【動画で学習】UdemyのPython・機械学習 人気/おすすめ講座【セールでお得】

こちらでは、UdemyのPython講座を、おすすめ、セール情報とともに紹介していきまっす。

Udemy講座の特徴

udemy

具体的な講座を見る前に、Udemyについてざっと整理しておきましょう。

Udemyは動画ベースの学習サービス、以下のような特徴があります。

Udemyの特徴

  • 買い切り型で継続コストがない
  • その上、内容更新あり、質問可能
  • スマホ対応、流し聴き学習も可能
  • 30日間返金が可能
  • セールで頻繁に80%以上割引

なんといっても、買い切り型なので購入後は継続コスト等が一切不要なのが安心。

その上で、講座の内容がアップデートされたり、質問も可能なので、買い切りなのに利用できるサポートが手厚いです。

講座の内容も10時間以上に登るものも多く、1本で基礎から応用まで学習可能

ユーザー評価や、動画プレビューあり、さらには30日間の返金保証もあるので、まず失敗しない購入が可能

購入時に絶対に抑えておきたいのがセール。毎回80~90%OFFの割引されます。

基本月1回は必ずセールが開催されているので、そこで購入するようにしましょう。また、新規ユーザーは1本目は大概セール価格で購入可能です。

 

UdemyのPython講座 人気ランキング(セール情報付き)

