メインコンテンツへスキップ

ホーム PyTorch

コース

PyTorchで学ぶIntroduction to Deep Learning

中級スキルレベル

更新日 2026/01

PyTorchで最初のニューラルネットワークを構築し、ハイパーパラメータを調整して、分類と回帰の問題に取り組む方法を学びます。

コースを無料で開始

PyTorchArtificial Intelligence

4時間

16 ビデオ

49 演習

3,900 XP

85,848

修了証明書

何千もの企業の従業員が支持

チームのトレーニングを担当していますか？

Businessをお試しください

コース説明

ディープラーニングの力を理解する

ディープラーニングはあらゆるところにあります。スマートフォンのカメラ、音声アシスタント、自動運転車の中にも。タンパク質の構造を発見し、囲碁で人間を打ち負かすことにも役立ってきました。この強力なテクノロジーを発見し、最も人気のあるディープラーニングライブラリのひとつであるPyTorchを使って活用する方法を学びましょう。

最初のニューラルネットワークを学習させる

まず、ディープラーニングと「従来の」機械学習の違いに取り組みます。ニューラルネットワークの学習プロセスと、トレーニングループの書き方について学びます。そのために、回帰問題と分類問題のための損失関数を作成し、PyTorchを活用してそれらの導関数を計算します。

モデルを評価し、改善する

後半では、モデルを改善するために調整できるさまざまなハイパーパラメータを学びます。ニューラルネットワークのさまざまな構成要素を学んだ後は、より大規模で複雑なアーキテクチャを作成できるようになります。モデルの性能を測定するために、PyTorch のモデル評価ライブラリである TorchMetrics を活用します。

修了時には、PyTorchを活用して、深層学習を用いた表形式データと画像データの両方における分類および回帰の問題を解決できるようになります。キャリアをさらに前進させたい経験豊富なデータ専門家にとって不可欠なスキル。

前提条件

Supervised Learning with scikit-learn Introduction to NumPy Python Toolbox

1

Introduction to PyTorch, a Deep Learning Library

Self-driving cars, smartphones, search engines... Deep learning is now everywhere. Before you begin building complex models, you will become familiar with PyTorch, a deep learning framework. You will learn how to manipulate tensors, create PyTorch data structures, and build your first neural network in PyTorch with linear layers.

Introduction to deep learning with PyTorch

Getting started with PyTorch tensors

Checking and adding tensors

Neural networks and layers

Linear layer network

Understanding weights

Hidden layers and parameters

Your first neural network

Stacking linear layers

Counting the number of parameters

チャプターを開始

2

Neural Network Architecture and Hyperparameters

To train a neural network in PyTorch, you will first need to understand additional components, such as activation and loss functions. You will then realize that training a network requires minimizing that loss function, which is done by calculating gradients. You will learn how to use these gradients to update your model's parameters.

Discovering activation functions

Activate your understanding!

The sigmoid and softmax functions

Running a forward pass

Building a binary classifier in PyTorch

From regression to multi-class classification

Using loss functions to assess model predictions

Creating one-hot encoded labels

Calculating cross entropy loss

Using derivatives to update model parameters

Accessing the model parameters

Updating the weights manually

Using the PyTorch optimizer

チャプターを開始

3

Training a Neural Network with PyTorch

Now that you've learned the key components of a neural network, you'll train one using a training loop. You'll explore potential issues like vanishing gradients and learn strategies to address them, such as alternative activation functions and tuning learning rate and momentum.

A deeper dive into loading data

Using TensorDataset

Using DataLoader

Writing our first training loop

Using the MSELoss

Writing a training loop

ReLU activation functions

Implementing ReLU

Implementing leaky ReLU

Understanding activation functions

Learning rate and momentum

Experimenting with learning rate

Experimenting with momentum

チャプターを開始

4

Evaluating and Improving Models

Training a deep learning model is an art, and to make sure our model is trained correctly, we need to keep track of certain metrics during training, such as the loss or the accuracy. We will learn how to calculate such metrics and how to reduce overfitting.

Layer initialization and transfer learning

Fine-tuning process

Freeze layers of a model

Layer initialization

Evaluating model performance

Writing the evaluation loop

Calculating accuracy using torchmetrics

Fighting overfitting

Experimenting with dropout

Understanding overfitting

Improving model performance

Implementing random search

Wrap-up video

チャプターを開始

PyTorchで学ぶIntroduction to Deep Learning

コース完了

修了証明書を取得

この修了書をLinkedInや履歴書、CVに追加しましょう
ソーシャルメディアや人事評価で共有しましょう今すぐ登録

CPEクレジット

3詳細を見る

ビジネス向け

2名以上のトレーニングをお考えですか？

すべての機能を含む完全なDataCampプラットフォームにチームでアクセス。

以下のトラックに含まれます

データサイエンティスト向けアソシエイトAIエンジニア認定

深層学習（Deep Learning） Pythonで

機械学習の基礎 Pythonで

機械学習サイエンティスト Pythonで

講師

Jasmin Ludolf

Jasmin Ludolf

Senior Data Science and AI Content Developer, DataCamp

協力者

コースリソース

Water Potabilityデータセット

Face Mask Datasetデータセット

Course Glossaryデータセット

19百万人を超える学習者と共にPyTorchで学ぶIntroduction to Deep Learningを始めましょう！

DataCamp for Mobileでデータスキルを磨きましょう

モバイルコースと毎日の 5 分間のコーディングチャレンジで、外出先でも進歩できます。