We may earn an affiliate commission when you visit our partners.
Course image
井上 博樹 (Hiroki Inoue)

【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。

Read more

【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。

Enroll now

What's inside

Syllabus

Python実行環境とTensorFlowをインストールします。
このコースの概要
TensorFlow関連コースの学習順序について
ニューラルネットワークの基礎用語
Read more
ニューラルネットワークの基礎知識(2)
Google ColabでMNISTを動かしてみよう
MNISTにチャレンジ(2)
環境構築
環境構築の注意
GPU搭載グラフィックスカードについて
GPU搭載のおすすめPC
学習上の注意
Anaconda 3のダウンロード・インストール
TensorFlow 最新版のインストール
TensorFlowの学習に必要な文法を学ぼう!
データ型
演算子
配列型データ
文字列の扱い
2日目:MNISTにチャレンジ(ローカル環境)
セクションの概要(MNISTをローカルで解く)
3層のニューラルネットワークで解いてみよう
データを確認してみよう
トレーニングをしてみよう
推定をしてみよう
学習の流れ
練習課題(Fashion MNIST)
課題解答サンプル(1)
課題解答サンプル(2)
畳み込みニューラルネットワークで解いてみよう!
イントロ
モデルの定義
トレーニングを実行してみよう
ImageNetのモデルを使用した画像分類を実行できるようになります。

このチュートリアルで実行する内容を解説します。

ダウンロードURLの変更

TensorFlow 0.12まではtensorflowをインストールするとチュートリアルのコードが同梱されています。

TensorFlow 1.xをお使いの場合は、ビデオの手順でGitHubからclassify_image.pyのコードをダウンロードしましょう。

念のため、2017/4/6 にダウンロードしたバージョンを添付しますが、今後変更があるかもしれません。

modelsフォルダのダウンロード

パンダの認識がうまくいくかどうか試してみましょう。

【TensorFlow 1.0以降の注意】

バージョン0,12まで同梱されたいたデータが含まれなくなりました。

modelsフォルダが見当たらない方は、

https://github.com/tensorflow/models

をブラウザで開いて、 【clone or download】をクリックし、Download ZIP をクリックしてみてください。

するとmodelsフォルダ以下をまとめてダウンロードできます。


自分で指定したファイルで画像分類を行ってみよう

課題3: 画像認識を実行してみよう!
TensorFlowで写真のスタイル変換を実行できます。
スタイル変換コード実行の注意
スタイル変換(1/2)
スタイル変換(2/2)
練習課題:スタイル変換にチャレンジ
最後に
Python 3や、高校数学を学びなおしたい方のためのレクチャーを掲載していきます

Pythonがはじめてな方のための解説です。

スクリプト言語(インタプリタ言語)とコンパイル型言語の違いなどについて学びましょう。

Pythonと他の統計ツールとの違いについて学びましょう。

Pythonの様々な実行スタイルについて学びましょう。

課題1: Pythonの実行環境をインストールしよう

コマンドプロンプト、またはターミナルからpythonのインタラクティブシェルを起動して、かんたんな計算をしてみましょう。

実行例(インタラクティブシェル)

