ディープラーニング

PyTorchを使ってニューラルネットワークを実装しよう

PyTorch基礎

テンソル操作と自動微分

ネットワーク構築

CNN、RNNの実装

最適化・正則化

学習を安定させる技術

実践デモ

MNIST・CIFARで訓練

学習内容
基礎編
  1. PyTorch基礎
  2. テンソル操作
  3. 自動微分 (Autograd)
  4. ニューラルネット構築
  5. 学習プロセス
アーキテクチャ編
  1. CNN (畳み込み)
  2. RNN (再帰)
  3. 最適化アルゴリズム
  4. 正則化技術
  5. 転移学習
実践編
  1. MNISTデモ
  2. CIFARデモ
  3. ハイパーパラメータ調整
  4. 可視化
  5. ベストプラクティス
  6. 演習問題
発展編
  1. NN設計のベストプラクティス
  2. モデルビルダー
  3. データパイプライン
  4. モデル最適化(量子化等)
  5. モデル比較
  6. 説明可能AI (XAI)
  7. 異常検知
  8. 自己教師あり学習
  9. 知識蒸留
  10. Few-Shot Learning
  11. 強化学習
前提知識: Python基礎とAI入門モジュールの内容を理解していることを推奨します。
開発環境

このモジュールではPyTorchを使用します。以下のコマンドでインストールできます:

# CPU版
pip install torch torchvision

# GPU版(CUDA 11.8)
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118

※ Google Colabを使用する場合は、PyTorchがプリインストールされています。