|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/tensorflow/
课程评论：没有评论
**Coursera 课程内容总结： 4天体验 TensorFlow、Keras 和 Python 3 深度学习入门** 本课程专为 Python 初学者以及希望体验深度学习功能的用户设计。通过 Google 的 AI 库 TensorFlow，学员将在 4 天内学习并实践深度学习的核心概念。 **课程内容梗概：** * **环境搭建：** 详细指导 Anaconda (Python 3) 和 TensorFlow 的安装，并完成第一个 "Hello World!" 程序。 * **手写数字识别：** * 使用多项逻辑回归（Softmax 回归）进行手写数字分类。 * 利用卷积神经网络（CNN）模型，包含卷积层、池化层和全连接层，进一步提升识别精度。 * **图像识别：** * 学习识别熊猫图像。 * 进行自定义图像（如狗）的识别。 * **风格迁移：** * 体验 AI 风格迁移技术，让 AI 学习画家风格（如葛饰北斋的“神奈川冲浪里”）并应用于照片。 * **可选内容：** * Python 3 基础语法回顾。 * Jupyter Notebook 操作指导。 **课程更新与重点：** * **最新进展 (2019/4/18)：** 内容已更新为基于 Google Colaboratory 的 TensorFlow 和 Keras 迁移，重点将放在三层神经网络和卷积神经网络的体验上，旧的 TensorFlow 原生开发内容已存档。 * **安装指导：** 课程包含 TensorFlow CPU/GPU 版本的安装指导，支持 Conda、macOS 和 Windows 环境，并根据 TensorFlow 版本更新（1.0 到 1.6）和 cuDNN 依赖进行了多次调整。 * **概念讲解：** 课程提供机器学习概要、梯度下降、Mini-batch 以及激活函数（如 ReLU）的图解和直观解释，即使没有深厚数学和编程背景也能理解。 **课程特色：** * **零基础入门：** 无需数学或编程基础，侧重于直观理解和实际体验。 * **实践导向：** 通过 Jupyter Notebook 逐步执行代码，深入理解深度学习原理。 * **实际应用：** 体验 AI 在图像识别和风格迁移等领域的应用。 * **职业发展：** 帮助学员理解 AI 概念，为应对日益增长的 AI 相关工作需求做好准备，无论是否为工程师。 **不推荐受众：** * 已熟悉 TensorFlow 教程或深度学习理论的进阶者。 * 希望深入钻研数学原理或仅通过书籍学习者。 * 对软件安装或代码输入感到抵触者。 * 不喜欢在 Windows/Mac 上进行 Python 编程者。 **未来规划：** 课程计划推出续集，涵盖使用 NumPy 自行构建神经网络、CIFAR-10 等数据集、自然语言处理（RNN, LSTM）、语音识别、TensorFlow 在 C++, Raspberry Pi, iOS, Android 上的应用，以及 Chainer 课程。 **重要提示：** 本课程面向视频学习、初次接触深度学习和 CNN 的学员。为避免不必要的期待，若您已具备相关基础或偏好书籍学习，请谨慎报名。在报名后 30 天内，若发现不合适，可申请退款。
【最新更新状況】2019/4/18 GoogleのチュートリアルのKeras移行に伴い、Google Colaboratoryによる体験3層ニューラルネットワーク畳み込みニューラルネットワークのセクションを追加し、旧コンテンツ（TensorFlowネイティブでの開発）はアーカイブしました。2018/10/19 TensorFlow 1.11 CPU/GPUのインストール手順（conda版）を追加しました。 また、古いバージョンのインストール方法の動画は削除しました。2018/3/9 Anaconda 3とTensorFlow 1.6のインストール手順を追加しました。2017/12/4 レクチャー23のスライドに誤植があったので更新しました。2017/11/16 TensorFlow 1.4.0（CPU版）のインストール手順を収録・追加しました。2017/10/26 Anaconda3 5.0.0 + TensorFlow 1.3のインストール手順をmacOS, Windows版をそれぞれ追加しました。