After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
コース説明
TensorFlow入門を学ぶ
つい最近まで、最先端のコンピュータービジョンアルゴリズムでも、猫と犬の画像を見分けることはできませんでした。 今日では、ノートパソコンさえあれば、熟練したデータサイエンティストは、人間の目よりも高い精度で数万もの対象を分類できます。このコースでは、TensorFlow 2.6を使用して、レコメンデーションシステム、画像分類、FinTechにおける大きな進歩を支えてきたモデルを開発、学習し、予測を行います。
線形モデルを使って予測する
TensorFlow 2.6 を使って線形回帰モデルで予測を行う方法を学び、King County の住宅価格を予測することで知識を試します。 このコースのこのセクションでは、損失関数の概要と、線形モデルをバッチで学習することでリソース使用量を削減する方法を学びます。ニューラルネットワークをトレーニングする
コースの後半では、同じツールを使ってニューラルネットワークによる予測を行います。 TensorFlowでネットワークを訓練する練習を行い、学習可能な変数を追加し、モデルとテスト用特徴量を使って目標値を予測します。TensorFlowとKeras APIを組み合わせる
Kerasの強力なAPIをレパートリーに加え、TensorFlow 2.6と組み合わせて予測を行い、モデルを評価する方法を学びましょう。 このコースの終了時には、Estimators API を使ってモデル定義を効率化し、エラーを回避する方法を理解できるようになります。前提条件
カリキュラム
コース概要
1
Introduction to TensorFlow
TensorFlow 2 で高度なモデルを構築する前に、まず基礎を理解しておく必要があります。本章では、定数と変数の定義、テンソルの加算と乗算、そして導関数の計算方法を学びます。線形代数の知識があると役立ちますが、必須ではありません。
2
Linear models
この章では、TensorFlow 2 でモデルを構築し、解き、予測する方法を学びます。単純なモデルである線形回帰モデルに焦点を当て、住宅価格の予測に取り組みます。章の終わりには、データの読み込みと操作、損失関数の構築、最小化、予測、そしてバッチ学習によるリソース使用の削減ができるようになります。
3
Neural Networks
これまでの章で、TensorFlow 2 によるモデルの構築方法を学びました。本章では、同じツールを用いてニューラルネットワークを構築・学習し、予測を行います。全結合層の定義、活性化関数の適用、オプティマイザの選択、過学習を抑える正則化の適用方法を学びます。さらに、低水準の線形代数操作と高水準の Keras API の両方を使い分けてモデルを定義・学習し、TensorFlow の柔軟性を活用します。
4
High Level APIs
最終章では、TensorFlow 2 の高水準APIを使って、手話アルファベットの分類器を学習します。Keras の Sequential API と Functional API の両方を用いて、学習、検証、予測、評価を行います。さらに、Estimators API を使ってモデル定義と学習プロセスを効率化し、ミスを防ぐ方法も学びます。
Introduction to TensorFlow in Python
コース修了
