【4日で体験】 TensorFlow x Python 3 で学ぶディープラーニング入門
4.3 (158 ratings)
Instead of using a simple lifetime average, Udemy calculates a course's star rating by considering a number of different factors such as the number of ratings, the age of ratings, and the likelihood of fraudulent ratings.
1,760 students enrolled
Wishlisted Wishlist

Please confirm that you want to add 【4日で体験】 TensorFlow x Python 3 で学ぶディープラーニング入門 to your Wishlist.

Add to Wishlist

【4日で体験】 TensorFlow x Python 3 で学ぶディープラーニング入門

TensorFlow 1.1対応! 4日間でディープラーニングを体験してみよう!文系・数学なし・Linuxなしでも体験できます。Windows, MacだけでOK!
4.3 (158 ratings)
Instead of using a simple lifetime average, Udemy calculates a course's star rating by considering a number of different factors such as the number of ratings, the age of ratings, and the likelihood of fraudulent ratings.
1,760 students enrolled
Last updated 4/2017
Japanese
Current price: $23 Original price: $105 Discount: 78% off
30-Day Money-Back Guarantee
Includes:
  • 6 hours on-demand video
  • 19 Articles
  • 4 Supplemental Resources
  • Full lifetime access
  • Access on mobile and TV
  • Certificate of Completion
What Will I Learn?
  • TensorFlowを実行する環境を構築できます
  • Anacondaをインストールして、安全にPython 3 の実行環境を導入できます
  • Python 3.5 の実行環境を構築できます
  • Jupyter Notebookを使用して、対話的にコードを実行できるようになります。
  • GoogleのTensorFlow公式サイトの入門編とエキスパート編をコードを実行して理解できるようになります。
  • 畳み込み・プーリング・逆伝播など深層学習の基本的な仕組みを、わかりやすい図解で理解できます
  • TensorFlowによる画像認識AIプログラムの動作を体験できます。
  • 北斎やムンクのタッチで写真をレタッチするスタイル変換のAIを試せます。
View Curriculum
Requirements
  • Windows または macOSの動作するPC(Linuxも可・64bit CPU/OS)
  • Python 3.5・Anaconda・Jupyter Notebook (コース内で導入方法を解説します)
  • TensorFlow 1.1(コース内で導入方法を解説します)
  • インターネット接続 (学習データの取得に必要です)
Description

【最新更新状況】

2017/4/29 スタイル変換(写真を画家のタッチで描く)のチュートリアルを追加しましたので、4日間にタイトルを変更しました。

2017/4/27 TensorFlow 1.1がリリースされましたので、インストール手順を追加しました。なお、既存のチュートリアルは1.1での動作を確認しました。

2017/4/3 機械学習の概要解説を追加しました。また、Anaconda 4.3.0 + Python 3.5によるtensorFlow 1.0.1インストール手順を標準にして、4.2.0を用いた方法は旧コンテンツとして最後のセクションに移動しました。

既存レクチャーはTensorFlow 0.12で収録しています。MNIST for Beginnersは1.0でも動作します。MNIST for Expertsは1行変更すれば動作します。

いずれも1.0.1にて再収録・差し替えをしていきます。

2017/2/27 TensorFlow 1.0のインストール方法、MNIST for Beginners・Expertsのコード実行のレクチャーを追加しました。

2017/2/22 Windows版のインストール手順を更新しました(Anaconda 4.2.0のダウンロード・インストール手順)

2017/2/21 勾配降下法・ミニバッチの解説を追加しました。

2017/2/12 Jupyter Notebookでコメントを入力する方法。Jupyter Notebookの終了方法を追加しました。

2017/2/9 MNIST for Experts のスライドを更新(活性化関数の解説を追加)しました。

2017/2/8 活性化関数(ReLU)の図解レクチャーを追加しました。

【ご注意】

このコースは、Python経験者で英語でGoogle社のTensorFlowチュートリアルが自力で理解できる方には物足りないと思いますので、ご注意ください。Pythonをはじめて体験する方、TensorFlowでどんなことができるかを体験してみたい、という方を対象にしています。TensorFlowライブラリを使用したアプリケーション開発などは別コースを企画しています。