テキストエディターでPythonプログラムを書いて、pythonコマンドで実行してみよう

課題解答例: ファイルに保存して実行する

ユーザーの入力を受け付けてみよう

if文での分岐、引数の取得、インデントなどについて学びます。

Pythonでは、インデントをつける前の行の最後にコロン ":" を付けます。

ボーナスセクション (質問の補足など)
続編のご案内(割引クーポン)
AI・ディープラーニングのおすすめコース
機械学習やAIを学ぶ上で役立つ参考書籍

CellのタイプをMarkdownにするとコメントや数式を入力できます。

Jupyter Notebookの終了方法
以前公開されていたチュートリアルです。必須ではありません。

このセクションで学ぶMNIST for Beginnersの概要を説明します。

MNIST for Beginnersの処理の流れを解説します。

MNIST for Beginnersのコードを書いて、多項ロジスティック回帰を実行してみましょう。

GradientDescent最適化とミニバッチについてイメージを理解しましょう。

全体の処理の流れをレビューしておきましょう。

課題: MNIST for ML Beginnersを実行してみよう
サンプルコード(ノートブック)のダウンロードページ

このセクションで使用したスライドです。

Good to know

Know what's good
, what to watch for
, and possible dealbreakers
Designed for Python users who already understand Google's TensorFlow tutorials and want to expand their knowledge
Assumes learners will install the latest versions of TensorFlow on their own without guidance
Teaches the fundamentals of deep learning with hands-on coding exercises
Taught by Hiroki Inoue, a recognized expert in deep learning
Provides thorough coverage of topics such as MNIST, CNN, and style transfer
Suitable for beginners who have experience with Python and want to explore deep learning

Save this course

Save 【4日で体験!】 TensorFlow, Keras, Python 3 で学ぶディープラーニング体験講座 to your list so you can find it easily later:
Save

Reviews summary

Tensorflow、python 3 入門講座

学習者によると、この入門講座では、わずか4日間ディープラーニングの基礎を短期間で学習できました。特に、Q&A 形式の課題が役立つようで、課題の結果へのフィードバックが好評でした。
ディープラーニングの入門講座として最適
"チーム内のメンバーにも入門講座として推奨したいと思います。"
Q&A 形式の課題で、結果にフィードバックあり
"Q&Aを用いた課題演習で、結果へのコメントがもらえるのも嬉しかったです。"

Activities

Be better prepared before your course. Deepen your understanding during and after it. Supplement your coursework and achieve mastery of the topics covered in 【4日で体験!】 TensorFlow, Keras, Python 3 で学ぶディープラーニング体験講座 with these activities:
Compile a list of CNN resources
Compiling resources to help understand CNNs will help you get up-to-speed for the course.
Browse courses on Neural Networks
Show steps
  • Create a document or spreadsheet to compile your resources.
  • Add links and descriptions of CNN tutorials, articles, and examples that you find online.
  • Review this document regularly to reinforce your learning.
Practice MNIST Classification
Practicing MNIST Digit Recognition will allow you to strengthen your skills in using CNNs for image recognition before starting the course
Browse courses on MNIST
Show steps
  • Start practicing MNIST image recognition problems now.
  • Continue practicing throughout the duration of the course.
Review Deep Learning with Python by Francois Chollet
Understanding the fundamental concepts of Deep Learning will help you get the most out of this course, especially when learning about CNNs.
Show steps
  • Start reading the book before the course begins.
  • Continue reading the book throughout the duration of the course.
  • Refer back to the book after completing the course to reinforce your knowledge.
Five other activities
Expand to see all activities and additional details
Show all eight activities
Build your CNN with TensorFlow Tutorial
This tutorial will help solidify your understanding of how to use TensorFlow for image recognition, which will help prepare you for the image recognition section of the course.
Show steps
  • Review the tutorial before starting the course.
  • As you learn about CNNs in the course, come back to the tutorial and fill in the details.
  • After you complete the course, return to the tutorial to work through the remaining steps.
Go through TensorFlow tutorials
Going through these tutorials will familiarize you with TensorFlow which will be helpful during the course.
Browse courses on TensorFlow
Show steps
  • Start going through the TensorFlow tutorials before the course begins.
  • Continue going through the tutorials throughout the duration of the course.
  • Refer back to them after completing the course to reinforce your knowledge.
Attend a Deep Learning workshop
Attending a workshop will give you practical experience with Deep Learning, which will supplement the theoretical knowledge you gain in the course.
Browse courses on Deep Learning
Show steps
  • Do some research to find a Deep Learning workshop in your area.
  • Register for the workshop and attend all of the sessions.
  • Take notes and ask questions to maximize your learning experience.
Join a study group for the course
Joining a study group will allow you to engage with other students in the course, which can be helpful for reinforcing learning.
Show steps
  • Reach out to other students in the course and form a study group.
  • Meet regularly to discuss the course material and work on assignments together.
  • Use the study group as a support system and to stay motivated.
Complete a CNN project
Working on a project will give you hands-on experience with CNNs, which can help solidify your understanding.
Browse courses on Neural Networks
Show steps
  • Start working on a CNN project before the course begins.
  • As you cover topics in the course, revisit your project to implement what you've learned.
  • Continue working on the project after completing the course to expand your knowledge.