以下がUdemyで学習できるPythonの最新の人気講座ランキング(日本語のもの)です。

セール価格情報も載せています。上述したとおりUdemyのセールは大きいので逃さずゲットしてください。

人気
Rank
学習コース評価
1
(4.5)
総評価数 18136件
2
みんなのAI講座 ゼロからPythonで学ぶ人工知能と機械学習 【2022年最新版】...
発売日 2016/11/17
受講者 54,422人
通常 15,000円
現在 2,440円
(4.3)
総評価数 9526件
3
(4.6)
総評価数 1097件
4
はじめてのPython 少しずつ丁寧に学ぶプログラミング言語Python3のエッセンス...
発売日 2018/02/15
受講者 15,316人
通常 15,000円
現在 1,840円
(4.3)
総評価数 3520件
5
(4.5)
総評価数 4922件
6
【完全初心者向け】絶対に挫折させないPython入門講座
発売日 2020/04/17
受講者 4,528人
通常 10,000円
現在 2,200円
(4.3)
総評価数 846件
7
爆速で5つのPython Webアプリを開発
発売日 2021/04/05
受講者 10,925人
通常 23,000円
現在 1,840円
(4.5)
総評価数 1243件
8
米国データサイエンティストが教える統計学超入門講座【Pythonで実践】...
発売日 2021/11/04
受講者 3,596人
通常 16,000円
現在 16,000円
(4.7)
総評価数 622件
9
米国AI開発者がゼロから教えるPython入門講座
発売日 2021/04/16
受講者 3,402人
通常 14,000円
現在 14,000円
(4.8)
総評価数 873件
10
(4.2)
総評価数 827件
11
(4.7)
総評価数 1226件
12
(4.2)
総評価数 2251件
13
プログラミング初心者でも安心、Python/Django入門講座
発売日 2017/03/27
受講者 13,453人
通常 24,000円
現在 2,080円
(4.3)
総評価数 2066件
14
【世界で18万人が受講】実践 Python データサイエンス
発売日 2015/09/28
受講者 44,348人
通常 12,000円
現在 1,960円
(3.9)
総評価数 7260件
15
Progateの次に学ぶ!Python演習問題100問パック!〜データ型・制御構文編〜...
発売日 2021/07/24
受講者 1,214人
通常 4,900円
現在 4,900円
(4.6)
総評価数 333件
16
(4.3)
総評価数 653件
17
【Pythonではじめる】ラズベリーパイと電子工作入門
発売日 2021/05/11
受講者 1,085人
通常 12,000円
現在 1,840円
(4.3)
総評価数 155件
18
【Pythonで学ぶ】OpenCVでの画像処理入門
発売日 2017/10/07
受講者 10,226人
通常 9,000円
現在 2,080円
(4.3)
総評価数 1605件
19
プログラミングを業務で活かす!PythonによるWeb API活用講座
発売日 2021/02/18
受講者 6,093人
通常 20,000円
現在 1,840円
(4.1)
総評価数 604件
20
(4.8)
総評価数 1228件
21
(4.3)
総評価数 486件
22
(4.4)
総評価数 483件
23
(4.4)
総評価数 618件
24
【PythonとStanで学ぶ】仕組みが分かるベイズ統計学入門
発売日 2018/01/20
受講者 9,524人
通常 22,000円
現在 1,960円
(4.5)
総評価数 1136件
25
Pythonで機械学習:scikit-learnで学ぶ識別入門
発売日 2016/10/17
受講者 13,664人
通常 2,440円
現在 1,840円
(4.3)
総評価数 1741件
26
科学技術計算のためのPython入門
発売日 2020/12/01
受講者 1,237人
通常 13,000円
現在 1,840円
(4.4)
総評価数 166件
27
たっぷりの練習問題を楽しみながら学ぶPython講座
発売日 2020/04/28
受講者 2,244人
通常 19,000円
現在 1,840円
(4.3)
総評価数 290件
28
プログラミング言語 Python 3 入門
発売日 2016/06/29
受講者 8,177人
通常 10,000円
現在 1,840円
(4.1)
総評価数 1949件
29
(4.5)
総評価数 230件
30
(3.8)
総評価数 354件
31
(4.2)
総評価数 387件
32
(4.6)
総評価数 345件
33
(4.1)
総評価数 329件
34
【4日で体験!】 TensorFlow, Keras, Python 3 で学ぶディープラーニング体験講座...
発売日 2016/12/23
受講者 15,391人
通常 14,000円
現在 2,080円
(4)
総評価数 2274件
35
Raspberry PiとPythonでIoTはじめの一歩~IoTキッチンガーデン講座~...
発売日 2019/06/30
受講者 3,226人
通常 24,000円
現在 1,960円
(4)
総評価数 523件
36
(4.5)
総評価数 2100件
37
PythonによるWebスクレイピング 〜Webアプリケーション編〜
発売日 2019/04/06
受講者 8,305人
通常 23,000円
現在 2,080円
(4.3)
総評価数 874件
38
Python3 の基礎 - 超入門・再入門 -
発売日 2018/07/17
受講者 1,988人
通常 15,000円
現在 2,200円
(4)
総評価数 432件
39
(4.5)
総評価数 206件
40
(4.7)
総評価数 715件
41
Python と AWS で始める!! 感情分析 AI を使った実践的 LINE Bot 開発入門...
発売日 2020/10/27
受講者 1,805人
通常 15,000円
現在 1,840円
(4.3)
総評価数 241件
42
(4.1)
総評価数 59件
43
作りながら学ぶ boto3 の基本 (AWS SDK for Python)
発売日 2021/01/14
受講者 584人
通常 2,440円
現在 1,840円
(3.7)
総評価数 122件
44
【Kaggleで学ぼう】Python と Keras で学ぶディープラーニング開発入門...
発売日 2018/10/18
受講者 5,203人
通常 11,000円
現在 1,960円
(4.6)
総評価数 831件
45
初心者必見!Pythonでニューラルネット・深層学習を完全攻略...
発売日 2017/10/14
受講者 5,303人
通常 10,000円
現在 2,200円
(4.1)
総評価数 1033件
46
(4)
総評価数 97件
47
Python 入門、初心者からマスタークラスへの道
発売日 2021/12/30
受講者 127人
通常 2,440円
現在 1,840円
(4.2)
総評価数 20件
48
(4.3)
総評価数 1387件
49
(4.4)
総評価数 371件
50
(3.8)
総評価数 212件
51
0から始めるTkinterの使い方完全マスター講座〜Python×GUIの基礎・応用〜...
発売日 2021/07/18
受講者 497人
通常 15,000円
現在 1,840円
(4.5)
総評価数 58件
52
【5日で学ぶ】情報セキュリティマネジメント入門(Python 3/Kali Linux)...
発売日 2017/03/26
受講者 7,719人
通常 11,000円
現在 2,080円
(4.1)
総評価数 873件
53
(4.4)
総評価数 406件
54
(4.2)
総評価数 472件
55
(4.5)
総評価数 24件
56
(4.6)
総評価数 20件
57
Python/Dash/Plotlyで簡単に機械学習WEBアプリを開発しよう
発売日 2021/06/23
受講者 240人
通常 11,000円
現在 1,840円
(4.1)
総評価数 42件
58
(4.2)
総評価数 179件
59
Python 3.8マスター講座!!0から文法、標準ライブラリ、numpy, pandas, SQLAlchemy...
発売日 2019/12/09
受講者 1,182人
通常 12,000円
現在 2,200円
(4.7)
総評価数 125件
60
【ゼロから始める入門講座】やってみよ!python!
発売日 2017/05/10
受講者 358人
通常 2,440円
現在 1,960円
(4)
総評価数 80件
61
【Python/Django3】Webアプリ作成からデプロイまで!
発売日 2020/06/17
受講者 838人
通常 4,900円
現在 4,900円
(4)
総評価数 160件
62
(4.3)
総評価数 80件
63
(3.7)
総評価数 85件
64
【TensorFlow・Python 3】GANによる画像生成AI自作入門
発売日 2018/03/09
受講者 3,844人
通常 10,000円
現在 2,200円
(4.2)
総評価数 379件
65
(3.8)
総評価数 66件
66
(4.3)
総評価数 14件
67
【 2時間でできる 】Django(Python)でECサイト爆速開発
発売日 2020/07/13
受講者 99人
通常 2,440円
現在 1,960円
(3.1)
総評価数 14件
68
(4)
総評価数 40件
69
【Python】 Django3で「本当に使える」WEBアプリケーションを開発しよう...
発売日 2020/12/01
受講者 1,113人
通常 2,440円
現在 1,840円
(4.5)
総評価数 123件
70
(4.2)
総評価数 138件
71
ゼロからはじめるR言語での可視化とPython言語での可視化
発売日 2017/05/03
受講者 968人
通常 2,440円
現在 2,440円
(3.8)
総評価数 159件
72
【Python 3 x Django 2.0】作りながら覚えるDjango
発売日 2016/12/11
受講者 2,940人
通常 23,000円
現在 2,080円
(3.3)
総評価数 424件
73
ゼロから徹底的に学ぶプログラミング言語 Python 3
発売日 2017/08/02
受講者 708人
通常 15,000円
現在 2,200円
(3.7)
総評価数 103件
74
Wix Django APIシステム開発講座【AWS Python 3 PostgresSQL Django 4】
発売日 2021/12/22
受講者 1,477人
通常 24,000円
現在 1,840円
(4.4)
総評価数 22件
75
(4.7)
総評価数 147件
76
(3.6)
総評価数 45件
77
(4)
総評価数 40件
78
(4.2)
総評価数 40件
79
(4)
総評価数 134件
80
Python 実践編 / ゼロから作る株価予想可視化AI / React + Django + Pytorch...
発売日 2020/11/10
受講者 203人
通常 18,000円
現在 1,840円
(2.6)
総評価数 23件
81
Python本格入門シリーズ オブジェクト指向プログラミング
発売日 2021/10/26
受講者 138人
通常 12,000円
現在 1,840円
(4.2)
総評価数 17件
82
(4.3)
総評価数 72件
83
(3.5)
総評価数 277件
84
(3)
総評価数 128件
85
(4.7)
総評価数 54件
86
AIへまっしぐら!Pythonアニマルズ : Go Ahead to AI, Python Animals!
発売日 2018/01/21
受講者 209人
通常 23,000円
現在 1,840円
(4)
総評価数 8件
87
(4.1)
総評価数 4件
88
(2.8)
総評価数 3件
89
(3.5)
総評価数 3件
90
(4.6)
総評価数 3件
91
ビットコインのQRコード決済をPythonで実装する
発売日 2022/07/08
受講者 1人
通常 24,000円
現在 24,000円
(0)
総評価数 0件
92
Pythonで体系的に学ぶデータサイエンスとAIの初歩 Vol.4
発売日 2022/07/26
受講者 23人
通常 12,000円
現在 1,840円
(0)
総評価数 0件
 

