによる分類の概要
03:47

Iris(アヤメ)の花のデータの読み込みを行います。

Irisデータの読み込み
04:12

Irisのデータをディープラーニングで用いるために、データの前処理を行います。

Irisのデータ処理
04:51

ニューラルネットワークにIrisのデータを学習させます。

Preview 03:32

学習済みのニューラルネットワークを用いて、Iris花の品種分類を行います。

Irisの分類
03:52

Trainerを用いて、効率的に学習のコードが書けるようにします。

Trainerによる訓練
05:33

Serializerを用いて、学習済みモデルの保存/読み込みを行います。

Serializerによるモデルの保存
04:02
+ 畳み込みニューラルネットワーク
5 lectures 24:33

畳み込みニューラルネットワークを用いたディープラーニングについて、概要を解説します。

Preview 02:58

畳み込みニューラルネットワークの各要素技術を解説します。

畳み込みニューラルネットワークで用いられる技術
05:25

手書き文字のデータセット(MNIST)を読み込みます。

データの読み込み
06:06

畳み込みニューラルネットワークに、読み込んだデータセットを学習させます。

畳み込みニューラルネットワークの学習
06:45

学習済みの畳み込みニューラルネットワークをもちいて、手書き文字の認識を行います。

畳み込みニューラルネットワークによる分類
03:19
+ さらに学びたい方のために
4 lectures 16:33

Chainerで実装可能な、様々な応用例を紹介します。

Preview 03:11

簡単に利用可能な、他のサンプルデータセットを紹介します。

他のサンプルデータセット
04:18

GPUの導入方法について、その流れと概略を解説します。

GPUの利用
05:17

最後に、今後のディープラーニングの展開について個人的な見解を述べます。

ディープラーニングの未来
03:47
+ ボーナスレクチャー
7 lectures 00:24

さらに学びたい方のために、関連コースを紹介します。

ボーナスレクチャー: さらに学びたい方のために
00:11

講師の著書を紹介します。

ボーナスレクチャー: 著書
00:06

講師の会社のYouTubeチャンネルです。講座の一部が無料で公開されています。

ボーナスレクチャー: YouTubeチャンネル
00:01

講師の会社のFacebookページです。最新の情報が提供されます。

ボーナスレクチャー: Facebookページ
00:01

講師が代表取締役を務める、SAI-Lab株式会社を紹介します。

ボーナスレクチャー: SAI-Lab株式会社(講師の会社)
00:01

コース修了後、ぜひ評価とレビューをお願いいたします。
また、本講座で使用したソースコードを一括でダウンロード可能にしておきましたので、よろしければご活用ください。

評価とレビューのお願い & ソースコードの一括ダウンロード
00:01

本講座で使用した講義資料をダウンロード可能にしておきましたので、よろしければご参考にどうぞ。

講義資料のダウンロード
00:01
Requirements
  • 中学レベルの数学で十分です。高度な数学は必要ありません。
  • プログラミングが全くの未経験でも問題ありません。
  • MacでもWindowsでも大丈夫です。
  • 開発環境は、Python3、Anaconda、Chainerです。
Description

みんなのディープラーニング講座は、誰にでも開かれたディープラーニング(深層学習)初心者向けの講座です。

ディープラーニングの背景知識として必要な、プログラミング言語Python、及び数値計算ライブラリNumpyを一から身につけることができます。
その上でディープラーニングの基礎を勉強し、少しずつ動作を確認しながらコードを書いていきます。
本コースは、実際に手を動かして動作を体験することに重きを置いています。

ディープラーニングとは、近年高い注目を集めている人工知能の一分野で、ヒトの神経細胞ネットワークを模倣したニューラルネットワークをベースとしています。
ニューラルネットワークに関しては、時間を割いて丁寧に解説します。

難しい数学は可能なかぎり避けており、プログラミング初心者にも対応しておりますので文系や非エンジニアの方にもお勧めです。

本コースでは、ニューラルネットワーク用のライブラリChainerを使用します。
Chainerはシンプルで優れた機能群を持っており、初心者でも直感的にコードを書くことができます。
環境構築もとても簡単です。

開発には、PyCharmという統合開発環境を使います。これにより、初心者の方が躓きやすい環境設定が大幅に楽になります。ターミナルなどのコマンドラインを開く必要はありません。

Pythonの構文で簡単な一行を書くところから始めて、畳み込みニューラルネットワークの構築まで行います。
PythonとNumpy、Chainerの基礎を少しずつ抑えながら学習していくので、着実に知識と経験を身につけることができます。

本コースを修了した方は、様々な形でディープラーニングを応用するための下地が身につきます。
受講することで、深層学習の秘めている大きなポテンシャルに気づくかと思います。

なお、大学レベル以上の数学や、非常に高度なディープラーニングの解説は行いませんのでご注意ください。
機種などの環境に大きく依存しますので、GPUの利用に関しては概要のみの解説となります。

Pythonの基礎などで、講師の他のコースと内容が重複する箇所があります。その点も合わせてご注意ください。

Who this course is for:
  • ディープラーニングや人工知能、機械学習に興味があるが、最初のとっかかりが分からない方
  • ディープラーニング関連の分厚い書籍に辟易した方
  • ディープラーニングをビジネスで扱う必要に迫られた方
  • 数学、プログラミングがディープラーニングの学習の障壁になっている方
  • ディープラーングの学習を通してPythonプログラミングを身に付けたい方
  • 文系の方、非エンジニアの方にもおすすめです