2017/9/15 TensorFlow 1.3 GPU版のインストール手順を掲載しました。2017/8/24 TensorFlow 1.3 GPUでcuDNN 6.0が必須になりましたので、補足を追加しました。2017/8/13 Anaconda 4.4.0 / Python 3.6のインストール手順を追加しました。 Windows環境でもPython 3.6がサポートされました。（＊以前はPython 3.5のみ）2017/8/2 TensorFlow 1.2.1のインストール手順を追加しました。2017/4/29 スタイル変換（写真を画家のタッチで描く）のチュートリアルを追加しました。2017/4/27 TensorFlow 1.1がリリースされましたので、インストール手順を追加しました。なお、既存のチュートリアルは1.1での動作を確認しました。2017/4/3 機械学習の概要解説を追加しました。2017/2/27 TensorFlow 1.0のインストール方法、MNIST for Beginners・Expertsのコード実行のレクチャーを追加しました。2017/2/22 Windows版のインストール手順を更新しました（Anaconda 4.2.0のダウンロード・インストール手順）2017/2/21 勾配降下法・ミニバッチの解説を追加しました。2017/2/12 Jupyter Notebookでコメントを入力する方法。Jupyter Notebookの終了方法を追加しました。2017/2/9 MNIST for Experts のスライドを更新（活性化関数の解説を追加）しました。2017/2/8 活性化関数（ReLU）の図解レクチャーを追加しました。【ご注意】このコースは、Python経験者で英語でGoogle社のTensorFlowチュートリアルが自力で理解できる方には物足りないと思いますのでご注意ください。チュートリアルを実施するのはナンセンスだと考える上級者の方には決して受講をお勧めしません。間違えて受講された場合は返金も可能ですので、初心者以外の方は受講しないでください。Pythonをはじめて体験する方、TensorFlowでどんなことができるかを体験してみたい、という方を対象にしています。TensorFlowライブラリを使用したアプリケーション開発などは別コースを企画しています。【2019年、ディープラーニングが急速に普及します】2017年1月30日にピッツバーグで開催されていたトップレベルのチェスの試合で、カーネギーメロン大学のグループによる人工知能 "Libratus" が人間を打ち負かしました。2017年初めには、オンライン囲碁（野狐囲碁）でチャンピオンに連勝する人工知能（Master）が登場して話題になりました。Masterの正体は、2016年にイ・セドルプロを破った "アルファ碁（AlphaGo）" の改良版でした。アルファ碁は、イギリスのディープマインド社で開発されている人工知能です。ディープラーニングや強化学習と呼ばれる仕組みを使って、コンピューターが自己対戦を繰り返して成長するコンピュータープログラムです。AlphaGoのトレーニングにはGoogle社のTensorFlowという人工知能のライブラリが使われています。医療や農業、教育などさまざまな分野で、「人工知能・AI」による自動化、分類や推定が注目されています。ディープラーニングは、コンピューターにさまざまな情報を学習させて、分類や推定を行う機械学習の一種です。人間の脳を模したニューラルネットワークを何段にも（ディープに）重ねることで、精度の向上を実現しています。2017年のCES （コンシューマー・エレクトロニクス・ショー）では、ディープラーニングを実装したロボットを使ったサービスやアプリケーションが次々と発表されました。今後も続々と登場するでしょう。この講座は、AlphaGoにも採用されているGoogle社のTensorFlowライブラリを使って、短期間にディープラーニングによる人工知能の動作を体験し、ディープラーニングを活用したサービスやプロダクトの企画・開発のヒントを得られるようになることを目指して制作しました。TensorFlowは、GooglePhotoやGoogle翻訳、Google検索などで実際に使われている機械学習、深層学習のライブラリです。さまざまなOS上で動作をしますので、学習だけでなく、ウェブアプリケーション開発やモバイルアプリ開発も可能です。