UdemyのPython 人気・おすすめの5講座

以下が今人気のおすすめの講座の詳細です。

Udemy講座では、1つのコースで基礎から応用まで幅広く学べるものが多く、コスパ高く学習可能。

自分にあったコースをセールでゲットして効率よく学習しましょう。

現役シリコンバレーエンジニアが教えるPython 3 入門 + 応用 +アメリカのシリコンバレー流コードスタイル

現役シリコンバレーエンジニアが教えるPython 3 入門 + 応用 +アメリカのシリコンバレー流コードスタイル
発売日 2017/03/04
(4.5)

29 total hours
現役シリコンバレーエンジニアが教えるPython入門!応用では、データ解析、データーベース、ネットワーク、暗号化、並列化、テスト、インフラ自動化、キューイングシステム、非同期処理など盛り沢山の内容です!

このコースでは、Python3の基礎である入門コースを一通り終えた後に、今後のアプリケーション開発に役立つためのPythonのテクニックやデーターベースアクセス(SQLite, MySQL, MongoDB, SQLAlchemy, memcached, Hbase, neo4j etc)、WEB(Flask, socket, RPC etc)、インフラ自動化(Fabric, Ansible)、並列化(スレッド、マルチプロセス)、テスト(Unittest, pytest, Tox, Selenium, etc)、暗号化(pycrypto, hashlib)、グラフィック(turtle, Tkinter)、データ解析(numpy, pandas, matplotlib, scikit-learn), キューイングシステム(ZeroMQ, Celery)、非同期処理(asyncio)などのPythonを使った応用編を取り入れております。

また、Pythonのコードをただ書いて、プログラムが動けば良いというだけではなく、コードスタイルに関しても言及しております。pythonicにと言われるように、PythonはPythonらしく綺麗でわかりやすいコードを書くことが大切です。

私が10年以上勤務しているアメリカのシリコンバレーのIT企業ですが、どの企業にも世界の多くの国から、良いプログラマーが集まってきます。そのため、他の国から来た異文化の人がコードを読んでも理解できるように綺麗に書かなければなりません。

日本では、他の人にはわからない難しいコードが書ける人が素晴らしいプログラマーだとされる傾向がありますが、シリコンバレーでは、いかに綺麗にわかりやすいコードを書けるかが重要となって来ております。アメリカでは、解雇や転職などの機会も多く、コードは常に誰か新しいメンバーが入って来てもすぐにわかるようにしなければならないため、他の人にわかりにくいコードを書くブログラマーは解雇対象となってしまいます。

まずは、Pythonの基礎を学んで、アプリケーション開発の際には、コードスタイルに気をつけて、Pythonicなコードが書けるように目指しましょう。

皆様の今後のご活躍にお役に立てるようなコースとなれば幸いです。それでは、今後の皆様のご活躍を祈っております。


↓全て表示↑少なく表示
 
Users Voice
Udemyを初めて使う人に自分の自己紹介やUdemyとはどんな事をしているのかの好奇心がそそらされたので、☆5を付けさせていただきます。 (参考:Udemy)

↓全て表示 ↑少なく表示
幅広くPythonの内容を扱っており良かった。 セクション9:の内容がよくわからなかった 時々画面のソースコードが小さく苦労した。 (参考:Udemy)

