
Rプログラミング基礎を整える
coco
無料
入門 / R
4.6
(127)
Rプログラミングについて全く知らない方を対象とするRプログラミングの基礎を固める授業です。
入門
R
GAN(Generative Adversarial Networks)について、わかりやすく正確に学びます。
受講生 259名
難易度 中級以上
受講期間 無制限

講座 추천하고 성장과 수익을 만들어 보세요!

マーケティングパートナーズ
講座 추천하고 성장과 수익을 만들어 보세요!
学習した受講者のレビュー
5.0
정용기
基本的には公式証明から実習まで短時間で多くの内容を圧縮してよく説明してくれたようです。
5.0
rifampicin
良い講義です
5.0
aidatacommons
迅速かつ明快にGANに全般的な直観を理解できるように講義を進めていただきました。
GAN の概念と生成原理
DCGAN、LSGAN、CycleGAN
GANの応用分野と発展方向
ディープラーニングのパラダイムを占める
GANについて学びましょう! 🙆🏻♂
Inflearnで講義した内容をまとめ、「Pythonディープラーニングパイトーチ」という本で出版しました。
多くの興味をお願いします :)
(2020.10.06 基準 Inflearn 講義更新されました。継続的な講義更新をさせていただきます)
最近話している人工知能は、ほとんどディープラーニングモデルを活用しています。一般的な機械学習やディープラーニングモデルは分類と回帰の終わりでした。ところがGANの登場は、人工知能の発展は一段階進んだとしても過言ではないほど大きなパラダイムをもたらしました。
データを分類して予測することを超えて生成をするということは、その時(4-5年前)当時のみしても想像もできませんでした。 GANの登場は、強化学習(アルファゴの基本原理)とともに人工知能から差し引かれてはいけない分野となりました。
下の図は、1年前に最もパフォーマンスの良いGANが作成したこの世界に実際には存在しない偽のイメージです。現在はこれより発展したモデルが出てきました。
このレッスンでは、GANの正確な概念と学習の原理について次々と説明し、GANの欠点と発展する方向についても説明します。
GANの概念と学習原理について説明します。
単に概念についてだけ説明するのではなく、きちんとした学習原理を説明し、数学的な証明も一緒にします。
学習過程と方法について説明し、初めてGANが出たときにあった欠点そしてGANの発展方向について話します。
Vanilla GANが登場して以来、GANは非常に急速に発展しています。
最初はCNNにGANの原理を組み込んだDCGANが出てきたし、わずかなlossだけ修正したLSGANが登場し、様々なGANが出ています。
下の写真はDCGANとLSGANの性能比較写真です。
[データの生成を超えて] GANの生成原理を利用して様々な分野に発展し始めました。そのうち代表的なモデルがStyle transferモデルであるCycleGANです。絵を写真のようにあるいは写真を絵のように変えたり、昼と夜を変えたり、季節を変えたりすることもあります。
このようにイメージの2つのドメインを入れ替えてしまうGANモデルがCycleGANです。このCycleGANはStyle transferを活用するGANの基本ベースラインモデルとなりました。
下図のようにCycleGANが応用・発展してきています。このモデルに加えて、さまざまなネットワークに発展しています。
データを生成することは最終的に学習データ内で生成をするので、何か新しいものを作成しません。それで芸術とは距離が遠いのです。学習データ内で生成することになれば結局それは「模倣」にすぎないからです。
CANモデルはGANの学習原理を少し変えて芸術品を生成します。人間にアンケートをして実際の芸術品と似たスコアを得たそうです。
そのほか、GANは本当に様々な分野に発展してきています。
画像ではなく機械学習のための整形データを生成するためのRadial GAN、学習データが少ない状況でどうすれば多様で高品質の画像を生成できるかについてのモデルであるDeliGAN、複数のGANのモデルを組み合わせたMGAN、低画質を高画質に変えるSRGANなど、さまざまなGANについて簡単に紹介します。
練習資料リンク:https: //github.com/LeeGyeongTak/torchgan
この講義は[PyTorch]簡単かつ迅速に学ぶディープラーニングの後続講義です。
ディープラーニング基本について知っているという前提で講義を進めます。
学習対象は
誰でしょう?
ディープラーニングをきちんと勉強したい方
GAN を初めて学ぶ方
CNN、RNNを最近勉強した方
前提知識、
必要でしょうか?
Python/Pytorchの基礎
ディープラーニングの基本知識
8,412
受講生
512
受講レビュー
136
回答
4.4
講座評価
20
講座
学部では統計学を専攻し、産業工学(人工知能)の博士号を取得して今もなお勉強中の無職です。
受賞
ㆍ 第6回ビッグコンテスト ゲームユーザー離脱アルゴリズム開発 / NCソフト賞(2018)
ㆍ 第5回ビッグコンテスト 住宅ローン延滞者予測アルゴリズム開発 / 韓国情報通信振興協会長賞(2017)
ㆍ 2016 気象ビッグデータコンテスト / 気象産業振興院長賞(2016)
ㆍ 第4回ビッグコンテスト 保険詐欺予測アルゴリズム開発 / 本選進出(2016)
ㆍ 第3回ビッグコンテスト 野球試合予測アルゴリズム開発 / 未来創造科学部 長官賞(2015)
* blog : https://bluediary8.tistory.com
主に研究している分野は、データサイエンス、強化学習、ディープラーニングです。
クローリングとテキストマイニングは、現在は趣味でやっています :)
クローリングを利用して、人気のコミュニティ投稿だけを収集して表示する「マロン」というアプリを開発し、
全国のグルメ店リストとブログを収集して、グルメ推薦アプリも作りましたね :) (見事に大失敗しましたが..)
現在は人工知能を研究している博士課程の学生です。
全体
15件 ∙ (3時間 23分)
講座資料(こうぎしりょう):
全体
15件
3.7
15件の受講レビュー
受講レビュー 11
∙
平均評価 4.7
受講レビュー 2
∙
平均評価 5.0
受講レビュー 3
∙
平均評価 4.0
受講レビュー 46
∙
平均評価 5.0
受講レビュー 9
∙
平均評価 5.0
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!
¥6,076