|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/pytorch-lightning-cv-nlp/
课程评论：没有评论
本讲座“データサイエンスのための PyTorch Lightningによる 実践 深層学習”是专为希望提升到中高级水平或专业级别的深度学习学习者设计的。该课程是Udemy姊妹课程“Hands Onで学ぶ PyTorchによる深層学習入門”的延伸，旨在帮助学员掌握最新的深度学习技术，特别是在自然语言处理（NLP）和计算机视觉（CV）领域的应用。 课程内容涵盖了从深度学习的基础知识到当前前沿技术（如Transformer和大语言模型LLM）的全面学习。课程结构分为理论部分和实践部分。理论部分包括对深度学习训练过程、损失函数、评价指标、优化器以及过拟合防范措施的复习，并深入剖析重要网络架构（如MLP、CNN、RNN/LSTM和Transformer等）。学员不仅可以理解这些理论框架，还能通过学习相关论文提高自己的研究能力。 在实践部分，学员将使用PyTorch Lightning进行实际编程，环境设置简单，通过Google Colab即可完成所有实践任务。课程将涵盖PyTorch Lightning的关键组件，同时深入理解和运用多种架构特点，涉及的话题包括可解释AI、不平衡数据集、以及LLM的微调等。 本课程适合已完成“Hands Onで学ぶ PyTorchによる深層学習入門”或具备相应知识的中上级学习者。目标是通过理论与实践的结合，使学员步入专业AI工程师或数据科学家的角色，掌握深度学习领域的核心技能和最新技术。
【本講座の概要】本講座はUdemyの姉妹講座である"【Hands Onで学ぶ】PyTorchによる深層学習入門"を修了した方向けに、深層学習の中上級者やプロレベルを目指す為の講座です。近年の深層学習は2017年にTransformerが現れて以来、技術的な革新が著しく、特に自然言語処理(NLP)の分野ではLLM(Large Language Model)の急速な発展など大きな転換期を迎えています。一方で、深層学習分野の急速な発展により、細分化や高度な専門化が進んできており、自身の専門以外の最近の深層学習の技術にキャッチアップすることが非常に難しくなってきています。この講座では、この状況を打破すべく、深層学習の基礎から復習しつつ、Computer VisionとNatural Language Processingの両方の分野に詳しくなれる構成となっております。この講座を受講する事で、最近の深層学習技術を理論的、実践面から包括的に学べるだけなく、プロレベルの技術、スキルを身に付ける事が可能です。【人事の方/マネージャークラスの方へ】本コースは次のような使い方が可能です。・社内でレベルの高いAI人材を育成したい・効率よくプロレベルのデジタル人材を育成したい本コースは近年の深層学習のトピックを理論と実践の両面から手厚く取り扱っております。特にTransformerを中心としたLLMなどの最近のトピックを取り扱っております。また、取り扱っているコンテンツは実践的なものに絞っているため、コース全体の時間は短くまとまっております。この為、コースを開始したが、長すぎてコースを完了できないという事は少ないと考えられます。コースのレベルは中・上級者向けであり、グローバルスタンダードで比較しても遜色ないプロレベルになっています。フレームワークはPyTorch Lightiningを使用しており、AI開発に適したスキルを身に付けることができます。したがって、コースを修了する事で受講生は深層学習の強固な理論的基礎を築き、PyTorch Lightningによる実践的かつプロレベルのコーディングスキルも身に付ける事が可能です。もし、入門レベルの講座が必要な場合はまずは、"【Hands Onで学ぶ】PyTorchによる深層学習入門"の受講をお勧めします。【対象者とゴール】このコースは中上級者向けのコースであり、深層学習やPyTorchの知識が必要となってきます。この為、姉妹講座である深層学習の基礎を学ぶためのコース【Hands Onで学ぶ】PyTorchによる深層学習入門を修了した、もしくは同等の知識・経験を持っている方を対象者としています。本コースのゴールは、深層学習の入門レベルからプロレベルへのステップアップを行い、AIエンジニアやデータサイエンティストとして開発をリードできるレベルのスキルを身に付けることです。【コースの構成】コースは理論編と実践編から構成されています。理論編理論編では深層学習の基礎から復習を行います。具体的には、深層学習の訓練プロセス、損失関数、メトリックス、オプティマイザー、過学習対策など、Computer VisionでもNLPでも使われる共通部分を固めます。更に、MLP, CNN(Alex Net, VGG, GoogLeNet, ResNet, EfficientNet), RNN/LSTM, Transformer, LLMなど重要な深層学習のコンポーネントとそのアーキテクチャで使われている技術の解説を行っています。多くの論文の内容を紹介しており、理論編を修了するだけでも、深層学習について非常に多くの事を学ぶことができます。実践編実践編ではPyTorch Lightiningを使って、実践的なプログラミングを行っていきます。環境はGoogle Colabを使用し、環境構築の必要はありません。実践編ではPyTorch Lightningの基本的なコンポーネント(Lightning Data Module / Lightning Module / Trainer / Tensorboard)から取り扱い、理論編で扱ったMLP, CNN, Transformer(BERT/T5/GPT)など多くのアーキテクチャを取り扱います。またCVとNLPについて発展的な話題を含みます。例えば、Explainable AI、Imbalanced dataset, LLM(BERT, T5)のFine tuningやPEFT(Parameter Efficient Fine-Tuning), GPTによる簡単なアプリケーションの作成が含まれます。