↓全て表示 ↑少なく表示
 
レクチャー内容
  1. ここから開始しましょう。
    • はじめに
    • アメリカ本社のUdemyオフィスに遊びに行ってきました
    • 講義の話すスピードを変更したい場合
  2. Python環境の設定
    • MacにPythonをインストールする
    • MacにPycharmをインストールする
    • WindowsにPythonをインストールする
    • WindowsにPycharmをインストールをする
  3. Pythonの基本
    • 変数宣言
    • まずはprintで出力
    • 数値
    • 文字列
    • 文字列のインデックスとスライス
    • 文字のメソッド
    • 文字の代入
    • f-strings
  4. データー構造
    • リスト型
    • リストの操作
    • リストのメソッド
    • リストのコピー
    • リストの使い所
    • タプル型
    • タプルのアンパッキング
    • タプルの使い所
    • 辞書型
    • 辞書型のメソッド
    • 辞書のコピー
    • 辞書の使い所
    • 集合型
    • 集合のメソッド
    • 集合の使い所
  5. 制御フローとコード構造
    • コメント
    • 1行が長くなる時
    • if文
    • デバッガーを使って確認してみる
    • 比較演算子と論理演算子
    • InとNotの使い所
    • 値が入っていない判定をするテクニック
    • Noneを判定する場合
    • while文とcontinue文とbreak文
    • while else文
    • input関数
    • for文とbreak文とcontinue文
    • for else文
    • range関数
    • enumerate関数
    • zip関数
    • 辞書をfor文で処理をする
    • 関数定義
    • 関数の引数と返り値の宣言
    • 位置引数とキーワード引数とデフォルト引数
    • デフォルト引数で気をつけること
    • 位置引数のタプル化
    • キーワード引数の辞書化
    • Docstringsとは
    • 関数内関数
    • クロージャー
    • デコレーター
    • ラムダ
    • ジェネレーター
    • リスト内包表記
    • 辞書包括表記
    • 集合内包表記
    • ジェネレーター内包表記
    • 名前空間とスコープ
    • 例外処理
    • 独自例外の作成
  6. モジュールとパッケージ
    • コマンドライン引数
    • Import文とAS
    • 絶対パスと相対パスのImport
    • アスタリスクのインポートと__init__.pyと__all__の意味
    • ImportErrorの使い所
    • setup.pyでパッケージ化して配布する
    • 組み込み関数
    • 標準ライブラリ
    • サードパーティーのライブラリ
    • importする際の記述の仕方
    • __name__と__main__
  7. オブジェクトとクラス
    • クラスの定義
    • クラスの初期化とクラス変数
    • コンストラクタとデストラクタ
    • クラスの継承
    • メッソドのオーバーライドとsuperによる親のメソッドの呼び出し
    • プロパティーを使った属性の設定
    • クラスを構造体として扱う時の注意点
    • ダックタイピング
    • 抽象クラス
    • 多重継承
    • クラス変数
    • クラスメソッドとスタティックメソッド
    • 特殊メソッド
  8. ファイル操作とシステム
    • ファイルの作成
    • withステートメントでファイルをopenする
    • ファイルの読み込み
    • seekを使って移動する
    • 書き込み読み込みモード
    • テンプレート
    • CSVファイルへの書き込みと読み込み
    • ファイル操作
    • tarfileの圧縮展開
    • zipfileの圧縮展開
    • tempfile
    • subprocessでコマンドを実行する
    • datetime
  9. 入門編の終了 応用編に行く前に簡単なアプリケーションの演習
    • WindowsとMacのコマンド
    • 簡単なアプリケーションを作って見よう
    • デモアプリケーションの流れを説明したPDFファイル
    • デモアプリのコードを展開する
    • サンプルのデモアプリケーションのコード
    • サンプルコードの設計とフォルダ構造の解説
    • サンプルコードのViewsとテンプレートの解説
    • サンプルコードのmodelsとcontrollerの解説
  10. コードスタイル
    • コードスタイルをチェックするツールの確認
    • スタイルルール
    • Pythonの書き方
    • ドキュメントとPylint
    • 文章のようにPythonを書く
  11. コンフィグとロギング
    • 応用編に行く前に
    • configparser
    • yaml
    • ロギング
    • ロギング フォーマッタ
    • ロギング ロガー
    • ロギング ハンドラー
    • ロギング フィルタ
    • ロギング コンフィグ
    • ロギングの書き方
    • Email送信
    • 添付ファイルEmail送信
    • SMTPハンドラーでログをEmail送信
    • virtualenv
    • optparse
  12. データーベース
    • データーベースに関して
    • MacにHomeBrewとSQLiteをインストールする
    • WindowsにSQLiteをインストールする
    • SQLite
    • MacにMySQLをインストールする
    • WindowsにMySQLをインストールする
    • MySQL
    • SQLAlchemy
    • DBM
    • memcached
    • pickle
    • MacにMongoDBをインストールする
    • WindowsにMongoDBをインストールする
    • MongoDB
    • Hbase
    • Macにneo4jをインストールする
    • Windowsにneo4jをインストールする
    • neo4j
    • データーベースのおさらい
  13. WEBとネットワーク
    • XML
    • Json
    • urllib.request
    • requests
    • socket通信
    • socketserverとhttp.serverとwebbrowser
    • Flask
    • BeautifulSoupでWEBスクレピング
    • XML RPC
    • networkx
  14. テスト
    • doctest
    • Unittest
    • Unittestで例外テスト
    • Unittestのsetupとteardown
    • Unittestのスキップ
    • pytest
    • pytestで例外テスト
    • pytestのsetupとteardown
    • pytestのスキップ
    • pytestのconftest
    • pytestのfixture
    • pytestの独自のfixture
    • pytest-cov どこまでテストをすればいいのか
    • noseのwebページの紹介
    • setuptoolsでtestを実行する
    • Toxで仮想環境でテストを行う
    • seleniumでUIの自動テスト
    • mock
    • mock.assert
    • mock.patch
    • mock.side_effect
    • mock spec
    • どこまでmockするか
  15. 並列化
    • マルチスレッドとマルチプロセス
    • スレッド
 
