
Excelで味わうディープラーニング
hjk1000
Excelでディープラーニングの原理を目で見て学んでみましょう。
입문
Excel, Deep Learning(DL), VBA
ディープラーニング 現業に携わるために必要なディープラーニングの「核心概念」を学び、PyTorchを活用した実習を通じて実際のディープラーニングプロジェクトを遂行するのに必要な実務を教えてくれる講義です。
受講生 481名

ディープラーニングが動作する原理
ディープラーニングの中心概念(損失関数、傾斜下降、自動微分など)
PyTorchでカスタムモデルを作成する
ディープラーニングの主なモデル(CNN、RNN、Transformer)
コンピュータビジョンの実践
自然言語処理の実践
学習対象は
誰でしょう?
機械学習/ディープラーニングエンジニアの就職または転職の準備
AI大学院進学目標
機械学習/ディープラーニングを正しく学びたい方
ディープラーニングの理論と実務能力をしっかり固めたい人
いくつかのディープラーニング講義、ブートキャンプを聞いたが残念だった方
MLエンジニア技術面接の準備をする方
MLエンジニアで就職準備する非専攻者
前提知識、
必要でしょうか?
高校のカリキュラムレベルの英語と数学
基本的なPython
基本的なNumpy
481
受講生
62
受講レビュー
34
回答
4.9
講座評価
1
講座
(현) ML Engineer @ MakinaRocks
(전) ML Engineer @ DearGen
(전) ML Engineer @ DeepBio
(전) Research Student @ UCL NLP Group, Streetbees
(전) Research Student @ ICL Photonics Lab
University College London (UCL): MSc in Machine Learning (머신러닝 석사) (학점: Distinction, GPA 4.0/4.0)
Imperial College London (ICL): BSc in Theoretical Physics (이론물리학 학사) (학점: First Class Honours, GPA 4.0/4.0)
5년차 Machine Learning Engineer입니다. (Google DeepMind가 출범하였고, Demis Hasabis가 박사과정을 한) University College London에서 머신러닝 석사를 전공하였습니다. 석사 때는 NLP에서 Knowledge Graph Embedding을 연구하였고, DeepBio에서는 Medical Diagnosis에 적용되는 Image Classification, Segmentation 딥러닝 모델들을 개발하였습니다. Deargen에서는 신약 개발의 Drug Target Interaction와 같은 문제 적용되는 GNN, RNN, Transformer 등등의 다양한 딥러닝 모델들을 적용한 경험이 있습니다. 현재 재직중인 MakinaRocks에서는 제조 현장의 로봇팔의 이상탐지에 적용되는 딥러닝 모델 및 머신러닝 시스템을 구축하고 있습니다.
全体
143件 ∙ (13時間 48分)
講座資料(こうぎしりょう):
全体
62件
4.9
62件の受講レビュー
受講レビュー 1
∙
平均評価 5.0
受講レビュー 18
∙
平均評価 5.0
5
バックアンド開発者の役割を現在やっている人です。関心がとても多かったのも決定的に受講したきっかけになりました。いただき、間違いなく理解が良かったです。 特に、私のようにMLについての基本的な、表にだけ知っている人にぴったりの講義のようです。人工知能大学院側に関心があるか、大学院論文作成時に概念的な内容が必要な方は一度ほど聞いてみるとたくさん役に立つこと同じです。
こんにちは!ほとんどのディープラーニングブートキャンプや講義が基本的な内容だけがスイカの表情で溢れてしまうことに対する弊害にあまりにも苦しい気がし、私が面接を見た数多くのブートキャンプ出身の面接者たちが断片的にだけディープラーニングを理解して心が大きかった。それで本当に長い時間と多くの空手をかけて今回の講義を作ることになりましたが、このように役に立ったのは本当に嬉しいですね!受講していただきありがとうございます!
受講レビュー 1
∙
平均評価 5.0
5
この講義は、ディープラーニングの基礎から高級テーマまで幅広く取り上げ、PyTorchを使った実習中心のアプローチを採用して良かった。 PyTorch環境設定、ディープラーニングの基本概念、損失関数、傾斜降下法、アクティブ関数、最適化、正規化、学習スピードスケジューラ、初期化、標準化、CNN(Convolutional Neural Network)、RNN(Recurrent Neural Network)、および最新のトピックAttentionやTransformerまで様々なテーマを取り上げてよかったです。 講義は初心者にも簡単にアクセスできるように設計されており、各セクションは理論の説明とともに様々な実習で構成されており、学習者が直接コードを作成してディープラーニングの原理を体験できる点が特に気に入りました。 特に、実務からすぐに適用可能な基礎概念から始めて高級テーマまで段階的に学習することができ、ディープラーニング分野に初めて接近する人だけでなく、基礎知識をリマインドしようとする現業人員にもおすすめできると思います。 各トピックは十分な実践と例を通して深く扱われ、学習者はディープラーニングのさまざまな側面を包括的に理解し、実際のトラブルシューティングに適用する能力を身に付けることができると思います。 講義の体系的な構成と実践中心のアプローチは、学習者がディープラーニング技術を実際に活用するために必要な実践的な経験を提供するこのレッスンをディープラーニング分野に関心のあるすべての人に強くお勧めします。
講義を受講していただきありがとうございます。 それでも幅広いテーマを扱いますが、できるだけ深くながらも簡単に解いて説明し、実習を通じて実務感覚を身につけることができるようにカリキュラムを構成することに悩みをたくさんしました。 こんな助けになったなんてやりがいですね!ありがとう:)
受講レビュー 1
∙
平均評価 5.0
5
ディープラーニング分野に初めて触れる方はもちろん、重要概念中心に復習してみたい実務者全員に役立つ講義です。 初めて触れた方は目次に沿って流れを追うように講義の構成がbottom-upでよく織り込まれているようで、既存の実務者の方は私が脆弱だった概念を早い時間内に復習してみることができるようです。 講義目次と内部構成が、何よりも必須要素をよくキャッチして入れてくれたようです。 また、実務者の観点から関心のある内容で講義がよく構成されています。 - それで、内部動作はどのようなロジックで実行されますか? - だからそれをどのようにimplementationするのか? これら2つがよく差別化されていると感じました。 実際に教授者の観点からだけでなく、業務遂行の観点からわかる経験的な内容がよく溶けています。
講義を受講していただきありがとうございます〜本当に詳細にレビューを残していただきありがとうございます! 受講生の方々が必ず知っておくべき核心概念を欠かさず、そしてできるだけ簡単に解いて説明できるように本当にたくさん悩んで多くの空手をかけて講義を作ったのですが、こう調べてくださって本当に感謝して本当にやりがいですねㅠㅠ レビューありがとうございます!
受講レビュー 3
∙
平均評価 5.0
5
loss function、optimizerなどの概念をよく知らず使用した部分についても、細心の注意を払っていただき、理論をレビューするのに大きな助けとなりました!
受講していただきありがとうございます :) そして役に立ったのは幸いですね!次の講義ももっと頑張って準備してオープンさせていただきます!
期間限定セール
¥199,430
30%
¥35,748
同じ分野の他の講座を見てみましょう!