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。
Offert par
TensorFlow を使った畳み込みニューラルネットワーク
deeplearning.aiÀ propos de ce cours
2,422 consultations récentes
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
「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。
Approx. 10 heures pour terminer
Japonais
Sous-titres : Japonais, Anglais, Russe
Ce que vous allez apprendre
現実世界の画像データを扱う
損失と精度をプロットする
拡張とDropout を含めた過学習を防ぐための戦略を探る
転移学習および、学習済みの特徴をモデルから抽出する方法を学ぶ
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
「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。
Approx. 10 heures pour terminer
Japonais
Sous-titres : Japonais, Anglais, Russe
Offert par
deeplearning.ai
deeplearning.ai is Andrew Ng's new venture which amongst others, strives for providing comprehensive AI education beyond borders.
Programme du cours : ce que vous apprendrez dans ce cours
3 heures pour terminer
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 heures pour terminer
8 vidéos (Total 18 min), 5 lectures, 2 quiz
8 vidéos
はじめに：アンドリューとの対話4 min
アンドリューとの対話1 min
「猫と犬」のデータセットを使用したトレーニング2 min
ノートブックに取り組む4 min
クロッピングで修正を行う49s
畳み込みの効果を視覚化する1 min
精度と損失を調べる1 min
1 週目のまとめ33s
5 lectures
始める前に：TensorFlow 2.0とこの講座について10 min
「猫と犬」のデータセット10 min
ノートブックを見る 10 min
次の動画について10 min
今週の学習内容 10 min
1 exercice pour s'entraîner
1 週目 テスト30 min
3 heures pour terminer
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 heures pour terminer
7 vidéos (Total 14 min), 6 lectures, 2 quiz
7 vidéos
アンドリューとの対話2 min
拡張の紹介2 min
ImageDataGeneratorで拡張をコーディングする 3 min
「猫と犬」での過学習を実演する1 min
「猫と犬」に拡張を追加する1 min
「馬と人間」での拡張を探求する1 min
2 週目のまとめ37s
6 lectures
画像拡張 10 min
コーディングの開始 10 min
ノートブックを見る10 min
「猫と犬」に対する拡張の影響 10 min
試してみよう 10 min
今週の学習内容10 min
1 exercice pour s'entraîner
2 週目 テスト30 min
3 heures pour terminer
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 heures pour terminer
7 vidéos (Total 14 min), 5 lectures, 2 quiz
7 vidéos
アンドリューとの対話3 min
転移学習を理解する: コンセプト2 min
Inceptionモードでの転移学習をコーディングする1 min
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2 min
Dropout を探求する1 min
Inceptionでの転移学習を探求する1 min
3 週目のまとめ36s
5 lectures
コーディングを始めよう 10 min
DNNを追加する10 min
Dropoutを使用する 10 min
「猫と犬」に転移学習を適用する 10 min
今週の学習内容 10 min
1 exercice pour s'entraîner
3 週目 テスト30 min
3 heures pour terminer
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 heures pour terminer
6 vidéos (Total 12 min), 5 lectures, 2 quiz
6 vidéos
アンドリューとの対話3 min
２値分類から多クラス分類へ移行する44s
「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2 min
「グー、チョキ、パー」で分類器を訓練する1 min
「グー、チョキ、パー」分類器をテストする2 min
アンドリューとの対話1 min
5 lectures
データセットの紹介 10 min
コードを見てみよう 10 min
分類器をテストしてみる 10 min
今週の学習内容 10 min
まとめ10 min
1 exercice pour s'entraîner
4 週目 テスト30 min
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.
À quoi ai-je droit si j'achète le Certificat ?
Lorsque vous achetez un Certificat, vous bénéficiez d'un accès à tout le contenu du cours, y compris les devoirs notés. Lorsque vous avez terminé et réussi le cours, votre Certificat électronique est ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
What is the refund policy?
Vous avez droit à un remboursement intégral jusqu'à deux semaines après la date de paiement ou (pour les cours qui viennent d'être lancés) jusqu'à deux semaines après le début de la première session du cours, selon la dernière de ces éventualités. Vous ne pouvez pas bénéficier d'un remboursement une fois votre Certificat de Cours obtenu, même si vous terminez le cours pendant la période de remboursement de deux semaines. Consultez notre Politique de remboursement complète.
Is financial aid available?
Oui, Coursera fournit une Aide Financière aux étudiants n'ayant pas les moyens d'acquitter les frais. Pour en faire la demande, cliquez sur le lien Aide Financière situé sous le bouton S'inscrire ci-contre à gauche. Vous serez invité(e) à déposer une demande et vous serez averti(e) si elle est acceptée. En savoir plus.
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.