Preview Video
   

みんなのAI講座 ゼロからPythonで学ぶ人工知能と機械学習 【2022年最新版】

みんなのAI講座 ゼロからPythonで学ぶ人工知能と機械学習 【2022年最新版】
発売日 2016/11/17
(4.3)

9 total hours
【Google Colaboratory対応】初心者向けの人工知能と機械学習のコースです。プログラミング言語Pythonを使って、機械学習とプログラミングの基礎、必要な数学を勉強しましょう!文字認識や株価分析なども行います。

-------------------- お知らせ -----------------------

本コースは、2020年8月3日に全面リニューアルされました。

開発環境はGoogle Colaboratorlyに変更され、コードも全面的に更新されました。

旧レクチャーの動画は2021年9月1日に削除されました。

----------------------------------------------------

みんなのAI講座は、誰に対しても開かれた人工知能、機械学習の講座です。プログラミングや数学の事前知識はほとんど必要ありません。

難解な数式やプログラミングが学習の妨げであった方でも、問題なく学習できます。

文系や非エンジニアの方にもお勧めです。

Udemyの受講生数が数万人に及ぶ経験豊富な講師が指導します。

本コースでは、人工知能技術全般の解説を行いますが、実際にを書くのは主に機械学習のコードです。

機械学習のコードは、人工知能の分野で最もメジャーなプログラミング言語、Pythonで記述します。

開発には、Google Colaboratoryという開発環境を使います。これにより、初心者の方が躓きやすい環境設定が大幅に楽になります。ターミナルなどのコマンドラインを開く必要はありません。

データの分類や、文字認識、株価分析などの実践も行います。

その他コースの特徴は、以下通りです。

- 理論よりも体験を、手を動かすことを重視します。

- 可能な限り、簡単な数学を用いて解説します。

- 必要な数学はグラフィカル、直感的に解説します。

- ニューラルネットや機械学習などの難しい概念は、細かく分解して少しずつ学習します

- プログラミング初心者、未経験者でも大丈夫です。プログラミング言語Pythonを基礎から勉強します。

- 機械学習の基礎が身につきます。機械学習のコードを一から実装します。既存の有名ライブラリの解説も行います。

なお、大学レベル以上の数学や、機械学習の深い理論の解説は行いませんのでご注意ください。

ディープラーニングに関しては、概念のみの解説となります。


2021.4.26 Section2、Section7にレクチャーが追加されました。


↓全て表示↑少なく表示
 
Users Voice
AIや機械学習に興味があり、当講座を受講させていただきました。 文系且つPython初心者なので内容的に難解でしたが、途中で辞めることなく終えることが出来ました。 きっと書籍で勉強していたら数ページで挫折していたと思います。 (参考:Udemy)

↓全て表示 ↑少なく表示
ゼロから学ぶ人にとっては少し説明不足な点があるかなと感じました。私は非常に満足です。 (参考:Udemy)

↓全て表示 ↑少なく表示
 
レクチャー内容
  1. 人工知能の概要と開発環境
    • 教材の使い方について
    • イントロダクション
    • 講座の概要
    • 人工知能の概要
    • Pythonの概要
    • 学習の心構え
    • 開発環境について
    • 演習: 人工知能の概要と開発環境
    • 質疑応答: 人工知能の概要と開発環境
  2. Pythonの基礎
    • セクション2の教材
    • セクション2の概要
    • Pythonの基礎1
    • Pythonの基礎2 PART1
    • Pythonの基礎2 PART2
    • Pythonの基礎3 PART1
    • Pythonの基礎3 PART2
    • Pythonの基礎4(2021.4.26追加)
    • 演習: Pythonの基礎
    • 質疑応答: Pythonの基礎
  3. 必要な数学の学習
    • セクション3の教材
    • セクション3の概要
    • 関数の描画
    • べき乗とネイピア数
    • シグモイド関数
    • 演習: 必要な数学の学習
    • 質疑応答: 必要な数学の学習
  4. ニューラルネットワーク
    • セクション4の教材
    • セクション4の概要
    • ニューラルネットワークの概要
    • 単一ニューロンの実装
    • 外部データの導入
    • ニューラルネットワークの実装
    • 演習: ニューラルネットワーク
    • 質疑応答: ニューラルネットワーク
  5. 機械学習
    • セクション5の教材
    • セクション5の概要
    • 学習の仕組み
    • 出力層の学習
    • 中間層の学習
    • 演習: 機械学習
    • 質疑応答: 機械学習
  6. 機械学習ライブラリの活用
    • セクション6の教材
    • セクション6の概要
    • scikit-learnの概要
    • 手書き文字認識
    • 株価の予測
    • 演習: 機械学習ライブラリの活用
    • 質疑応答: 機械学習ライブラリの活用
  7. さらに学ぶために
    • セクション7の教材
    • セクション7の概要
    • 機械学習ライブラリの紹介
    • 数学の活用
    • 発展技術の解説
    • CPUとGPU(2021.4.26追加)
    • AIを利用したサービス(2021.4.26追加)
    • 人工知能の未来
    • 質疑応答: さらに学ぶために
  8. 付録
    • 「付録」について(2022.1.27追加)
    • 内包表記(2022.1.27追加)
    • 無名関数とコールバック(2022.1.27追加)
  9. ボーナスレクチャー
    • ボーナスレクチャー
 
Preview Video
   

独学で身につけるPython〜基礎編〜【業務効率化・自動化で残業を無くそう!】

独学で身につけるPython〜基礎編〜【業務効率化・自動化で残業を無くそう!】
発売日 2021/06/03
(4.6)

7 total hours
Pythonの入門に最適なコースです。初心者にとって挫折の原因となる過剰な知識を除外した必要十分な基礎レクチャーに加えて、業務での活用を見据えた実践レクチャーも収録。業務を効率化したいならVBAやRPAより断然Pythonがオススメです!

