|
所在平台: Coursera |
课程主页: https://www.coursera.org/learn/convolutional-neural-networks-tensorflow-ja
课程评论：没有评论
课程名称：使用TensorFlow的卷积神经网络 概述：如果您是软件开发者，并希望创建可扩展的AI算法，了解构建工具的使用至关重要。本课程是未来学习的“TensorFlow实践专业课程”的一部分，重点讲解流行开源框架TensorFlow的最佳实践。由deeplearning.ai提供的“TensorFlow实践专业课程”中的课程2，将学习如何提升在课程1中构建的计算机视觉模型。课程将探讨如何处理现实世界中各种形状和大小的图像，并通过可视化卷积过程来理解计算机如何“查看”信息，以及如何绘制损失和精度，探索防止过拟合的策略，如扩展和Dropout。最后，课程将介绍迁移学习，教授如何从模型中提取学习到的特征。 大纲： 1. 第一部分：探索更大的数据集 本部分介绍了TensorFlow及其高级API，用于基本图像分类，并简要讲解了卷积神经网络（ConvNet）。学习如何使用ConvNet更深入地处理现实世界数据，特别是提升图像分类性能的技术。 2. 第二部分：扩展—避免过拟合的技术 过拟合是指模型在训练数据中表现良好但在未见数据上表现不佳的问题。本部分将学习如何通过图像扩展来增加训练样本的多样性，从而有效地提升模型的泛化能力。 3. 第三部分：迁移学习 构建自己的模型虽好，但往往受限于手头的数据和计算能力。迁移学习可帮助解决此问题，可以直接利用在大数据集上训练的模型，或利用其学习到的特征来应用于自身场景。 4. 第四部分：多类分类 在深入ConvNet之前，需要先了解如何从二分类（如马与人、猫与狗）转向多类分类。本部分将关注在这一转换中的编码注意事项。 本课程旨在通过实践引导学习者掌握TensorFlow的应用，并为面对真实世界的问题做好准备。
Part: 1
Title:より大きなデータセットを探求する
Description: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。
Part: 2
Title:拡張：過学習を回避する技法
Description: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。
Part: 3
Title:転移学習
Description: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。
Part: 4
Title:多クラス分類
Description: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。
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。 deeplearning.ai が提供する「TensorFlow in Practice 専門講座」の講座２では、講座１で構築したコンピュータビジョンモデルを改善するための高度な技法を学習します。現実世界の様々な形状とサイズがある画像の扱い方を探求し、畳み込みを通過する画像がたどる行程を視覚化して、コンピューターがどのようにして情報を「見る」かを理解し、損失と精度をプロットし、拡張とDropoutなど、過学習を防ぐための戦略を探求します。最後に、講座２では転移学習を紹介し、学習した特徴をモデルから抽出する方法を学びます。 アンドリュー・エンの「 The Machine Learning（機械学習）」と「Deep Learning Specialization（ディープラーニング専門講座）」では、機械学習とディープラーニングの最も重要かつ基本的な原理を学習します。deeplearning.aiが提供する新しい「TensorFlow in Practice 専門講座」では、TensorFlowを使用してそれらの原理を実装し、拡張性のあるモデルを構築して現実世界の問題に適用する方法を学びます。ニューラルネットワークの仕組みについての理解を深めるには、「ディープラーニング専門講座」を受講することをお勧めします。