【2017年には、ディープラーニングが急速に普及します】

2017年1月30日にピッツバーグで開催されていたトップレベルのチェスの試合で、カーネギーメロン大学のグループによる人工知能 "Libratus" が人間を打ち負かしました。2017年初めには、オンライン囲碁(野狐囲碁)でチャンピオンに連勝する人工知能(Master)が登場して話題になりました。Masterの正体は、2016年にイ・セドルプロを破った "アルファ碁(AlphaGo)" の改良版でした。アルファ碁は、イギリスのディープマインド社で開発されている人工知能です。ディープラーニングや強化学習と呼ばれる仕組みを使って、コンピューターが自己対戦を繰り返して成長するコンピュータープログラムです。AlphaGoのトレーニングにはGoogle社のTensorFlowという人工知能のライブラリが使われています。

医療や農業、教育などさまざまな分野で、「人工知能・AI」による自動化、分類や推定が注目されています。ディープラーニングは、コンピューターにさまざまな情報を学習させて、分類や推定を行う機械学習の一種です。人間の脳を模したニューラルネットワークを何段にも(ディープに)重ねることで、精度の向上を実現しています。

2017年のCES (コンシューマー・エレクトロニクス・ショー)では、ディープラーニングを実装したロボットを使ったサービスやアプリケーションが次々と発表されました。今後も続々と登場するでしょう。

この講座は、AlphaGoにも採用されているGoogle社のTensorFlowライブラリを使って、短期間にディープラーニングによる人工知能の動作を体験し、ディープラーニングを活用したサービスやプロダクトの企画・開発のヒントを得られるようになることを目指して制作しました。

TensorFlowは、GooglePhotoやGoogle翻訳、Google検索などで実際に使われている機械学習、深層学習のライブラリです。

さまざまなOS上で動作をしますので、学習だけでなく、ウェブアプリケーション開発やモバイルアプリ開発も可能です。


【コースの概要】

このコースは、Udemyでのべ7800名にプログラミングを指導してきたベテラン講師が担当します。

Google社が公開しているオープンソースの人工知能ライブラリ・TensorFlow(テンソルフロー)を使って、

以下のような順で学習を進めます。

第0日: 環境構築

  • Anaconda (Python 3) , TensorFlowのインストール
  • TensorFlowでHello World!

第1日: 手書き文字の分類 (多項ロジスティック回帰)

  • 多項ソフトマックス回帰の実行

第2日: 手書き文字の分類 (畳み込みニューラルネットワーク)

  • 2段階の畳み込み・プーリング層、2層の全結合層を組み合わせたニューラルネットワークで精度を向上させる
  • 学習したモデルを使用して分類を実施してみる(収録中)

第3日: 画像認識

  • パンダの画像認識
  • オリジナル画像(犬)の認識

第4日: スタイル変換

  • 画家のタッチをAIに学習させ、写真のスタイル変換をするAIプログラムを体験します。
  • サンプルは北斎の「波」を使用しますが、ムンクやゴッホなどのデータも使用可能です。

オプション(必須ではありません)

  • Python 3の概要 
  • Python 3 のミニマムな文法
  • 参考文献リスト


プログラムをJupyter Notebook上でステップ・バイ・ステップで実行しながら、ディープラーニングの仕組みを体験していきます。


*レクチャーで使用したJupyter Notebookはコース内でダウンロードできます。お急ぎの方はコーディングせずにプログラムを実行できます。ご自身でコーディングするとより理解が深まるでしょう。

【このコースを学ぶと】

人工知能と言われても、言葉だけではどんなことができるのかピンときません。しかし、実際に人工知能のトレーニングや推定を体験してみると、いろいろなアイデアが生み出せるようになるでしょう。

ぜひこの機会にTensorFlowを体験し、人工知能時代に活躍するスキルを手に入れましょう。現在、世界中でディープラーニングエンジニアの求人が急拡大しています。また、あらゆる業種で、人工知能を適用して課題解決が図れる人材が切望されています。エンジニアでなくても、ディープラーニングや機械学習の概念を理解することで、人工知能の得意なことを活かしたり、まだ人工知能ではできない限界を知って、リアリティのある意思決定ができるようになります。


【このコースの特徴】

  • 数学やプログラミングの知識がなくても、ディープラーニングのプログラムを体験できます。
  • 数式を理解できなくても、概念的にどういう処理をしているのか、を直感的に理解できるようになります。
  • 畳み込みやプーリングなど難解な処理の仕組みを図解で理解できるようになります。
  • Python 3 + TensorFlowを使って、パソコン上でディープラーニングを体験できます。
  • ボーナストラックでは、Python 3の基礎を解説します。

