Introduction to Deep Learning in Python

Data campでPythonを独学しています。Introduction to Deep Learning in Pythonのパートで何を学ぶのかまとめたサイトです。

このトラックでは、ディープラーニングの知識を広げ、機械学習のスキルを次のレベルに引き上げることができます。KerasとPyTorchを使用して、ニューラルネットワーク、ディープラーニングモデルのワークフロー、およびモデルの最適化方法について学びます。その後、TensorFlowを使用して、線形回帰モデルとニューラルネットワークを構築します。このコースでは、機械学習技術を使用して、住宅価格の予測、手書きの数字を予測するためのニューラルネットワークの構築、偽造紙幣の識別など、実世界の課題を解決していきます。トラック終了時には、Kerasを使用して複雑な多出力ネットワークをトレーニングおよびテストし、ディープラーニングをより深く理解できるようになります。

① Basics of deep learning and neural networks

この章では、深層学習で使用される基本的な概念と用語に慣れ、なぜ深層学習技術が今日これほど強力なのかを理解することができます。簡単なニューラルネットワークを構築し、それを使って予測を生成します。

② Optimizing a neural network with backward propagation

ニューラルネットワークが生成する予測値を最適化する方法を学びます。ディープラーニングで最も重要な技術の1つである逆伝播と呼ばれる方法を使用することになります。その仕組みを理解することで、コースの後半で強固な土台を築くことができます。

③ Building deep learning models with keras

この章では、Keras ライブラリを使用して、回帰と分類の両方のディープラーニングモデルを構築します。予測に使用できるSpecify-Compile-Fitワークフローについて学び、この章の終わりには、ディープニューラルネットワークを構築するために必要なすべてのツールを手に入れることができます。

④ Fine-tuning keras models

Kerasでディープラーニングモデルを最適化する方法を学びます。モデルの検証方法から始まり、モデル容量の概念を理解し、最後に、より広く、より深いネットワークで実験します。