Intro to TensorFlow 日本語版

This course is part of Machine Learning with TensorFlow Google Cloud 日本語版 Specialization

Instructor: Google Cloud Training

Access provided by Coursera Learning Team

6 modules

Gain insight into a topic and learn the fundamentals.

12 reviews

Intermediate level

Some related experience required

2 weeks to complete

at 10 hours a week

Flexible schedule

Learn at your own pace

6 modules

Gain insight into a topic and learn the fundamentals.

12 reviews

Intermediate level

Some related experience required

2 weeks to complete

at 10 hours a week

Flexible schedule

Learn at your own pace

Skills you'll gain

Tools you'll learn

Details to know

Shareable certificate

Add to your LinkedIn profile

Assessments

12 assignments

Taught in Japanese

See how employees at top companies are mastering in-demand skills

Learn more about Coursera for Business

logos of Petrobras, TATA, Danone, Capgemini, P&G and L'Oreal

Build your subject-matter expertise

This course is part of the Machine Learning with TensorFlow Google Cloud 日本語版 Specialization

When you enroll in this course, you'll also be enrolled in this Specialization.

Learn new concepts from industry experts
Gain a foundational understanding of a subject or tool
Develop job-relevant skills with hands-on projects
Earn a shareable career certificate

There are 6 modules in this course

このコースの目的は、柔軟で手軽な TensorFlow 2.x と Keras を使用して、機械学習モデルを作成、トレーニング、およびデプロイすることです。TensorFlow 2.x API の階層について学び、TensorFlow の主要コンポーネントを実践演習で理解します。データセットと特徴列の扱い方について学びます。TensorFlow 2.x 入力データパイプラインの設計と作成の方法について学びます。tf.data.Dataset を使用して csv データ、NumPy 配列、テキストデータ、および画像を読み込む実践演習を行います。数値、カテゴリ、バケット、およびハッシュの特徴列を作成する実践演習も行います。

Keras Sequential API と Keras Functional API を使用してディープラーニングモデルを作成する方法を学びます。活性化関数、損失、および最適化について学びます。Jupyter ノートブックの実践演習では、基本的な線形回帰、基本的なロジスティック回帰、および高度なロジスティック回帰の機械学習モデルを作成できます。Cloud AI Platform での大規模な機械学習モデルのトレーニング、デプロイ、および本稼働の方法について学びます。

これは TensorFlow 2.x の入門コースです。TensorFlow 2.x では手軽な Keras を活用して機械学習モデルを作成できます。このコースでは、TensorFlow 2.x 入力データパイプラインの設計と作成、TensorFlow 2.x と Keras を使用した機械学習モデルの作成、機械学習モデルの精度向上、大規模に使用する機械学習モデルの記述について取り上げます。

What's included

2 videos

TensorFlow 2.x の新しいパラダイムについて学びます。TensorFlow API の階層について学び、TensorFlow の主要コンポーネント、テンソル、および変数を実践演習で理解します。

What's included

5 videos1 reading3 assignments2 app items1 discussion prompt

5 videos Total 22 minutes

TensorFlow の概要 7 minutes
TensorFlow API の階層 5 minutes
TensorFlow のコンポーネント: TensorFlow と変数 9 minutes
ラボの概要「Introduction to Tensors and Variables」 1 minute
ラボの概要「Writing low-level TensorFlow programs」 1 minute

1 reading Total 10 minutes

Reading 10 minutes

3 assignments Total 45 minutes

TensorFlow の概要 15 minutes
API 階層 15 minutes
テンソルと変数 15 minutes

2 app items Total 120 minutes

Introduction to Tensors and Variables 60 minutes
Writing low-level Tensorflow Code 60 minutes

1 discussion prompt Total 10 minutes

API 階層の重要性 10 minutes

データセットと特徴列の扱い方について学びます。tf.data.Dataset を使用して csv データ、NumPy 配列、テキストデータ、および画像を読み込む実践演習を行います。数値、カテゴリ、バケット、およびハッシュの特徴列を作成する実践演習も行います。

