DeepLearningの入門者向けのコースです。 まず画像分類問題を例にCNNの基本とKerasの使い方を学びましょう。次に、DeepLearningのフレームワークとして人気のあるPytorchについても学びましょう。その後、実践としてQuestに挑戦していきましょう。
他のユーザーの様子を見てみよう
本講座ではDeepLearning、すなわち深層学習とその周辺の人工知能や機械学習に関する基礎知識について学びます。以下特に断りがない限り、DeepLearningのことは深層学習と呼ぶことにします。本講座を学ぶことで、深層学習の基礎を理解し、事業への活用の足掛かりとしていただくことがゴールです。前半は人工知能と機械学習、後半では深層学習の概要とその応用について説明します。
本講座ではDeep Learningに関する基礎的な知識を学びます。画像処理やニューラルネットワーク、ディープラーニングの基礎を学び、画像認識の代表的なタスクである画像分類タスクに挑戦していただきます。
PyTorch道場へようこそ！この道場では、自然言語処理や画像認識などの深層学習や機械学習の分野で欠かせないツールの一つとしてその地位を確立している、DeepLearningフレームワーク「PyTorch」を学びます。「PyTorch」は自由度の高い設計となっているため、直感的でわかりやすい実装を行うことが可能となります。本GYMにて基本的な「PyTorch」の使い方を学び、様々なQUESTにて実際に「PyTorch」を用いてモデリングを行い知識の定着化を図りましょう。
株取引は金融機関などの機関投資家だけでなく、一般の人々も参加できるものも多く、身近な経済活動の１つと言うことができるでしょう。一方、この株取引は多様な思惑が交差する場となっているために、株価予測は非常に難しい課題です。しかしながらまた、近年の株取引においては、プログラムで作成したモデルによる機械取引が大きな割合を占めるようになっています。こうしたモデルは株価の推移はもちろんのこと、経済指標やSNSなどの情報を活用しているものも珍しくはありません。本クエストでは、深層学習を用いてこのような機...
製造業でのAI導入は今後ますます発展が見込まれます。現状では人で品質管理をしている場合でも、データを集め、機械学習や深層学習を用いることにより省力化やコスト削減を実現することが可能です。本クエストでは製造業へのAI導入という課題に対して、鋳造製品の画像データを用いて、PyTorchというライブラリを使いながら、欠陥検出を予測する画像分類モデルの作成に挑戦します。クエストを通じて、画像データへの対処方法、深層学習（ディープラーニング）を用いた予測モデルの作成方法を学びます。
