ソフトウェア開発者であれば、拡張性のあるAI搭載アルゴリズムを構築したい場合、構築ツールの使い方を理解する必要があります。この講座は今後学んでいく「TensorFlow in Practice 専門講座」の一部であり、機械学習用の人気のオープンソースフレームワークであるTensorFlowのベストプラクティスを学習します。
ofrecido por
TensorFlow を使った畳み込みニューラルネットワーク
deeplearning.aiAcerca de este Curso
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Nivel intermedio
「TensorFlow Specialization（TensorFlow専門講座）」の講座１、Python コーディング、高校レベルの数学の知識が必要です。機械学習/ディープラーニングの経験は必須ではありませんが、あれば有用です。
Aprox. 10 horas para completar
Japonés
Subtítulos: Japonés, Inglés (English), Ruso (Russian)
Qué aprenderás
現実世界の画像データを扱う
損失と精度をプロットする
拡張とDropout を含めた過学習を防ぐための戦略を探る
転移学習および、学習済みの特徴をモデルから抽出する方法を学ぶ
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Nivel intermedio
「TensorFlow Specialization（TensorFlow専門講座）」の講座１、Python コーディング、高校レベルの数学の知識が必要です。機械学習/ディープラーニングの経験は必須ではありませんが、あれば有用です。
Aprox. 10 horas para completar
Japonés
Subtítulos: Japonés, Inglés (English), Ruso (Russian)
ofrecido por
deeplearning.ai
Founded by Andrew Ng, DeepLearning.AI is an education technology company that develops a global community of AI talent.
Programa - Qué aprenderás en este curso
3 horas para completar
より大きなデータセットを探求する
本専門講座の 1 つ目の講座では、TensorFlowを紹介し、そのハイレベルAPIで基本的な画像分類を行い、畳み込みニューラルネットワーク（ConvNet）についても少し学びました。本講座では、ConvNetによる現実世界のデータの使用をより詳しく学び、特に画像分類を行う際にConvNetの性能を高める技法について学びます。1週目では、まず、今まで使用してきたものよりはるかに大きなデータセット、すなわち、画像分類のKaggle チャレンジだった「猫と犬」のデータセットより大きなデータセットを見ていきます。
3 horas para completar
8 videos (Total 18 minutos), 5 lecturas, 2 cuestionarios
8 videos
アンドリューとの対話1m
「猫と犬」のデータセットを使用したトレーニング2m
ノートブックに取り組む4m
クロッピングで修正を行う49s
畳み込みの効果を視覚化する1m
精度と損失を調べる1m
1 週目のまとめ33s
5 lecturas
始める前に：TensorFlow 2.0とこの講座について10m
「猫と犬」のデータセット10m
ノートブックを見る 10m
次の動画について10m
今週の学習内容 10m
1 ejercicio de práctica
1 週目 テスト30m
3 horas para completar
拡張：過学習を回避する技法
これまでに過学習という用語を何度も耳にしていると思います。過学習とは、簡単に言うと、訓練における特殊化の行き過ぎを表す概念です。つまり、モデルは訓練したものの分類においては非常に優秀でも、見たことがないものの分類はあまり上手にできないということです。モデルをより効果的に汎用化するためには、当然、より幅広い訓練サンプルが必要になります。しかし、いつも入手できるわけではありません。そこで近道となり得るのが画像拡張です。訓練セットに手を加えて、被写体の多様性を高めることができます。今週は、それを詳しく学びます。
3 horas para completar
7 videos (Total 14 minutos), 6 lecturas, 2 cuestionarios
7 videos
拡張の紹介2m
ImageDataGeneratorで拡張をコーディングする 3m
「猫と犬」での過学習を実演する1m
「猫と犬」に拡張を追加する1m
「馬と人間」での拡張を探求する1m
2 週目のまとめ37s
6 lecturas
画像拡張 10m
コーディングの開始 10m
ノートブックを見る10m
「猫と犬」に対する拡張の影響 10m
試してみよう 10m
今週の学習内容10m
1 ejercicio de práctica
2 週目 テスト30m
3 horas para completar
転移学習
自分でモデルを構築するのは素晴らしいことであり、大きな強みです。しかし、これまで見てきたように、手持ちのデータに制限されることがあります。誰でも大量のデータセットやそれらを効果的に訓練するために必要な計算能力を入手できるわけではありません。転移学習は、この解決に役立ちます。大きなデータセットで訓練したモデルがある場合、それを直接利用するか、または学習した特徴を利用して、自分のシナリオに適用することができます。これを転移学習といい、今週はこれについて学びます。
3 horas para completar
7 videos (Total 14 minutos), 5 lecturas, 2 cuestionarios
7 videos
転移学習を理解する: コンセプト2m
Inceptionモードでの転移学習をコーディングする1m
転移した特徴を使った自分のモデルをコーディングする2m
Dropout を探求する1m
Inceptionでの転移学習を探求する1m
3 週目のまとめ36s
5 lecturas
コーディングを始めよう 10m
DNNを追加する10m
Dropoutを使用する 10m
「猫と犬」に転移学習を適用する 10m
今週の学習内容 10m
1 ejercicio de práctica
3 週目 テスト30m
3 horas para completar
多クラス分類
お疲れ様でした。ConvNetから次のモジュールへ進む前に必要なことがもう一つあります。それは２値分類の先へ進むことです。今まで見てきた例は、「これか、あれか」つまり、馬と人間、猫と犬、という分類でした。２値分類からカテゴリー分類へ進む際には、考慮する必要があるコーディング上の事項がいくつかあります。今週は、それらを見ていきます。
3 horas para completar
6 videos (Total 12 minutos), 5 lecturas, 2 cuestionarios
6 videos
２値分類から多クラス分類へ移行する44s
「グー、チョキ、パー」のデータセットを使った多クラスを探求する2m
「グー、チョキ、パー」で分類器を訓練する1m
「グー、チョキ、パー」分類器をテストする2m
アンドリューとの対話1m
5 lecturas
データセットの紹介 10m
コードを見てみよう 10m
分類器をテストしてみる 10m
今週の学習内容 10m
まとめ10m
1 ejercicio de práctica
4 週目 テスト30m
Preguntas Frecuentes
¿Cuándo podré acceder a las lecciones y tareas?
¿Qué recibiré si compro el Certificado?
Is financial aid available?
¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.
