강의

멘토링

커뮤니티

BEST
AI Technology

/

Computer Vision

深層学習 CNN 完璧ガイド - Pytorch 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、 Pytorchベースの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:)

難易度 初級

受講期間 無制限

  • dooleyz3525
Deep Learning(DL)
Deep Learning(DL)
PyTorch
PyTorch
Computer Vision(CV)
Computer Vision(CV)
CNN
CNN
AI
AI
Deep Learning(DL)
Deep Learning(DL)
PyTorch
PyTorch
Computer Vision(CV)
Computer Vision(CV)
CNN
CNN
AI
AI

学習した受講者のレビュー

学習した受講者のレビュー

5.0

5.0

leon.park

35% 受講後に作成

わかりやすく丁寧に説明してくださるので、とても助かっています。

5.0

dongun9268

52% 受講後に作成

現在セクション9まで聞きましたが、最高の講義だと思います。 もしかして、object detectionのようなadvancedな講義はいつ頃アップロードされる予定ですか?

5.0

lovewrite030110

100% 受講後に作成

高品質な資料と丁寧な解説のおかげで、スムーズに完走することができました。 教え方が本当に素晴らしいですね。 重要な部分を繰り返し伝えてくださるので、無意識のうちに理解できていました。 次はTransformerの講義を受ける予定なのですが、Object Detectionの講義については、現在公開されている改訂版を受講すればよろしいでしょうか?それとも、新しいバージョンを出すご予定はありますか?また、Diffusion関連の講義についても計画はございませんか? 教え方や構成が非常に素晴らしいので、関連する講義が出ればすべて受講したいと考えています。 本当に素晴らしい講義をありがとうございました。

受講後に得られること

  • ディープラーニング、CNNを構成するコア技術要素および主要モデルの理解

  • Pytorchを活用したモデル構築および学習過程の理解

  • CNNを活用した画像分類と性能最適化技法

  • 事前学習済みモデルとファインチューニングを活用した性能改善

  • 多様なイメージ Augmentation 技法とこれを活用したモデル性能向上技法

  • イメージの前処理、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ワークフロー


すでに検証済みの講義。 Pytorchによるリニューアル

受講生2千+a人、評価5.0の評価を受けたディープラーニングCNN完璧ガイド(TFKeras)
さらに強化された実習と最新トレンドを盛り込んでPytorchバージョンに戻りました。


40時間、320p分の深い理解

CNNの基本原理と、主要モデル、パフォーマンス最適化技術を体系的に学習します。これにより、CNNを深く理解し、自分でモデルを最適化する実力を持つことができます。


ディープラーニング
実務ワークフローを体験

画像前処理からモデル生成、性能改善、ファインチューニング、評価まで!ディープラーニング開発プロセスに従い、実践的な経験を積むことができます。


Pytorchを深く掘り下げる講義

PyTorchの主な概念を明確に理解し、さまざまな実践を通じてモデル構築から最適化まで自由自在に活用できます。

様々な産業からコア技術へ
座っているComputer Vision

自律走行、スマートシティ、医療映像診断、AR/VRなど先進技術分野で急速に広がっているコンピュータビジョン
ディープラーニングベースのコンピュータビジョン技術は、産業の自動化と技術革新を加速しており、今後も継続的な需要とキャリアの機会をつくる分野です。

テスラカメラベースの自律走行システムを構築し、既存のセンサー中心のアプローチを革新しています。 BMWはAIベースのVisionシステムをスマートファクトリー(Smart Factory)に導入し、製造プロセスを自動化しています。さらに、 Amazon、Computer Visionテクノロジを採用した物流ロボットを活用して、物流処理速度を40%以上向上させています。

コンピュータビジョンの基本であり、コア、 CNN

CNN(Convolutional Neural Network)がコンピュータビジョンの基本的で重要な理由は、他のモデルと比較して画像処理に最適化された構造と、実用化モデルの基盤となる強力なパフォーマンスを提供するためです。

CNNの特徴

画像の特徴を最もよく見つけるモデル

✅YOLO 、Mask R-CNN、ResNetなど多くの商用化モデルのコアベース

転移学習により少ないデータでも高い性能を確保、実務に迅速に適用可能

今日、コンピュータビジョン技術が急速に発展しているので、実務ですぐに活用できるCNNモデルを正確に理解して活用することが不可欠です。この講義では、PyTorchベースでCNNの原理から実習まで段階的に学習し、実務プロジェクトでもすぐに適用できる実戦能力を積み上げることができます。

この講義の特徴

ディープラーニングとCNNを実現するコア技術を深く

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。

Pytorchフレームワークの完全な理解

Pytorchを構成するコアFramework詳細な説明と実践を通じて、Pytorchを自在に活用してCNNアプリケーションを実装するのに役立ちます。

画像分類モデル実習で実戦能力を強化

さまざまなデータセットと実践的な問題により、CNNイメージ分類モデルを自由に実装し、Augmentation、Learning Rateの最適化、EfficientNetの活用など、最新のパフォーマンスチューニング手法を習得できます。

コアCNNモデルをソースコードレベルで詳細に

CNNをイメージ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モデルの進歩とコア技術を理解することが重要です。この目的のために、AlexNet、VGGNet、GoogLeNet(Inception)、ResNetなどの主要なCNNモデルのアーキテクチャと特性、そしてそれらの実装方法をソースコードレベルで詳細に説明します。