Career center

Learners who complete 【4日で体験!】 TensorFlow, Keras, Python 3 で学ぶディープラーニング体験講座 will develop knowledge and skills that may be useful to these careers:
Deep Learning Engineer
Deep Learning Engineers design, develop, and deploy deep learning models for various applications such as computer vision, speech recognition, and natural language processing. The TensorFlow, Keras, Python 3 Deep Learning course provides a solid foundation in the principles and practices of deep learning, and can help engineers to master the skills required for success in this role.
Artificial Intelligence Engineer
Artificial Intelligence Engineers design, develop, and deploy AI systems. The TensorFlow, Keras, Python 3 Deep Learning course provides a comprehensive introduction to the field of AI, and can help engineers to build the skills necessary to be successful in this role.
Computer Vision Engineer
Computer Vision Engineers develop and deploy computer vision systems for applications such as object detection, facial recognition, and medical imaging. The TensorFlow, Keras, Python 3 Deep Learning course provides a comprehensive introduction to the field of computer vision, and can help engineers to build the skills necessary for success in this role.
Machine Learning Engineer
Machine Learning Engineers design, develop, and deploy machine learning models. The TensorFlow, Keras, Python 3 Deep Learning course provides a strong foundation in the fundamentals of machine learning, and can help engineers to build the skills necessary for success in this role.
Natural Language Processing Engineer
Natural Language Processing Engineers develop and deploy natural language processing systems for applications such as machine translation, text summarization, and chatbots. The TensorFlow, Keras, Python 3 Deep Learning course provides a solid foundation in the principles and practices of natural language processing, and can help engineers to master the skills required for success in this role.
Data Scientist
Data Scientists are responsible for collecting, analyzing, and interpreting data. The TensorFlow, Keras, Python 3 Deep Learning course can help build a foundation for success in this role by providing hands-on experience with the tools and techniques used by Data Scientists.
Speech Recognition Engineer
Speech Recognition Engineers develop and deploy speech recognition systems for applications such as voice assistants, customer service chatbots, and medical transcription. The TensorFlow, Keras, Python 3 Deep Learning course provides a comprehensive introduction to the field of speech recognition, and can help engineers to build the skills necessary for success in this role.
Robotics Engineer
Robotics Engineers design, develop, and deploy robots for various applications such as manufacturing, healthcare, and space exploration. The TensorFlow, Keras, Python 3 Deep Learning course provides a solid foundation in the principles and practices of robotics, and can help engineers to master the skills required for success in this role.
Business Intelligence Analyst
Business Intelligence Analysts use data to help businesses make better decisions. The TensorFlow, Keras, Python 3 Deep Learning course can help build a foundation for success in this role by providing hands-on experience with the tools and techniques used by Business Intelligence Analysts.
Quantitative Analyst
Quantitative Analysts use mathematical and statistical models to analyze financial data. The TensorFlow, Keras, Python 3 Deep Learning course can help build a foundation for success in this role by providing hands-on experience with the tools and techniques used by Quantitative Analysts.
Data Analyst
Data Analysts collect, analyze, and interpret data to help businesses make informed decisions. The TensorFlow, Keras, Python 3 Deep Learning course can help build a foundation for success in this role by providing hands-on experience with the tools and techniques used by Data Analysts.
Web Developer
Web Developers design, develop, and maintain websites. The TensorFlow, Keras, Python 3 Deep Learning course can help build a foundation for success in this role by providing hands-on experience with the tools and techniques used by Web Developers.
Mobile Developer
Mobile Developers design, develop, and maintain mobile applications. The TensorFlow, Keras, Python 3 Deep Learning course can help build a foundation for success in this role by providing hands-on experience with the tools and techniques used by Mobile Developers.
Software Engineer
Software Engineers design, develop, and maintain software systems. The TensorFlow, Keras, Python 3 Deep Learning course can help build a foundation for success in this role by providing hands-on experience with the tools and techniques used by Software Engineers.
Game Developer
Game Developers design, develop, and maintain video games. The TensorFlow, Keras, Python 3 Deep Learning course can help build a foundation for success in this role by providing hands-on experience with the tools and techniques used by Game Developers.