【受講をおすすめしない方】

  • すでにTensorFlowのチュートリアルを体験済みで解説が不要な方
  • すでにディープラーニングに詳しい方
  • Linuxでないと学習をしたくない方
  • 動画で学習するのはナンセンスだ!書籍で学んだ方がいい!という方
  • ソフトウェアのインストールや、コードの入力は全くしたくない方
  • WindowsやMacでPythonプログラミングをやるのは気に入らないという方


人工知能をマスターしたら、あなたはどんな問題解決をしますか?


***今後の予定***

続編として、

  • ニューラルネットワークをNumPyで自作して数学的処理を理解する講座
  • CIFAR-10など本格的なディープニューラルネットワーク
  • RNN(リカレントニューラルネットワーク)LSTMなどを使用した自然言語処理
  • 音声認識などのアプリケーション
  • C++の基本と、TensorFlowの使用
  • Raspberry Pi 3でTensorFlowを動かしてみよう
  • iOSやAndroidでTensorFlowを使用してみよう
  • Chainerでディープラーニングを学ぼう

などの講座化を企画しています。

もしリクエストがあれば、メッセージなどでお知らせください。

Who is the target audience?
  • TensorFlowを使用して、ディープラーニング・人工知能を体験してみたい方
  • TensorFlowを体験して、機械学習や深層学習の基本的な仕組みを理解したい方
  • 画像認識などのサンプルプログラムを動作させて人工知能を体験してみたい方
  • ディープラーニングや人工知能の書籍を買ったが、独力では理解が難しかった方
  • ディープラーニングの参考書の学習環境がLinuxやDockerを前提としていて、環境構築でつまづいた方
  • scikit-learnで回帰や識別の基礎を学んだが、TensorFlowを体験してみたい方
  • 多項ロジスティック回帰や、畳み込みニューラルネットワークを、直感的に理解したい方
Students Who Viewed This Course Also Viewed
Curriculum For This Course
Expand All 65 Lectures Collapse All 65 Lectures 05:52:49
+
0日目: イントロと環境構築
14 Lectures 01:04:38

機械学習の概要、深層学習との関係について俯瞰します。

Preview 08:18

環境構築の注意
00:00

学習上の注意
00:07

Anaconda最新版を入れて、Python 3.5実行環境を追加します。

Windows版のTensorFlowはPython 3.5のみ対応しています。

(Windowsオンリー) Anaconda 4.3.0のインストール
09:08

TensorFlow 1.1.0のインストール(4/27)
04:05

【Macオンリー】Anaconda4.3.0のインストール
03:21

【Macオンリー】macOS上でのTensorFlowのインストール(Python 3.5)
11:16

動作テストと、GPU版用のCUDAドライバーのインストールを実行します。

CUDAドライバーのインストールは、NVidia GeForceを搭載していてGPU版をインストールした場合のみ必要です。

CPU版をインストールした方は、CUDAドライバーのインストール部分はスキップしてください。

【Windows + GPU環境のみ】動作確認とCUDAドライバーのインストール
07:22

【Windows + GPU環境のみ】cuDNNライブラリのインストール
09:35

環境構築のレビュー(システム構成の確認)
01:32

Hello Worldプログラムを書いてみよう(Windows, macOS)
07:03

Pythonの対話環境の抜け方(Windows, macOS)
00:41

課題: 環境構築と最初のプログラム
00:02
+
1日目: MNIST for ML Beginners(0.12/1.0両対応)
8 Lectures 59:57

このセクションで学ぶMNIST for Beginnersの概要を説明します。

Preview 14:30

MNIST for Beginnersの処理の流れを解説します。

行列式での表現と、グラフでの表現
11:04

MNIST for Beginnersのコードを書いて、多項ロジスティック回帰を実行してみましょう。

コードを書いて実行してみよう
24:12

GradientDescent最適化とミニバッチについてイメージを理解しましょう。

勾配降下法とミニバッチ
06:02

全体の処理の流れをレビューしておきましょう。

まとめとニューラルネットワーク
04:06

課題: MNIST for ML Beginnersを実行してみよう
00:01

サンプルコード(ノートブック)のダウンロードページ
00:01

このセクションで使用したスライドです。

MNIST for ML Beginnersのレクチャースライド
00:00
+
2日目: Deep MNIST for Experts (0.12対応、1.0は1行改変すれば動作)
10 Lectures 01:23:15

MNIST for expertsセクションの概要を紹介します。

Preview 02:21

TensorFlow 0.12のMNIST for Expertsのコードを、TensorFlow 1.0対応にする手順について解説します。

TensorFlow 0.12から1.0の変更点について
03:49

MNIST for expertsのコードを書いて実行してみましょう!

