コース
PyTorchで学ぶIntroduction to Deep Learning
中級スキルレベル
更新日 2026/01
PyTorchArtificial Intelligence4時間16 ビデオ49 演習3,900 XP86,995修了証明書
無料アカウントを作成
Googleで続行その他のオプションを表示または
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-learnIntroduction to NumPyPython Toolbox1
Deep LearningライブラリPyTorchの概要
自動運転車、スマートフォン、検索エンジンなど、Deep learningは今や身近な存在です。複雑なモデルを作る前に、まずはDeep learningフレームワークであるPyTorchに慣れましょう。テンソルの操作方法、PyTorchのデータ構造の作り方、そして線形層を使った最初のニューラルネットワークの構築を学びます。
2
ニューラルネットワークのアーキテクチャとハイパーパラメータ
PyTorchでニューラルネットワークを学習させるには、まず活性化関数や損失関数といった追加の要素を理解する必要があります。そのうえで、ネットワークの学習とは損失関数を最小化することであり、そのために勾配を計算することを学びます。さらに、これらの勾配を使ってモデルのパラメータを更新する方法を身につけます。
3
PyTorchでのニューラルネットワークの学習
ニューラルネットワークの主要な要素を学んだら、次はトレーニングループを使って実際に学習させます。勾配消失のような起こり得る問題を確認し、代替の活性化関数、学習率やモメンタムの調整といった対策を学びます。
4
モデルの評価と改善
Deep learningモデルの学習は一種の技術であり、適切に学習できているかを確認するために、学習中は損失や正解率（accuracy）などの指標を追跡する必要があります。こうした指標の計算方法と、過学習を抑える方法を学びます。
PyTorchで学ぶIntroduction to Deep Learning
コース完了 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！
無料アカウントを作成
Googleで続行その他のオプションを表示または
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。