
언리얼 네트워크
SW School
언리얼 엔진에서 제공하는 네트워크 프레임워크의 구성을 이해합니다. 서버, 클라이언트, 리플리케이션, RPC가 무엇이며 어떻게 작동하는지 이해합니다. 언리얼 프레임워크를 이용하여 네트워크 게임을 제작할 수 있습니다.
초급
Unreal Engine, UE Blueprint
pythonとKerasを使ったディープラーニングの使い方を学びます。
ディープラーニングとAIの学習原理を理解できます。
Kerasを使用してディープラーニングを実装できます。
PythonとKeras を使ってディープラーニングとAIの学習原理を理解し、
データごとの活用方法と作業別の活用方法を習得できます。
さらに、実践を通して、実際の問題にディープラーニングを適用する方法を学ぶことができます。
本講義は初心者を対象とするが、
基本的なPythonプログラミング経験があれば、より効果的に学ぶことができます。
この講義はディープラーニングに興味を持っている人たちから
機械学習エンジニア、データ科学者、開発者、学生に適しています。
ディープラーニングの基礎から実務応用まで幅広く取り上げているので、あなたのディープラーニングのスキル向上に役立つでしょう。
一緒にディープラーニングの世界に出かけましょうか?
- ディープラーニング/AIの概念と学習原理を理解することができる。
- Kerasを使用してディープラーニングを実装できます。
- データの種類別ディープラーニング適用方法を学ぶことができる。
- 作業種類別のディープラーニングの使い方を学習することができる。
講義資料は別途提供しておりません
録音環境により、授業映像にノイズがあります。受講前のプレビュー映像を参考にしてください。
学習対象は
誰でしょう?
開発者に職務転換や就職を希望する方
プログラミング/AIの基礎が必要な方
前提知識、
必要でしょうか?
Python
全体
63件 ∙ (12時間 55分)
1. ディープラーニング学習原理
29:40
2. perceptron, DNN
15:50
3. 問題の複雑さとモデルサイズ
13:27
4. AI、ML、DL関係
17:39
5. さまざまな技術用語
12:52
6. コラブ
16:06
7. 必要なライブラリ
06:10
14. オーバーフィッティング緩和法
12:07
15. callback
08:42
16. 指標の種類
13:07
18. 基本作業(回帰と分類)と活用作業
13:25
19. データの種類
16:53
20. データ前処理の4つ
13:47
21. Data Generator
11:22
24. 属性データの予測
12:40
25. 属性データの分類
18:47
26. 映像データの理解
15:32
27. CNNについて
11:13
28. 映像データの増強
15:14
29. crop and resize
12:10
30. 映像データ予測
12:18
31. 映像データの分類
12:42
32. 転移学習の理解
07:41
33. 転移学習予測
13:06
34. 転移学習の分類
12:01
35. 順次列データの理解
17:28
36. RNNについて
10:27
37. 数値列の予測
10:28
38. 数値列の分類
10:21
39. 複数の数値列の予測
10:20
40. 文字列予測
10:03
41. 文字列の分類
10:05
42. 文字列連続予測
12:39
43. 自然言語データの理解
13:02
44. 単語列の分類
15:30
45. 単語列予測
12:38
46. ハングル単語列の分類
10:47
52. 領域分割-u-net
17:26
53. 領域分割-m-net
08:11
54. 映像検索
09:40
55. サウンド検索
08:53
56. ノイズ除去、解像度の向上
10:36
57. 属性データ異常検出
11:41
58. 映像データ異常検出
07:11
59. ポーズ抽出
04:29
60. スタイル変換
05:26
61. GANの理解
16:17
62. 強化学習
08:38
63. アルファゴの理解
12:52
¥15,671
知識共有者の他の講座を見てみましょう!
同じ分野の他の講座を見てみましょう!