「Pythonに興味はあるけれど・・・」

「自分にはプログラミングなんてとても・・・」

「結局挫折してしまいそうで・・・」


そんな一歩踏み出すきっかけが欲しいあなたにオススメのコースです。

業務を効率化したいなら、コスト・汎用性・難易度・処理速度の観点から総合的に見て、VBAやRPAより断然Pythonをオススメします!

詳しいカリキュラムについては"コースの内容"をご確認下さい。



プログラミングは決して限られた人にしか扱えないものではありません。

誰にでも門戸は開かれており、あなたも必ずプログラムが書けるようになります。

スマホのアプリを使うのと同じように、気楽に楽しみましょう。


完璧である必要は全くなく、ハイレベルを目指す必要もありません。

大谷翔平でなくても野球をして良いし、楽しむことができますよね。それと同じです。

ただあなたの日々の仕事や生活に、あなたのできる範囲でプログラミングを活用し、今より少しでも充実した毎日になる。それで十分なのです。



プログラミングを習得すれば、

  できる仕事の範囲が広がる・可処分時間が増える

        ↓

  自分でコントロールできる仕事(裁量権)が増える・ストレスが減る

        ↓

  会社生活・私生活がもっと充実する

という好循環に入ることができます。


是非この機会に、一緒に楽しみながらスキルアップしましょう!


それでは、コースでお会いできることを楽しみにしております。




↓全て表示↑少なく表示
 
Users Voice
ほぼ初めてpythonのプログラムを書きましたが、1つ1つの項目の説明が丁寧でわかりやすく、動画を見ながら実際に手を動かして最後まで楽しみながら進められました。演習問題は少し難しかったですが、これまで習ったものを組み合わせて使うイメージが持て、とても理解が深まりました。 このコースの中に自身の業務効率でやりたいことが沢山詰まっていたので、基礎編を終えて、早速自身の業務効率のためのコード作成も着手しています。 次の応用編も学習して、さらにスキルを伸ばしていきたいと思います。 (参考:Udemy)

↓全て表示 ↑少なく表示
最近話題のPythonでこんなことができる という刺激になりました。後半はwebのHTLMの解析的なことが必要だったり、何よりPythonのライブラリに関する情報がないと難しい ことがありました。 また、途中でテキストで注書きがでますが、Pythonのライブラリがアップデートされているなど、変化の早い分野なのだと思いました。 自分でコードを起こすなどするので、実際よりも受講時間がかかります。 (参考:Udemy)

↓全て表示 ↑少なく表示
 
レクチャー内容
  1. はじめに
    • 講師紹介・コースの特徴
    • Udemyの使い方Tips
    • コース受講中の注意事項
    • 質問用テンプレート
  2. プログラミングの基本
    • プログラムとは?プログラミングとは?
    • なぜPythonがオススメなのか
    • プログラミング学習の心得
  3. 環境構築
    • 環境構築の前に
    • PythonとJupyter Notebookのインストール
    • Macでの環境構築手順
    • ソースコードについて
  4. プログラミングをしてみよう
    • Jupyter Notebookの使い方
    • 数値と四則演算
    • 文字列
    • 変数
    • リスト
    • if文
    • for文
    • ライブラリ
    • 演習問題
    • 演習問題解説
    • 【追加コンテンツ】演習問題その2
    • セクション4のソースコード
  5. Excel操作の自動化
    • 目標物の確認
    • Excelファイルの扱い方
    • プログラム作成
    • セクション5のソースコード
  6. ブラウザ操作の自動化
    • WEBサイトについて
    • プログラム作成
    • セクション6のソースコード
  7. (番外編)LINE通知プログラムを作ってみよう
    • プログラム作成
    • セクション7のソースコード
  8. おわりに
    • おわりに
  9. ボーナスレクチャー
    • ボーナスレクチャー
    • Udemy Businessでご受講の皆様へ
  10. (おまけ)Windowsの業務効率化テクニック集
    • (おまけ)Windowsの業務効率化テクニック集
    

はじめてのPython 少しずつ丁寧に学ぶプログラミング言語Python3のエッセンス

はじめてのPython 少しずつ丁寧に学ぶプログラミング言語Python3のエッセンス
発売日 2018/02/15
(4.3)

4.5 total hours
AIやデータサイエンスの講座でPythonが難しかった方は、この講座から始めましょう。今最も熱いプログラミング言語Pythonを学ぶことで、あなたの可能性は大きく広がります。プログラミング入門用の教材としてもおすすめです。

はじめてのPythonは、誰にでも開かれたPython初心者向けの講座です。

プログラミング言語Pythonをゼロから少しづつ丁寧に解説するので、Pythonの本質を無理なく着実に身につけることができます。

高い学習効率も本コースの特徴の一つです。

講義と演習を軸として、高い学習効率が実現できるようにコースが設計されています。

Pythonのコードに慣れるために、演習ではコードを実際に書いたりカスタマイズしたりします。

レクチャーの難易度は緩やかに上昇するので、プログラミング初心者の方でも問題なく受講することができます。もし、不明な点が生じましたら、Q&Aで遠慮なくご質問ください。

