「PyTorchで実装するディープラーニング」のゴールは、PyTorchを使ってディープラーニングが 実装できるようになることです。
PyTorchを使ってCNN(畳み込みニューラルネットワーク)、RNN(再帰型ニューラルネットワーク)などの技術を順を追って幅広く習得し、人工知能を搭載したWebアプリの構築までを行います。
各ディープラーニング技術の要点を解説した上で、PyTorchのコードを基礎から丁寧に解説します。
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。
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。
海外を中心にコミュニティ活動が活発で、ネット上の情報が豊富なのもメリットです。
本コースでは開発環境に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。
効率よくPyTorchを習得できるように、様々な工夫を凝らしています。
PyTorchを包括的に学び、皆さんの技術的な可能性を大きく広げましょう。
————————————————————
本コースの主な内容は以下の通りです。
イントロダクション
→ PyTorchの概要、ディープラーニングの概要、そしてPyTorchの基礎であるTensorについて解説します
PyTorchで実装する簡単なディープラーニング
→ 可能な限りシンプルなコードで、ディープラーニングを実装します
PyTorchの様々な機能
→ 自動微分、DataLoaderなどのPyTorch特有の機能について解説します
畳み込みニューラルネットワーク(CNN)
→ CNNの原理を学んだ上で、CNNによる画像分類をデータ拡張、ドロップアウトとともに実装します
再帰型ニューラルネットワーク(RNN)
→ RNNの原理を学んだ上で、シンプルなRNNの構築、およびRNNによる画像生成を行います
AIアプリのデプロイ
→ 学習済みモデルを活用した人工知能Webアプリを構築します
なお、ディープラーニングの数学的背景については最小限の解説となりますのでご注意ください。
Pythonの基礎についての解説動画はありませんが、テキストがダウンロード可能です。
————————————————————
本コースでは可能な限り丁寧な解説を心がけていますが、ある程度ご自身で調べることも必要になるのでご注意ください。
動画を見るのみでも学習が進められるようになっていますが、可能であればPythonのコードを動かしながら進めることをお勧めします。
コードがダウンロード可能ですので、これをベースに様々なカスタマイズを行うこともお勧めです。
それでは、PyTorchを使って一緒に楽しく本格的な人工知能を学んでいきましょう。