【コースの概要】このコースは、Udemyでのべ82,000名にプログラミングを指導してきたベテラン講師が担当します。Google社が公開しているオープンソースの人工知能ライブラリ・TensorFlow（テンソルフロー）を使って、以下のような順で学習を進めます。第0日： 環境構築Anaconda (Python 3) , TensorFlowのインストールTensorFlowでHello World!第1日： 手書き文字の分類 （多項ロジスティック回帰）多項ソフトマックス回帰の実行第2日： 手書き文字の分類 （畳み込みニューラルネットワーク）2段階の畳み込み・プーリング層、2層の全結合層を組み合わせたニューラルネットワークで精度を向上させる学習したモデルを使用して分類を実施してみる（収録中）第3日： 画像認識パンダの画像認識オリジナル画像（犬）の認識第4日： スタイル変換画家のタッチをAIに学習させ、写真のスタイル変換をするAIプログラムを体験します。サンプルは北斎の「波」を使用しますが、ムンクやゴッホなどのデータも使用可能です。オプション（必須ではありません）Python 3の概要 Python 3 のミニマムな文法参考文献リストプログラムをJupyter Notebook上でステップ・バイ・ステップで実行しながら、ディープラーニングの仕組みを体験していきます。＊レクチャーで使用したJupyter Notebookはコース内でダウンロードできます。お急ぎの方はコーディングせずにプログラムを実行できます。ご自身でコーディングするとより理解が深まるでしょう。【このコースを学ぶと】人工知能と言われても、言葉だけではどんなことができるのかピンときません。しかし、実際に人工知能のトレーニングや推定を体験してみると、いろいろなアイデアが生み出せるようになるでしょう。ぜひこの機会にTensorFlowを体験し、人工知能時代に活躍するスキルを手に入れましょう。現在、世界中でディープラーニングエンジニアの求人が急拡大しています。また、あらゆる業種で、人工知能を適用して課題解決が図れる人材が切望されています。エンジニアでなくても、ディープラーニングや機械学習の概念を理解することで、人工知能の得意なことを活かしたり、まだ人工知能ではできない限界を知って、リアリティのある意思決定ができるようになります。【このコースの特徴】数学やプログラミングの知識がなくても、ディープラーニングのプログラムを体験できます。数式を理解できなくても、概念的にどういう処理をしているのか、を直感的に理解できるようになります。畳み込みやプーリングなど難解な処理の仕組みを図解で理解できるようになります。Python 3 + TensorFlowを使って、パソコン上でディープラーニングを体験できます。ボーナストラックでは、Python 3の基礎を解説します。【受講をおすすめしない方】すでにTensorFlowのチュートリアルを体験済みで解説が不要な方すでにディープラーニングに詳しい方Linuxでないと学習をしたくない方動画で学習するのはナンセンスだ！書籍で学んだ方がいい！という方ソフトウェアのインストールや、コードの入力は全くしたくない方WindowsやMacでPythonプログラミングをやるのは気に入らないという方人工知能をマスターしたら、あなたはどんな問題解決をしますか？＊＊＊今後の予定＊＊＊続編として、ニューラルネットワークをNumPyで自作して数学的処理を理解する講座CIFAR-10など本格的なディープニューラルネットワークRNN（リカレントニューラルネットワーク）LSTMなどを使用した自然言語処理音声認識などのアプリケーションC++の基本と、TensorFlowの使用Raspberry Pi 3でTensorFlowを動かしてみようiOSやAndroidでTensorFlowを使用してみようChainerでディープラーニングを学ぼうなどの講座化を企画しています。もしリクエストがあれば、メッセージなどでお知らせください。＊＊＊ 受講上の注意 ＊＊＊このコースは動画で、はじめてディープラーニングやCNNなどを学ぶ方のためのコースです。環境構築から１つ１つ丁寧に解説していきますので、・動画より書籍で学びたい方・すでにCNNなどについて基礎から学習するのは馬鹿らしいという方は、間違って受講されないようご注意ください。また、間違えて登録した方は30日以内であれば返金可能なのでお試しください。