このようなことを学びます。

ディープラーニングの基礎知識

直接実装して学ぶ傾斜下降法から、誤差反転波、活性化関数、Loss関数、Optimizerまで、ディープラーニングの基礎知識をしっかり身につけることができるように、様々な資料と実習コード、詳細な説明で構成しました。

Pytorch Frameworkの詳細な理解

Tensorの取り扱いから、nn.Module、サブモジュール、Layer、モジュール化、Train Loopまで、Pytorchのネットワークモデルを構成するための重要な要素を、次々と詳細な説明と実習で簡単に理解できます。

CNNの基礎から、Advancedなモデル性能向上技術まで

様々な視覚資料や実習でCNNの主要コンポーネントを簡単に理解できるように作成し、よりAdvancedな性能向上技術まで自然に理解できるように講義を構成しました。

DatasetとDataLoaderの詳細な動作メカニズム

Datasetを設定し、DataLoaderを呼び出す基本的な使用法を超えて、DatasetとDataLoaderの主なパラメータと対話メカニズムについて詳しく説明します。

Pretrainedモデルの活用とFine Tuningの理解

torchvision と timm に基づく Pretrained モデルを活用して Custom モデルと Fine Tuning を構成できるように

自分で実装して学ぶさまざまなユーティリティ機能

Model CheckpointとEarly Stopping機能を直接実装しながら体得し、Torchmetricsを使用してさまざまな評価指標を適用する方法をお知らせします。

さまざまなAugmentation技術とそれを利用したモデル性能の向上

torchvision transform、Albumentationsなどのライブラリの使い方から、さまざまなAugmentation技法とCutMix適用を実習を通じてお知らせし、Augmentation適用によるモデル性能向上方法についてもお話しします。

直接実装して習得するモダンCNNモデル

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の実装をソースコードレベルで詳細に説明します。また、EfficientNet V1、V2についても簡単な理論説明でモデル理解をお手伝いします。

難易度のある総合実習問題を解決し、成長する差別化された実戦能力

総合的な練習問題により、以前まで取り上げた最新のCNNモデルとさまざまなモデル最適化方法を適用しながら、専門家レベルの差別化された実践能力を備えています。

受講前の注意

練習環境💾

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にサインアップした後、Codeメニューを選択すると、Colabと同様のJupyter Notebook環境ベースでP100 GPUを1週間に30時間無料で使用できます。

320ページ分の講義教材も付属しています。

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に対する力量を大幅に向上させたい方

  • 自信を持ってPytorch活用能力を向上させたい方

  • 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する方

  • KaggleやDACONの画像分類コンペの準備をされている方

前提知識、
必要でしょうか?

  • Python機械学習パーフェクトガイドの前半、最初からセクション4章の評価(Evaluation)まで基礎理解

こんにちは
です。

27,389

受講生

1,442

受講レビュー

4,045

回答

4.9

講座評価

14

講座

(元) エンコアコンサルティング

(元) 韓国オラクル

AIフリーランスコンサルタント

『Python機械学習完璧ガイド』著者

カリキュラム

全体

217件 ∙ (41時間 33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

40件

5.0

40件の受講レビュー

  • leonpark0560님의 프로필 이미지
    leonpark0560

    受講レビュー 6

    平均評価 3.5

    修正済み

    5

    35% 受講後に作成

    わかりやすく丁寧に説明してくださるので、とても助かっています。

    • dooleyz3525
      知識共有者

      お役に立てたなら私も嬉しいです。素敵なレビューをありがとうございます^^

  • dongun92689831님의 프로필 이미지
    dongun92689831

    受講レビュー 2

    平均評価 5.0

    修正済み

    5

    52% 受講後に作成

    現在セクション9まで聞きましたが、最高の講義だと思います。 もしかして、object detectionのようなadvancedな講義はいつ頃アップロードされる予定ですか?

    • dooleyz3525
      知識共有者

      お褒めの言葉、大変ありがとうございます。後続の講義は今年の秋になる前に完了する予定です。

  • lovewrite0301105292님의 프로필 이미지
    lovewrite0301105292

    受講レビュー 3

    平均評価 5.0

    5

    100% 受講後に作成

    高品質な資料と丁寧な解説のおかげで、スムーズに完走することができました。 教え方が本当に素晴らしいですね。 重要な部分を繰り返し伝えてくださるので、無意識のうちに理解できていました。 次はTransformerの講義を受ける予定なのですが、Object Detectionの講義については、現在公開されている改訂版を受講すればよろしいでしょうか?それとも、新しいバージョンを出すご予定はありますか?また、Diffusion関連の講義についても計画はございませんか? 教え方や構成が非常に素晴らしいので、関連する講義が出ればすべて受講したいと考えています。 本当に素晴らしい講義をありがとうございました。

    • jhnoh1660님의 프로필 이미지
      jhnoh1660

      受講レビュー 1

      平均評価 5.0

      5

      99% 受講後に作成

      • silco4240386님의 프로필 이미지
        silco4240386

        受講レビュー 2

        平均評価 4.5

        5

        60% 受講後に作成

        ¥13,436

        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!