After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
コース説明
PyTorchを使った画像向けディープラーニングのこのコースでは、画像分類、物体検出、セグメンテーション、生成で活躍するための実践的なスキルと知識を身につけられます。
畳み込みニューラルネットワーク（CNN）で画像を分類する
CNNを使って二値および多クラスの画像分類を行い、PyTorchで事前学習済みモデルを活用する方法を理解します。 バウンディングボックスを使えば、画像内のオブジェクトを検出し、物体認識モデルの性能も評価できるようになります。マスクを適用して画像をセグメント化する
画像セグメンテーションを探求し、セマンティックセグメンテーション、インスタンスセグメンテーション、パノプティックセグメンテーションを含め、画像にマスクを適用しながら、それぞれのセグメンテーションに必要なさまざまなモデルアーキテクチャについて学びます。GANで画像を生成する
最後に、敵対的生成ネットワーク（GAN）を使って、自分だけの画像を生成する方法を学びます。 Deep Convolutional GAN（DCGAN）を構築・学習するためのスキルと、生成された画像の品質と多様性を評価する方法を学びます。このコースを修了する頃には、PyTorchモデルを使ってさまざまな画像タスクに取り組むためのスキルと実践経験を身につけているでしょう。前提条件
カリキュラム
コース概要
1
CNN による画像分類
CNN を用いた画像分類、二値分類と多クラス分類モデルの違い、そして PyTorch で転移学習を使って画像分類を行う方法を学びます。
2
物体認識
画像内の物体をバウンディングボックスで予測して検出し、物体認識モデルの性能を評価します。
3
画像セグメンテーション
画像セグメンテーションの3種類（セマンティック、インスタンス、パノプティック）とその活用例、そしてそれぞれに適した Machine Learning モデルのアーキテクチャを学びます。
4
GAN による画像生成
Generative Adversarial Networks (GANs) でまったく新しい画像を生成します。Deep Convolutional GAN を構築・学習させ、出力の品質と多様性を評価する方法を学びます。
PyTorch で学ぶ画像向け Deep Learning
コース修了
