강의

멘토링

커뮤니티

BEST
AI Technology

/

Computer Vision

深層学習CNN完璧ガイド - TFKerasバージョン

ディープラーニング・CNNの核心理論から多様なCNNモデルの実装方法、実践問題を通じた実務ディープラーニング開発のノウハウまで、 ディープラーニングCNN技術の専門家として生まれ変わりたいなら、この講義をご一緒ください:)

  • dooleyz3525
Deep Learning(DL)
CNN
Tensorflow
Keras
Kaggle

学習した受講者のレビュー

受講後に得られること

  • ディープラーニング、CNNを構成する核心技術要素

  • Tensorflow, Keras를 구성하는 중요한 기반 Framework

  • CNN分類モデルの性能を向上させるチューニングのノウハウ

  • CNNを活用した画像分類の実装

  • 多様な画像Augmentation技法とこれを活用したモデル性能向上技法

  • Keras ImageDataGeneratorとSequenceの詳細なメカニズム

  • ディープラーニングCNNのための画像データ前処理(Preprocessing)技法

  • AlexNet、VGGNet、Inception、ResNetなど主要なCNNモデル

  • XceptionやEfficientNetなどの最新モデルの適用

  • 事前学習済みモデルのファインチューニング学習の理解と適用

  • 様々なLearning Rate Scheduler技法を活用したモデル性能向上策

  • 画像の前処理、データ加工、モデル生成、最適性能改善、性能評価など実務ディープラーニング開発方法

私がこの講義を作った理由😚

最も急速に発展するディープラーニング分野、CNN

ディープラーニングの活用分野の中で、ディープラーニングCNNベースのコンピュータビジョン領域は、最も急激に成長しており、最も急速に変化している分野です。したがって、ディープラーニングベースのコンピュータビジョンの分野で専門家として成長するためには、CNNの実践的な実装能力と重要な能力を持つことが不可欠です。このために、「ディープラーニングCNN完璧ガイド - Fundamental編」の講義をリリースすることになりました。

今回の講義で学ぶこと

今回発売した「ディープラーニングCNN完全ガイド - Fundamental」編はディープラーニングとCNNのコア技術要素についての深い理論と実習から、CNNイメージ分類モデル構築のための多様な実装技術とモデル性能最適化方法を提供します。そして、多くの実践例に従い、イメージの前処理、データロード、tf.kerasフレームワークの理解、最新のCNNモデルの内部アーキテクチャ、そして実践で活用できるモデルパフォーマンスチューニング法などを体得できるようにお手伝いし、皆様をディープラーニングCNN技術の専門家に成長させていきます。

ディープラーニングCNN講義、この講義で終結。

130講義、30時間の講義を通じて、CNN理解に必要なすべての内容を深く込めました。
以下の学習内容と講義資料の一部を確認してください。

권 철민, 딥러닝 CNN 완벽 가이드

講義資料を事前に確認してください🙂

この講義の特徴

1.ディープラーニングとCNNを実現する重要な技術要素の深い理論と実践

ディープラーニングとCNNの核心基盤知識を深い理論と実習を通じて皆さんの頭の中にインストールさせます。

2. Tensorflow.Kerasを構成するコアフレームワークについて

Tensorflow.Kerasを構成するコアFrameworkの詳細な説明と実践を通じて、より柔軟でスケーラブルで強力なKerasベースのCNNアプリケーションを実装するのに役立ちます。

3. イメージ前処理からCNNモデル最適性能チューニングまで!
画像分類モデルの実装のAZを様々な実践例で習得し実戦能力を最大化

ディープラーニングベースのコンピュータビジョンの専門家として成長するためには、画像処理のための基盤技術を組み合わせる必要があります。画像前処理方法、画像配列と特性、画像ライブラリ活用法、Albumentationsなどの専用ツールを活用したAugmentation技術など、ディープラーニング画像判別モデル実装のための画像処理基盤技術を詳細に説明します。

