ディープラーニング実践 -実データに対してスマートなAIを作り上げよう-
GoogleColabを作って犬と猫の画像を判別するための畳み込みニューラルネットワークを作っていきます。過学習、データ拡張、転移学習などの一般的に使われる用語についても丁寧に説明していきます。
3.81 (16 reviews)

398
students
1.5 hours
content
Oct 2021
last update
FREE
regular price
Why take this course?
🚀 コースタイト: ディープラーニング実践 - 実データに対してスマートなAIを作り上げよう
🧪 コースヘッドライン: 「GoogleColabで犬と猫の画像を判別するAIを構築・理解する!」 過学習、データ拡張、転移学習など、AIにおける重要な用語を深く掘り下げます。
📚 はじめに: このコースでは、GoogleColabとGoogle Driveの基本操作から始め、Kaggleの豊富なデータセットを活用して、畳み込みニューラルネットワーク(CNN)を自分のもので作り上げる方法までが具体的にご案内いたします。さらに、過学習やデータ拡張などの重要な概念を理解することで、よりスマートなAIモデルを構築することができるようになります。
コースの内容:
-
GoogleColabとGoogle Driveの基本操作
- GoogleColabのセットアップと使い方を学び、必要なライブラリやデータを管理する方法を習得します。
-
Kaggleのデータセットの整理
- Kaggleで利用可能な高品質の画像データセットを選び、必要に応じてデータの前処理やラベル付けを行う方法を勉強します。
-
畳み込みニューラルネットワーク(CNN)の構築方法
- CNNの基本原理と、実際のコードを用いてモデルを作成・トレーニングする手順を学びます。
-
過学習の意味と対策
- 過学習がなぜ起こり、どのように防ぐかを理解し、実際のプロジェクトでそれを適用する方法を学びます。
-
データ拡張の実装方法
- モデルの訓練データが不足している場合に、新しいデータポイントを生成する方法、Data Augmentationのテクニックを学びます。
-
ドロップアウト層の役割
- 過学習を防ぐためのドロップアウト層とは何か、その設定方法と効果を検討します。
-
Image Data Generatorの使い方
- データ拡張にImage Data Generatorを使用する方法を学び、実際のプロジェクトで其の効能を体験します。
-
Kerasで使える学習済みモデルの一覧
- Kerasで利用可能な事前トレーニングされたモデルを知ることから、どのモデルを選択すべきかを決定する方法を学びます。
-
予測、特徴量抽出、転移学習、ファインチューニングについて
- 画像の予測と特徴量の抽出方法を実践し、転移学習とファインチューニングの適用例を具体的に理解します。
🌟 このコースを受諫することで、
- GoogleColab上でAIプロジェクトを自分の手で構築・実行する技術を身につけます。
- AIモデルの訓練とチューニングにおける重要な概念とテクニックを把握し、実際の問題解決に応用できるようになります。
- 犬と猫の画像を判別するAIモデルを作成し、そのプロセスを通じて深堀り型の学習を体験いたします。
👩💻 ノウハウを最新のものに保ち、AI開発者としてのスキルを一歩進めてください!
Course Gallery




Loading charts...
Related Topics
4366882
udemy ID
26/10/2021
course created date
29/10/2021
course indexed date
Bot
course submited by