自己学習形式のメリット

段階的に着実に進められる

フィードバックが自動化された実践的な演習

Web ブラウザーから MATLAB にアクセス可能

進捗レポートとコース修了証を共有可能

このコースについて

 日本語および英語で受講可能


1.

畳み込みネットワークによる画像の分類

コースの概要を理解する。事前学習済みネットワークを使用し、画像を分類する。転移学習を使用し、カスタマイズされた分類ネットワークに学習させる。

30 分


2.

ネットワーク動作の解釈

イメージデータがネットワークを通過する過程を可視化することで、ネットワークの動作を把握する。この手法をさまざまな種類のイメージに適用する。

45 分


3.

ネットワークの作成

畳み込みネットワークをゼロから構築する。ネットワークの層の間で情報がどのように受け渡しされ、さまざまな種類の層がどのように機能するかを理解する。

45 分


4.

ネットワークの学習

学習アルゴリズムの機能を理解する。学習オプションを設定して、学習の監視と制御を行う。

30 分


5.

パフォーマンスの改善

学習アルゴリズム オプション、ネットワーク アーキテクチャ、または学習データの変更を選択および実装して、ネットワーク パフォーマンスを改善します。

30 分


6.

プロジェクト

15 分


7.

回帰の実行

連続的な数値応答を予測できる畳み込みネットワークを作成する。連続的な数値応答を予測できる畳み込みネットワークを作成する。

30 分


8.

イメージ内のオブジェクトの検出

ネットワークを学習させ、イメージ内の特定のオブジェクトを見つけてラベルを付ける。

45 分


9.

再帰型ネットワークによるシーケンスデータの分類

時系列データやセンサーデータなど、順序付けられたシーケンスデータに対して分類を実行するネットワークの構築および学習を行う。

45 分


10.

Classifying Categorical Sequences

Use recurrent networks to classify sequences of categorical data, such as text.

30 分


11.

出力シーケンスの生成

再帰型ネットワークを使用し、予測のシーケンスを作成する。

45 分


12.

プロジェクト

15 分

関連コース

MATLAB 基礎

データ解析、モデル化、プログラミングにおける MATLAB の主な機能について学習します。

ディープラーニング入門

ディープラーニング手法を使用した、画像認識を行う方法について学習します。

MATLAB による機械学習

データの探索方法や、予測モデルの構築方法について学習します。

クラスルーム形式のオプションをお探しですか。

MATLAB によるディープラーニングは、講師によるライブ形式のトレーニングでもご受講いただけます。