ゼロからPythonを学習し、楽しみながらそのエッセンスを身につけていただくことがこのコースの目的です。

————————————————————

Pythonは、とてもコストパフォーマンスのいいプログラミング言語です。

文法が簡潔で学習の敷居が低いにもかかわらず、高い汎用性を持っています。

そして、様々なプログラミング言語別の年収ランキングで、Pythonエンジニアの年収は1位となっています。

近年Pythonが注目を集めている理由の一つに、人工知能の分野での活躍があります。

機械学習やディープラーニングを含む人工知能の開発でスタンダードとなっており、FacebookやGoogleなどの先端企業で高い利用実績があります。

統計用ライブラリが充実しているため、データサイエンスの分野でも活躍しています。

ビッグデータの解析においても、Pythonはとても有用です。

また、IoTやロボット制御の分野において、ハードウェアの制御や自律型ロボットのアルゴリズムにPythonは用いられています。

そして、YouTube、Instagram、DropboxなどのWebアプリは、Pythonで開発されています。

その他にも、自然言語処理、数学、生物学、天文学などPythonは分野の垣根を超えて大活躍しています。

コードが簡潔に書けるため、専業のプログラマでなくても実用的なコードが書けるのが大きなメリットです。

以上のように、Pythonは実績、汎用性共に申し分なく、有用で将来性のあるプログラミング言語です。

実際にPythonは社会を様々な形で支えており、Pythonエンジニアの需要は高まっています。

様々な国内外の企業がで高待遇で募集していますが、需要に供給が追いついていません。

————————————————————

本コースの開発環境、AnacondaとJupyter Notebookは簡単にダウンロード、インストールすることができます。

環境構築の敷居が非常に低いため、プログラミング初心者の方にもお勧めです。

Pythonの習得は、あなたの可能性を大きく広げます。

本コースを修了した方は、早速Pythonを何かに使ってみたくなるのではないでしょうか。


↓全て表示↑少なく表示
 
Users Voice
丁寧に説明していると思いますが、たまにもう少しここは丁寧説明していただけるとわかりやすかった部分がありました。 (参考:Udemy)

↓全て表示 ↑少なく表示
通常の講義では扱わないような疑問点について理解できる講義であり、初心者にとっては、非常に有益だった。 (参考:Udemy)

↓全て表示 ↑少なく表示
 
レクチャー内容
  1. イントロダクション
    • コースの概要
    • Pythonの概要
    • コースの学び方
  2. 学習の準備をしよう
    • Anacondaのインストール
    • Anaconda NavigatorとJupyter Notebook
    • Jupyter Notebookの使い方
    • 教材のダウンロード
    • 演習の解答例について
  3. 基本的なコードを書こう
    • コメント
    • 変数の概念
    • 型の概念
    • 文字列
    • 数値と文字列の組み合わせ
  4. 演算子を使ってみよう
    • 数値計算の演算子
    • 代入演算子
    • 比較演算子
    • 論理演算子
    • 三項演算子
    • 文字列の演算
    • 演算の優先順位
  5. データをまとめて扱おう
    • リストの操作1
    • リストの操作2
    • リストのコピー
    • タプルの操作
    • 辞書の操作
    • セットの操作
  6. 制御文を書いてみよう
    • if文1
    • if文2
    • for文
    • while文
    • ループと分岐の組み合わせ
    • ループの制御
    • 内包表記
  7. 文章を扱ってみよう
    • 文字列の操作1
    • 文字列の操作2
    • 文字列の検索
    • 正規表現1
    • 正規表現2
  8. 関数に処理をまとめてみよう
    • シンプルな関数
    • 引数
    • 返り値
    • 引数の指定方法
    • 引数をまとめて扱う
    • 無名関数
    • コールバック
    • 変数のスコープ
    • モジュール
  9. オブジェクト指向を学ぼう
    • オブジェクト指向
    • メソッド
    • インスタンス変数
    • コンストラクタ(イニシャライザ)
    • クラス変数とクラスメソッド
    • クラス変数とインスタンス変数の組み合わせ
    • クラスの継承
    • 特殊なメソッド
  10. ファイルと例外処理を学ぼう
    • ファイルへの書き出し
    • ファイルの読み込み
    • with構文
    • csvファイル
    • 例外処理
  11. デスクトップアプリを作ってみよう
    • デスクトップアプリとは?
    • ウィンドウの表示
    • ウィジェット
    • ダイアログの表示
    • ロジックの構築
  12. Webスクレイピングをやってみよう
    • Webスクレイピングとは?
    • Webスクレイピングの準備
    • HTMLの取得
    • HTMLのパース
  13. さらに学びたい方のために
    • Webアプリ開発
    • AI・機械学習・ディープラーニング
    • まとめ
  14. ボーナスレクチャー
    • ボーナスレクチャー
 
Preview Video
   

【ゼロから始めるデータ分析】 ビジネスケースで学ぶPythonデータサイエンス入門

【ゼロから始めるデータ分析】 ビジネスケースで学ぶPythonデータサイエンス入門
発売日 2017/09/19
(4.5)

8.5 total hours
分析コンペティションに参加しながら回帰分析による売上予測、機械学習での顧客ターゲティングなど実践的なビジネス課題でデータ分析の一連の流れを身に着けよう。 プログラミング初心者にもおすすめ。