様々なデータセットと難易度のある実戦問題を通じて自由自在にCNNイメージ分類モデルを実現できる能力はもちろん、AugmentationやLearning Rate最適化、そしてEfficientNetなどの最新モデルを活用した画像分類モデルの最適性能チューニング技術を習得できます。

4. Modern CNNの発展に重要な基盤となったコアCNNモデルをソースコードレベルで詳細に説明します。

CNNを画像分類モデルを超えてさらに拡張されたアプリケーションに使用するには、Modern CNNモデルがどのように進化してきたのか、そしてそれらを構成する重要な技術が何であるかを理解することが重要です。このために、AlexNet、VGGNet、GoogLeNet(Inception)、ResNetなど重要なコアCNNモデルのアーキテクチャと特性、そしてこれらのモデル実装をソースコードレベルで詳細に説明します。

実習環境案内

練習環境は、Kaggleが提供するノートブックカーネルで行われます。 KaggleにサインアップしてからCodeメニューを選択すると、Colabに似たJupyter Notebook環境を利用できます。


Kaggle NotebookカーネルはGPU P-100 VMを無料で提供します。また、秀麗なUI環境とKaggleのさまざまなデータとも簡単に連動し、とても便利に実習を進めることができます。練習コードはTensorflow 2.4のtf.kerasに基づいて書かれています。より詳細な実習環境説明はセッション0の実習環境紹介動画を参照してください。

講義資料と実習コードは、「セクション0:講義紹介」と実習環境紹介の講義資料と実習コードのダウンロードから入手できます。

あなたの努力がどれほど貴重であるかを知ることに。

どの分野でも努力がなければ専門家になることはできません。いいえ、努力なしに専門家になった場合、それは専門家ではありません。あなたがディープラーニング分野の専門家になりたいという願望をよく知ることに、そしてそこに注ぐ努力の大切さをよく知るために、あなたがディープラーニング勉強に投資する少しの時間でも無駄な時間にならないように心血を傾けてディープラーニングCNN完璧ガイド講義を作りました。

この講義では、あなたがディープラーニングの専門家として成長することができる貴重なディンドルになります。

 

あらかじめ学ぶと役に立つ講義✨

クォンチョルミン知識共有者の「機械学習」講義シリーズ

Inflearnが出会った人

クォンチョルミンのインタビューに会いましょう! |見に行く

こんな方に
おすすめです

学習対象は
誰でしょう?

  • ディープラーニングとCNNに関する基本的な能力を大幅に向上させたい方

  • CNNについて確実な理解が必要な方

  • コンピュータビジョン分野でディープラーニング画像分類モデルを活用しようとされている方

  • KaggleやDACONの画像分類コンペの準備をされている方

  • その他、ディープラーニング学習に関心のある方

前提知識、
必要でしょうか?

  • Pythonの基本的な実装能力と、Numpy、Pandasに対する基礎的な理解が必要です。

  • 機械学習に対する基礎的な理解が必要です。(オーバーフィッティングや、なぜ学習/検証/テストデータセットが必要なのか、など)

こんにちは
です。

27,031

受講生

1,383

受講レビュー

4,019

回答

4.9

講座評価

14

講座

(전) 엔코아 컨설팅

(전) 한국 오라클

AI 프리랜서 컨설턴트

파이썬 머신러닝 완벽 가이드 저자

カリキュラム

全体

135件 ∙ (31時間 39分)

講座資料(こうぎしりょう):

授業資料
講座掲載日: 
最終更新日: 

