【講座レビュー】 TensorFlow x Python 3 で学ぶディープラーニング入門

記事には広告が含まれています

なかぴょん

Udemyにある「【4日で体験しよう！】 TensorFlow x Python 3 で学ぶディープラーニング入門」を受けてきたよ。

Pythonディープラーニングを体験してみたい方におすすめだよ。

へびにょん

なかぴょんです。
今回はUdemyの講座、【4日で体験しよう！】 TensorFlow x Python 3 で学ぶディープラーニング入門を受けてきました。

講義内で画像認識ができるAIプログラムを作成します。

Pythonを使ったディープラーニングを学びたいと考えている方や自分で一度人工知能を作ってみたいと考えている方におすすめの講座です。

また、講義の最後にPythonを学ぶ上で必要な環境構築の手法についての説明があります。

この講義で学習する以外の開発ツールに関しても説明していただけますので、Python初心者はぜひ、目を通してみてください。

それでは、詳しく解説していきます。

誰向きなのか

こんな人におすすめ

・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

何が学べるのか

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 3.6 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

学ぶ際の事前準備

Windows または macOSの動作するPCが必要です。（Linuxも可・64bit CPU/OS）

Python 3.6・Anaconda・Jupyter Notebook・TensorFlow 1.4などのプログラムをインストールするため、メモリ容量に空きを作っておく必要があります。

講座詳細

セクション1 0日目：イントロと環境構築

1. このコースの概要
2. 機械学習とは？
3. 環境構築の注意
4. 学習上の注意
5. Anaconda3(5.0.0)のインストール
6. 【cuDNNのバージョンについての注意】
7. TensorFlow 1.4.0 (CPU版）のインストール
8. 【Windows + GPU環境のみ】CUDAドライバーのインストール
9. TensorFlow 1.3.0 GPUのインストール（cuDNN 6.0）
10. Anaconda3(5.0.0)のインストール【macOS】
11. TensorFlow 1.3.0のインストール【macOS】
12. 環境構築のレビュー（システム構成の確認）
13. Hello Worldプログラムを書いてみよう（Windows, macOS）
14. Pythonの対話的実行環境の抜け方（Windows, macOS）
15. 課題：環境構築と最初のプログラム

セクション2 1日目：MNIST for ML Beginners（0.12/1.0両対応）

16. このセクションで学ぶこと
17. 行列式での表現と、グラフでの表現
18. コードを書いて実行してみよう
19. 勾配降下法とミニバッチ
20. まとめとニューラルネットワーク
21. 課題：　MNIST for ML Beginnersを実行してみよう
22. サンプルコード（ノートブック）のダウンロードページ
23. MNIST for ML Beginnersのレクチャースライド

セクション3 2日目：Deep MNIST for Experts （0.12対応、1.xは1行改変すれば動作）

24. このセクションで学ぶこと
25. TensorFlow 0.12から1.xの変更点について
26. 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
27. TensorFlow 1.0 CPUでMINIST for Expertsを実行してみよう
28. 畳み込み処理を理解しよう
29. プーリング処理を理解しよう
30. 活性化関数を理解しよう
31. Adam Optimizerについての参考文献
32. 課題：MNIST for Expertsを実行してみよう
33. サンプルコード（ノートブック）のダウンロードページ
34. MNIST for Expertsのレクチャースライド

セクション4 3日目：画像認識にチャレンジ

35. 画像認識プログラムの概要
36. 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
37. modelsフォルダのダウンロード
38. 画像認識プログラムの実行
39. 画像ファイルを指定して認識を実行してみよう！
40. 課題3：画像認識を実行してみよう！

セクション5 4日目：画像のスタイル変換（続編のプレビュー）

41. スタイル変換（1/2）
42. スタイル変換（2/2）
43. スタイル変換コード実行の注意
44. 練習課題：スタイル変換にチャレンジ
45. 最後に

セクション6 オプション（Python 3、数学などの補足）

46. Pythonとは？
47. PythonとR・SPSSとの違い
48. Pythonのさまざまな実行スタイル
49. 課題1：Pythonの実行環境をインストールしよう
50. 練習課題：インタラクティブシェルを使ってみよう
51. 実行例（インタラクティブシェル）
52. 練習課題：テキストファイルを作成して実行してみよう
53. 課題解答例：ファイルに保存して実行する
54. 練習課題：入力値を反映するプログラムを書こう
55. 課題解答例：ファイルから実行。入力パラメーターを反映

セクション7 ボーナスセクション（質問の補足など）

56. 続編のご案内（割引クーポン）
57. 機械学習やAIを学ぶ上で役立つ参考書籍
58. Jupyter Notebook上でコメントを挿入する方法
59. Jupyter Notebookの終了方法

セクション8 過去のアーカイブ（視聴は必須ではありません）

60. TensorFlow 1.3.0（CPU版）のインストール
61. 【Macオンリー】Anaconda 4.4.0のインストール
62. 【Macオンリー】TensorFlow 1.2.1のインストール
63. macOSでJupyter Notebookが起動できない問題の対応策
64. 【Windowsのみ】Anaconda 4.4.0のインストール
65. 【Windows + GPU環境のみ】cuDNN 5.0のインストール
66. 【Windowsのみ】仮想環境の追加とTensorFlow 1.2.1のインストール
67. 仮想環境の追加とTensorFlow 1.1.0のインストール（4/27）
68. 【Windowsのみ】Anaconda 4.3.0のインストール
69. 【旧】Windows)TensorFlow 1.0.1をインストール
70. 【Macオンリー】Anaconda4.3.0のインストール
71. 【Macオンリー】macOS上でのTensorFlow 1.0のインストール（Python 3.5）
72. TensorFlow 1.0 CPUのインストール（2017/2/15リリース版）
73. TensorFlow 1.0 GPUのインストール（2017/2/15リリース版）
74. TensorFlow 1.0でMNIST ソフトマックス回帰を実行してみよう
75. TensorFlow 1.0 GPUでMINIST for Expertsを実行してみよう
76. 【旧コンテンツ】Anaconda 4.2.0・Python 3のインストール(Windows）
77. 【旧コンテンツ】TensorFlow用仮想環境の作成（Windows）
78. 【旧コンテンツ】pipでTensorFlow 0.12をインストール（Windows）
79. 【旧コンテンツ】macOS上でのAnaconda 4.2.0インストール
80. Anaconda Navigatorを使用した環境追加と、matplotlibのインストール

まとめ

今回はUdemyの講座、【4日で体験しよう！】 TensorFlow x Python 3 で学ぶディープラーニング入門についてご紹介しました。

Pythonを使って実際に人工知能を作成することで、ディープラーニングに関しての理解が深まりました。

講義で作成した画像認識プログラムは自分でいじってみて認識できる情報を増やすなどの工夫をしてみたいと思います。

なかぴょんに受けてほしい学習サービスのリクエスト等ございましたら、
お問い合わせにてお伝えください。