PyTorchで学ぶIntroduction to Deep Learning

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。