コードを書いて、トレーニングとテストを実行してみよう
48:57

畳み込み処理をアニメーション+図解で理解しよう!

畳み込み処理を理解しよう
11:13

プーリング処理を図解で直感的に理解しよう

プーリング処理を理解しよう
03:53

活性化関数を理解しよう
12:57

Adam Optimizerについての参考文献
00:01

課題: MNIST for Expertsを実行してみよう
00:01

サンプルコード(ノートブック)のダウンロードページ
00:02

このセクションで使用したレクチャースライドです。

MNIST for Expertsのレクチャースライド
00:00
+
3日目: 画像認識 にチャレンジ
5 Lectures 18:39

このチュートリアルで実行する内容を解説します。

画像認識プログラムの概要
03:35

TensorFlow 0.12まではtensorflowをインストールするとチュートリアルのコードが同梱されています。

TensorFlow 1.xをお使いの場合は、ビデオの手順でGitHubからclassify_image.pyのコードをダウンロードしましょう。

2017/4/6 にダウンロードしたバージョンを添付しますが、今後変更があるかもしれません。

TensorFlow 1.0.x環境用に画像認識プログラムをダウンロードする方法
03:50

パンダの認識がうまくいくかどうか試してみましょう。

画像認識プログラムの実行
07:32

自分で指定したファイルで画像分類を行ってみよう

画像ファイルを指定して認識を実行してみよう!
03:42

課題3: 画像認識を実行してみよう!
00:00
+
4日目:画像のスタイル変換(続編のプレビュー)
4 Lectures 19:15
スタイル変換(1/2)
11:41

スタイル変換(2/2)
07:32

練習課題:スタイル変換にチャレンジ
00:00

最後に
00:02
+
TensorFlow 1.0による学習の実行
5 Lectures 25:42
TensorFlow 1.0 CPUのインストール(2017/2/15リリース版)
08:25

TensorFlow 1.0 GPUのインストール(2017/2/15リリース版)
04:54

TensorFlow 1.0でMNIST ソフトマックス回帰を実行してみよう
05:25

API(関数)の仕様に変更があった部分の修正方法を解説しています。

TensorFlow 1.0 CPUでMINIST for Expertsを実行してみよう
04:36

TensorFlow 1.0 GPUでMINIST for Expertsを実行してみよう
02:22
+
オプション(Python 3、数学などの補足)
10 Lectures 37:09

Pythonがはじめてな方のための解説です。

スクリプト言語(インタプリタ言語)とコンパイル型言語の違いなどについて学びましょう。

Pythonとは?
03:27

Pythonと他の統計ツールとの違いについて学びましょう。

PythonとR・SPSSとの違い
03:14

Pythonの様々な実行スタイルについて学びましょう。

Pythonのさまざまな実行スタイル
10:59

課題1: Pythonの実行環境をインストールしよう
00:00

コマンドプロンプト、またはターミナルからpythonのインタラクティブシェルを起動して、かんたんな計算をしてみましょう。

練習課題: インタラクティブシェルを使ってみよう
02:44

実行例(インタラクティブシェル)
00:00

テキストエディターでPythonプログラムを書いて、pythonコマンドで実行してみよう

練習課題: テキストファイルを作成して実行してみよう
07:35

課題解答例: ファイルに保存して実行する
00:00

ユーザーの入力を受け付けてみよう

練習課題: 入力値を反映するプログラムを書こう
09:08

if文での分岐、引数の取得、インデントなどについて学びます。

Pythonでは、インデントをつける前の行の最後にコロン ":" を付けます。

課題解答例: ファイルから実行。入力パラメーターを反映。
00:00
+
ボーナスセクション (質問の補足など)
3 Lectures 03:13
機械学習やAIを学ぶ上で役立つ参考書籍
00:12