What's included

10 videos1 reading3 assignments6 app items1 discussion prompt

10 videos Total 25 minutes

概要 4 minutes
インメモリ処理とファイル処理 4 minutes
モデルトレーニング用データの準備 6 minutes
ラボの概要「Load CSV and NumPy Data」 0 minutes
ラボの概要「Loading Image Data」 1 minute
ラボの概要「Feature Columns」 1 minute
オプションのラボの概要「TFRecord and tf.Example」 1 minute
tf.data API を使用した大規模なデータセットに関するトレーニング 5 minutes
ラボの概要「Manipulating data with Tensorflow Dataset API」 1 minute
オプションのラボの概要「Feature Analysis Using TensorFlow Data Validation and Facets」 2 minutes

1 reading Total 15 minutes

Readings 15 minutes

3 assignments Total 45 minutes

練習問題: モデルトレーニング用データの準備 15 minutes
tf.data API を使用した大規模なデータセットのトレーニング 15 minutes
データパイプラインの設計と作成 15 minutes

6 app items Total 360 minutes

Load CSV and Numpy File Types in TensorFlow 2.0 60 minutes
Loading Images Using tf.data.Dataset 60 minutes
Introduction to Feature Columns 60 minutes
Lab Manipulating data with Tensorflow Dataset API 60 minutes
オプションのラボ「TFRecord and tf.Example」 60 minutes
オプションのラボ「Feature Analysis Using TensorFlow Data Validation and Facets」 60 minutes

1 discussion prompt Total 10 minutes

tf.data 10 minutes

このモジュールでは、Keras Sequential API を使用して TensorFlow モデルを記述することを学びます。ただし、モデルの記述の前に、活性化関数、損失、および最適化について学びます。次に、Keras Sequential API を使用してディープラーニングモデルを作成する方法を学びます。クラウドに予測モデルをデプロイする方法についても学びます。

What's included

5 videos1 reading2 assignments3 app items

5 videos Total 23 minutes

概要 1 minute
アクティベーション関数 9 minutes
アクティベーション関数: バックプロパゲーションで回避すべきこと 6 minutes
Keras Sequential API を使用したニューラルネットワーク 8 minutes
ラボの概要「Keras Sequential API」 0 minutes

1 reading Total 10 minutes

Readings 10 minutes

2 assignments Total 30 minutes

活性化関数 15 minutes
TF2 と Keras を使用したニューラルネットワーク 15 minutes

3 app items Total 180 minutes

Introducing the Keras Sequential API 60 minutes
Classification Using the Keras Sequential API and TensorFlow 2.0 60 minutes
オプションのラボ「Advanced Classification Using the Keras API and TensorFlow 2.0」 60 minutes

Sequential モデル API はほとんどのディープラーニングモデルの開発に適していますが、制約がいくつかあります。その一例を挙げると、入力ソースが複数あるモデル、出力先が複数になるモデル、レイヤを再利用するモデルを定義するのは単純ではありません。Keras Functional API は tf.keras.Sequential API より柔軟にモデルを作成する手段です。Functional API は非線形トポロジのモデル、レイヤを共有するモデル、入力または出力が複数あるモデルに対応できます。Keras Functional API ではモデルを柔軟に定義できます。特に、入力または出力が複数あるモデルや、レイヤを共有するモデルを定義できます。アドホックの非巡回ネットワークグラフを定義することもできます。大抵のディープラーニングモデルの主な目的は、レイヤの有向非巡回グラフ（DAG）です。Functional API はレイヤのグラフを作成する手段です。モデルのパフォーマンス向上に役立つ正則化についても学びます。

What's included

6 videos1 reading3 assignments1 app item

6 videos Total 29 minutes

Keras Functional API を使用したニューラルネットワーク 10 minutes
正則化: 基礎 5 minutes
正則化: L1、L2、および早期打ち切り 5 minutes
正則化: ドロップアウト 5 minutes
クラウドでのモデル提供 3 minutes
ラボの概要「Keras Functional API」 1 minute

1 reading Total 60 minutes

Readings 60 minutes

3 assignments Total 45 minutes

Keras Functional API 15 minutes
正則化 15 minutes
クラウドでのモデル提供 15 minutes

1 app item Total 60 minutes

The Keras Functional API 60 minutes

このコースでこれまでに取り上げた TensorFlow のトピックをここでまとめます。コア TensorFlow コード、tf.data API、Keras Sequential API、および Keras Functional API について復習し、最後には Cloud AI Platform での機械学習モデルのスケーリングについて取り上げます。