東京大学で開催中のDeep Learning基礎講座のコンテンツを無償公開しています。

問題・フィードバック報告フォームはこちら

Deep Learning 基礎 コンテンツ紹介

演習中心で効率良く学習

本プログラムの最大の特徴の一つは、全てのトピックについて、演習を中心に構成されている点です。実際に手を動かしながら理解を進めることで、効率よく学習することができます。

モデルの学習

実際にモデルを学習させながら技術を習得する本格的な演習内容となっています。Deep Learningは、モデルが実際に学習する様子を観測し、パラメータを調整することでアプリケーションに応じたパフォーマンス最大化を行うことが非常に重要な技術ですが、この一連の流れを全ての演習で経験しながら重要な要素を身につけることが可能です。

GPU

Deep Learning技術は機械学習手法の一種ですが、GPUを利用して学習するのが重要です。本コンテンツはGPUを利用したモデル学習をしながら学ぶ本格的な内容になっています。

研究者向けコンテンツ

本コンテンツは、Deep Learning基礎講座で利用している演習コンテンツです。線形代数や機械学習を前提知識として要しますが、Deep Learningの新しいモデルを構築したり、高度な研究・開発を行うために重要な知識が基礎から学べるように設計されています。

Jupyter notebook形式

全てのコンテンツはJupyter Notebook形式で作成されています。Jupyter環境があれば、ブラウザからコードを実行できるだけでなく、自由に試行錯誤できるので、効率よく学習することが可能です。

TensorFlow

コードはPytorch (前処理など一部TensorFlowやKeras)と標準的なライブラリ(Numpy, Scipy, Scikit-learn等)で構成されています。

松尾研究室が公開

本コンテンツは、東京大学松尾研究室が開発しています。私たちは実践型のデータサイエンティスト育成講座およびDeep Learning講座を公開講座として6年以上運営し、のべ六千人以上の実践的な人材を育成してきましたが、このコンテンツはそれらの授業で実際に使われているものです。
ダウンロード

注意事項

本コンテンツは演習パートのコンテンツです。講義パートのコンテンツは別となっています。

利用規約

本コンテンツには、クリエイティブコモンズのライセンス「CC BY-SA(表示 – 継承)」が適用されます。

クリエイティブコモンズのライセンス「CC BY-SA」で定められた範囲で利用可能です。

利用目的、改変後の内容に疑問がある場合は当研究室より問い合わせる場合がございます。

学習内容についてのお問い合わせは受け付けておりません。

著作権は東京大学に帰属します。

免責事項を確認してください。

(準備中)上記利用規約に同意したのでコンテンツをダウンロードします