Reading list

We've selected 14 books that we think will supplement your learning. Use these to develop background knowledge, enrich your coursework, and gain a deeper understanding of the topics covered in 【4日で体験!】 TensorFlow, Keras, Python 3 で学ぶディープラーニング体験講座.
Provides a comprehensive overview of TensorFlow, the leading open-source deep learning library. It covers the basics of TensorFlow, including data preprocessing, model building, training, and evaluation. It also provides a detailed discussion of advanced topics such as convolutional neural networks, recurrent neural networks, and natural language processing.
Provides a comprehensive overview of pattern recognition and machine learning. It covers the basics of pattern recognition, as well as the latest research in the field.
Provides a comprehensive overview of reinforcement learning. It covers the basics of reinforcement learning, as well as the latest research in the field.
Provides a comprehensive overview of probabilistic graphical models. It covers the basics of probabilistic graphical models, as well as the latest research in the field.
Provides a comprehensive overview of Bayesian reasoning and machine learning. It covers the basics of Bayesian reasoning, as well as the latest research in the field.
Provides a comprehensive overview of speech and language processing. It covers the basics of speech and language processing, as well as the latest research in the field.
Practical guide to deep learning for coders of all levels. It provides a comprehensive overview of the field, from the basics of neural networks to the latest research in deep learning.
Provides a hands-on introduction to machine learning for hackers. It covers the basics of machine learning, as well as how to use machine learning to solve real-world problems.
Provides a comprehensive overview of deep learning with R. It covers the basics of deep learning, as well as how to use deep learning to build deep learning models with R.

Share

Help others find this course page by sharing it with your friends and followers:

Similar courses

Here are nine courses similar to 【4日で体験!】 TensorFlow, Keras, Python 3 で学ぶディープラーニング体験講座.
【No2コース...
Most relevant
自宅でできる40歳超え女性のお腹凹ませ4週間プログラム
Most relevant
【自分からすすんで英語を話せるようになるための…】英語で体当たり!受け身会話の捨て方
Most relevant
ディープラーニング : Pythonでゼロから構築し学ぶ人工知能(AI)と深層学習の原理
Most relevant
通訳者が教える前置詞・助動詞・フレーズのイメージをマスターする講座:誰でも英語が話せるようになるシリーズその5
Most relevant
通訳者が教える 英語筋肉の鍛え方と使い方 / 誰でも英語が話せるようになる発音練習法A to Zその4・発音編
Most relevant
TOEIC L&Rテスト・単語力強化で絶対攻略!1ヶ月で1000単語を楽しく暗記するタニケイ式ボキャビル
Most relevant
高卒ニートの僕が6ヶ月でTOEIC960点取った具体的な勉強法【実践編】
Most relevant
【猫背・巻き肩改善】デスクに座ったままでもできる!エクササイズ講座
Most relevant
Our mission

OpenCourser helps millions of learners each year. People visit us to learn workspace skills, ace their exams, and nurture their curiosity.

Our extensive catalog contains over 50,000 courses and twice as many books. Browse by search, by topic, or even by career interests. We'll match you to the right resources quickly.

Find this site helpful? Tell a friend about us.

Affiliate disclosure

We're supported by our community of learners. When you purchase or subscribe to courses and programs or purchase books, we may earn a commission from our partners.

Your purchases help us maintain our catalog and keep our servers humming without ads.

Thank you for supporting OpenCourser.

© 2016 - 2024 OpenCourser