CellのタイプをMarkdownにするとコメントや数式を入力できます。

Jupyter Notebook上でコメントを挿入する方法
03:00

Jupyter Notebookの終了方法
00:01
+
旧コンテンツ
6 Lectures 35:12

pipコマンドで最新版のTensorFlowをインストールしていきます。

FileNotFoundError: \setuptools-27.2.0-py3.5.egg

が出る場合は、pip installを2回実行してください。

【旧】Windows)TensorFlow 1.0.1をインストール
06:51

2017/2/2 現在、Anacondaがバージョンアップして, 4.3.0 / Python 3.6になりました。

TensorFlowは、Python 3.5にしか対応していませんので、以下から4.2.0_x64(64ビット環境の方), x86(32ビット環境の方)をダウンロードして、インストールしてください。


https://repo.continuum.io/archive/index.html

【旧コンテンツ】Anaconda 4.2.0・Python 3のインストール(Windows)
07:23

【旧コンテンツ】TensorFlow用仮想環境の作成(Windows)
05:32

レクチャーと同じバージョンのダウンロードはこちらから(TensorFlow 1.0対応版は追加収録中です

◎CPU版
https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-0.12.1-cp35-cp35m-win_amd64.whl

◎GPU版
https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_gpu-0.12.1-cp35-cp35m-win_amd64.whl

【旧コンテンツ】pipでTensorFlow 0.12をインストール(Windows)
08:00

【旧コンテンツ】macOS上でのAnaconda 4.2.0インストール
02:44

Anaconda Navigatorを使用した環境追加と、matplotlibのインストール
04:42
About the Instructor
井上 博樹 (Hiroki Inoue)
4.3 Average rating
1,069 Reviews
7,860 Students
14 Courses
ITエンジニア、Udemy講師(プログラミング, STEAM)

Hiroki Inoue is a software engineer since 1992. Hiroki Inoue has been taught Web programming at Dokkyo University in Japan, and also on Udemy since November 2014 and now offering 14 courses for 12,200 students. Hiroki Inoue started a consultancy in 2007 to support institutions and corporations to leverage technology in education. Also Hiroki provides 14 courses on Udemy; Deep Learning/TensorFlow, Ethical Hacking with Kali Linux, Complete Web Developer 2.0 (Localized Rob Percival's best seller course), iOS 10 App Dev, Linux, Linux/Docker, Java, Ruby on Rails, WordPress, Android App Dev, PHP7/Laravel, Moodle He loves to play tennis in weekend.

東京大工学部卒業後、富士総合研究所[現・みずほ情報総研]解析技術第1部にてデータ解析・デジタル信号処理の研究開発)・大学講師を経て、ワシントンD.C.の教育系スタートアップ(Blackboard)に参加、オンライン教育プラットフォーム開発や多言語化、アジア展開などを担当。NASDAQ IPOを経験した後、起業。

世界最大のオンライン学習サイト・Udemyでのべ12,200名以上にプログラミング講座を14コース提供中。対面でもプログラミングワークショップ(Hour of Code, スマホアプリ開発、Raspberry Pi による電子工作)を地域の中高で定期的に開催している。

2016年11月にはUdemyのベストセラーコース "Complete Web Developer 2.0" をローカライズ、世界で30万人近くが学ぶ最先端のウェブテクノロジーと起業を教えるコースを日本語環境に最適化。2017年1月にはTensorFlow入門コースをリリース予定。

大学・企業、塾・予備校などへの教育研究支援、オンライン教育プラットフォーム(LMS/Moodle/Canvas/Blackboard)導入、反転授業・ブレンデッドラーニング・パーソナライズドラーニング(個別学習)の導入支援、映像授業制作、教育アプリ開発などを提供している。著書に「Moodle入門(2007年)」「Moodle2ガイドブック(2013年)」「反転授業マニュアル(2014年)」「動画xスマホで稼ぐ(2014)」「エンジニアのためのオンライン講座制作ガイド(2016年12月刊)」などがある。

また、2014年よりネパールにおける教育支援プロジェクト、"Lights For Everyone" プロジェクトを立ち上げ、ソーラーライトの提供や、SLC(高卒認定試験)対策を含むオンライン学習サイト構築などを企画・構築・運用している。