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。
от партнера
TensorFlow を使った畳み込みニューラルネットワーク
deeplearning.aiОб этом курсе
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень
「TensorFlow Specialization（TensorFlow専門講座）」の講座１、Python コーディング、高校レベルの数学の知識が必要です。機械学習/ディープラーニングの経験は必須ではありませんが、あれば有用です。
Прибл. 10 часов на выполнение
Японский
Субтитры: Японский, Английский, Русский
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень
「TensorFlow Specialization（TensorFlow専門講座）」の講座１、Python コーディング、高校レベルの数学の知識が必要です。機械学習/ディープラーニングの経験は必須ではありませんが、あれば有用です。
Прибл. 10 часов на выполнение
Японский
Субтитры: Японский, Английский, Русский
от партнера
deeplearning.ai
Founded by Andrew Ng, DeepLearning.AI is an education technology company that develops a global community of AI talent.
Программа курса: что вы изучите
3 ч. на завершение
より大きなデータセットを探求する
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。
3 ч. на завершение
8 видео ((всего 18 мин.)), 5 материалов для самостоятельного изучения, 2 тестов
8 видео
はじめに：アンドリューとの対話4мин
アンドリューとの対話1мин
「猫と犬」のデータセットを使用したトレーニング2мин
ノートブックに取り組む4мин
クロッピングで修正を行う49
畳み込みの効果を視覚化する1мин
精度と損失を調べる1мин
1 週目のまとめ33
5 материалов для самостоятельного изучения
始める前に：TensorFlow 2.0とこの講座について10мин
「猫と犬」のデータセット10мин
ノートブックを見る 10мин
次の動画について10мин
今週の学習内容 10мин
1 практическое упражнение
1 週目 テスト30мин
3 ч. на завершение
拡張：過学習を回避する技法
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。
3 ч. на завершение
7 видео ((всего 14 мин.)), 6 материалов для самостоятельного изучения, 2 тестов
7 видео
アンドリューとの対話2мин
拡張の紹介2мин
ImageDataGeneratorで拡張をコーディングする 3мин
「猫と犬」での過学習を実演する1мин
「猫と犬」に拡張を追加する1мин
「馬と人間」での拡張を探求する1мин
2 週目のまとめ37
6 материалов для самостоятельного изучения
画像拡張 10мин
コーディングの開始 10мин
ノートブックを見る10мин
「猫と犬」に対する拡張の影響 10мин
試してみよう 10мин
今週の学習内容10мин
1 практическое упражнение
2 週目 テスト30мин
3 ч. на завершение
転移学習
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。
3 ч. на завершение
7 видео ((всего 14 мин.)), 5 материалов для самостоятельного изучения, 2 тестов
7 видео
アンドリューとの対話3мин
転移学習を理解する: コンセプト2мин
Inceptionモードでの転移学習をコーディングする1мин
転移した特徴を使った自分のモデルをコーディングする2мин
Dropout を探求する1мин
Inceptionでの転移学習を探求する1мин
3 週目のまとめ36
5 материалов для самостоятельного изучения
コーディングを始めよう 10мин
DNNを追加する10мин
Dropoutを使用する 10мин
「猫と犬」に転移学習を適用する 10мин
今週の学習内容 10мин
1 практическое упражнение
3 週目 テスト30мин
3 ч. на завершение
多クラス分類
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。
3 ч. на завершение
6 видео ((всего 12 мин.)), 5 материалов для самостоятельного изучения, 2 тестов
6 видео
アンドリューとの対話3мин
２値分類から多クラス分類へ移行する44
「グー、チョキ、パー」のデータセットを使った多クラスを探求する2мин
「グー、チョキ、パー」で分類器を訓練する1мин
「グー、チョキ、パー」分類器をテストする2мин
アンドリューとの対話1мин
5 материалов для самостоятельного изучения
データセットの紹介 10мин
コードを見てみよう 10мин
分類器をテストしてみる 10мин
今週の学習内容 10мин
まとめ10мин
1 практическое упражнение
4 週目 テスト30мин
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Доступ к лекциям и заданиям предоставляется в зависимости от типа регистрации. Если вы проходите курс в режиме слушателя, то получите бесплатный доступ к большинству материалов курса. Чтобы открыть оцениваемые задания и возможность получить сертификат, необходимо будет приобрести прохождение с сертификатом. Это можно сделать во время прохождения в режиме слушателя или после него. Если вы не видите варианта 'Режим слушателя'.
- Курс может не предлагаться в режиме слушателя. Попробуйте бесплатную пробную версию или подайте заявку на финансовую помощь.
- Курс предлагаться в режиме 'Полный курс, без сертификата'. В нем можно просматривать все материалы, выполнять обязательные задания и получить итоговую оценку. Приобрести дополнительно прохождение с сертификатом в таком случае нельзя.
Что я получу, оплатив сертификацию?
Оплатив сертификацию, вы получите доступ ко всем материалам курса, включая оцениваемые задания. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.
Is financial aid available?
Да, Coursera предоставляет финансовую помощь учащимся, которые не могут оплатить обучение. Чтобы подать заявление, перейдите по ссылке 'Финансовая помощь' слева под кнопкой 'Зарегистрироваться' и заполните форму. Если его примут, вы получите уведомление. Подробнее
Остались вопросы? Посетите Центр поддержки учащихся.