受講レビュー

全体

118件

4.9

118件の受講レビュー

  • kbj804941680님의 프로필 이미지
    kbj804941680

    受講レビュー 2

    平均評価 5.0

    5

    17% 受講後に作成

    全部見られなかったが、先に残す受講後期.. 【メリット】 1. 始める際に選手の知識についてよく整理してください。 2.川の名前はCNNですが、CNNに限らず、ディープラーニング基本機(SGD、Backpropなど..)を詳しく教えてくれるので、後にちょっと難しいアプリケーションが出ても理解可能 3. イメージの前処理も詳細なので、ビジョン側の基本技のない方も挑戦可能(クォンチョルミン講師様のビジョン側の講義を聞いてくることもおすすめ) 4. 単純な CNN 画像分類だけではなく、最近の CNN がどのように進化しているのか、また詳細な説明 5.講義資料にわかりやすく絵が多い 【惜しい点】 1. tf基盤講義だが、torchも…ㅎㅎ [総評] 5点。イメージ分野のディープラーニング入門の方は無条件に聞けばいいし、ただディープラーニングに入門される方もディープラーニング基本基が詳しく出ているので、入っておくと良いです。 CNN自体が正直最近ではイメージにしか使われず、NLPや予測モデリングにも使われているので、CNN深く理解して活用するのに最適です。

    • dohoonkim님의 프로필 이미지
      dohoonkim

      受講レビュー 1

      平均評価 5.0

      5

      49% 受講後に作成

      こんにちは、現在人工知能を専攻で勉強している学生です。嘘をつかないで大学レベルカリキュラム通りに進めてくださりながら講義してください。します。そして難易度とは別に、学校の授業はPPTだけ読んで終わりましたが、このレッスンはコード一行に従うことができてとても良かったです。時々どの領域では本当に'え?これまで深く入っていくと!?'欲しいレベルで説明していただきありがとうございました。 (教授とわらのポイントと説明がほぼ同じように言われてびっくりしました) 残念なことは、現代の機械学習の頂点であるトランス、アテンションのような部分はまだ扱っていないということです。もしこの講義まで出てしまえば、クォンチョルミン先生はほとんどの国内機械学習私教育本座に登場することになりそうです。インフラで内金内産講義の中で最高の満足度です。

      • yoonducklim0908님의 프로필 이미지
        yoonducklim0908

        受講レビュー 7

        平均評価 5.0

        5

        50% 受講後に作成

        フジェクを遂行しながらディープラーニングのおよそ知っていると思いましたが、イ・ガンウィでこれまで拳口にしてきたんだと感じています。一日中隙間ごとにずっと聞いています。 助けになっていて、ひと後で深化過程出てきたらその講義も聞きたいです。

        • poptato1037님의 프로필 이미지
          poptato1037

          受講レビュー 1

          平均評価 5.0

          5

          75% 受講後に作成

          今半分見たんですが.. advanced講義はいつも来ますか。

          • hdongle5478님의 프로필 이미지
            hdongle5478

            受講レビュー 2

            平均評価 5.0

            5

            96% 受講後に作成

            CNN分野がディープラーニングを少しでもやってみたとすれば、比較的最初に接する分野だと思うが、思ったより原理を知らずに持って書いて柔軟な対処が難しいですね。 会社で必要になるたびにgithubを探して迷わず原理をよく知らず、その時、必要な機能を急いで組み合わせて作ったりします。 他の業務と並行しながらやってみると tensorflow2.4, keras, kaggle いつかは勉強しなければならず、ミルダが前回講義した講義を受講しながら進めた課題に object detection を使ってロボットの動きに成功的に適用して会社では専門家(?)として認められた記憶のために、CNNももう一度整理する兼、深く掘り下げる受講中にあります。 授業時間が少なくないのに、悪くないのがソースコードを詳しく説明してくださって全体的にスイープ~見て別に表記したが後でその時その時必要な部分だけもっと細かく聞いてみてもいいようです。 -------------------------------------------------- ------- 先日残した後期に追加して残します。 会社で別の業務を遂行し、再びコンピュータビジョン部門が作られ、再び復帰する次元で最初から頑張りました。 もう一度聞いてみると、以前に急いで進んだ部分がもう少し理解の幅が広がりますね。 やはり一度聞いて終わる講義ではありません。 もう一度推測します。

            ¥13,589

            dooleyz3525の他の講座

            知識共有者の他の講座を見てみましょう!

            似ている講座

            同じ分野の他の講座を見てみましょう!