【概要】
本講座では、データサイエンスをこれから勉強したい方や興味はあるが何をどうやって勉強すれば良いかわからない方、及びプログラミング初心者を対象としています。データサイエンスの一連の流れを体験できるカリキュラムとなっており、学ぶべきことのヒントを散りばめ、よりステップアップしていく為の足掛かりとなるような設計を心がけました。

【本講座のこだわり】

  • 実践を重視し、リアルなデータと課題を教材として採用しています
  • 言葉や概念を学習するスライドの章とプログラミングしながら実践する章の2つを用意しています
  • 一問一答形式の教材を用意。問題を解き進めることでプログラミングが徐々に身につき、データサイエンスの流れが体験できるようになっています
  • 分析コンペティションも教材として採用し、楽しみながら学習が進められます
  • 講座終了後に使用した教材が自身の教科書となるようになっており、もう一度ご自身の力で教材の問題を解き直すことで復習にも利用できます
  • 発展的な内容は極力除外し、なるべく平易な表現や例を使い、イメージで理解できるように工夫しました

【その他】

  • python3を採用し、プログラミング環境はjupyter notebookを利用
  • 11個のjupyter notebookファイルをオリジナル教材として用意

【講師より】
本講座でご紹介するのはデータサイエンスの中でもごく一部ですが、概要がわかり、ちょっと手が動かせるようになると、ご自身でどんどん学習を進められるようになります。より多くの方がデータサイエンスに興味を持っていただき、ご活躍頂ける為に、本講座が少しでも皆さんのお役に立てれば幸いです。


↓全て表示↑少なく表示
 
Users Voice
繰り返し同じコードを書くことで体で覚えることができました。また重回帰と決定木という代表的な手法を通じてデータ分析に必要なベーシックなスキルを身につけることが出来ました。最後に次にどんな講座を受けたら良いかアドバイスがあれば尚良いなと感じました。有り難うございました! (参考:Udemy)

↓全て表示 ↑少なく表示
基本的なデータ処理を学ぶことが出来ます。 Pythonの基本的な操作を学んでから受講すると自分でカスタマイズできるのでより学習が深まります。 (参考:Udemy)

↓全て表示 ↑少なく表示
 
レクチャー内容
  1. はじめに
    • 【スライド】本講座について
    • 【スライド】本講座の流れ
  2. 分析環境を整えよう
    • 【スライド】pythonとjupyter
    • 【スライド】インストールしてみよう
    • Anacondaのインストール(windows)
    • Anacondaのインストール(mac)
    • 【ドキュメント】Anacondaについて
    • Matplotlibの日本語化について
    • Matplotlibの日本語化 (Windows)
    • Matplotlibの日本語化(mac)
    • 【ドキュメント】Matplotlibの日本語化について
  3. まずデータに向き合おう
    • 【スライド】データに向き合う前に
    • 【ドキュメント】SIGNATE(旧DeepAnalytics)からデータをダウンロードしよう
    • 【ドキュメント】教材をダウンロードしよう
    • 【スライド】jupyterの立ち上げ方について
    • jupyterを立ち上げてみよう
    • 【スライド】まず基礎分析と可視化をしてみましょう
    • データを読み込んでみよう
    • 【実習1】答え合わせ
    • 【実習2】答え合わせ
    • 【実習3】答え合わせ
    • 【実習4】答え合わせ
    • 【実習5】答え合わせ
    • 【スライド】Pythonの基礎
    • データをもう少し詳しく見てみよう
    • 【実習1】答え合わせ
    • 【実習2】答え合わせ
    • 【実習3】答え合わせ
    • 【実習4】答え合わせ
    • 【実習5】答え合わせ
    • 【実習6】答え合わせ
    • グラフを描いてみよう
    • グラフを描いてみよう(ヒストグラム)
    • グラフを描いてみよう(箱ひげ図)
    • 【実習1】答え合わせ
    • 【実習2】答え合わせ
    • 【実習3】答え合わせ
    • 【スライド】色々なプロット
    • 欠損値を調べてみよう
    • 相関関係を見てみよう
  4. 予測するってどういうこと?
    • 【スライド】目的変数と説明変数
    • 【スライド】代表的な予測問題
    • 【スライド】予測モデルを作るキホン
  5. CASE1:お弁当大作戦~お弁当の売り上げを予測してみよう~
    • 【スライド】お弁当大作戦に挑戦してみよう
    • 【ドキュメント】教材をダウンロードしよう
    • 簡単な予測モデルを作ってみよう
    • 【実習1】答え合わせ
    • 【実習2】答え合わせ
    • 【実習3】答え合わせ
    • 【実習4】答え合わせ
    • 【実習5】答え合わせ
    • 【実習6】答え合わせ
    • 【実習7】答え合わせ
    • 【実習8】答え合わせ
    • 【実習9】答え合わせ
    • 【実習10】答え合わせ
    • 【実習11】答え合わせ
    • 【実習12】答え合わせ
    • SIGNATE(旧DeepAnalytics)に結果を投稿しよう①
    • submit1の投稿結果を確認してみよう
    • submit2の投稿結果を確認してみよう
    • 【スライド】モデルの評価方法
    • 【スライド】重回帰モデルとダミー変数化
    • 重回帰モデルを作ってみよう
    • 【実習1】答え合わせ
    • 【実習2】答え合わせ
    • 【実習3】答え合わせ
    • 【実習4】答え合わせ
    • SIGNATE(旧DeepAnalytics)に結果を投稿しよう②
    • submit3の投稿結果を確認してみよう
    • 【スライド】特徴量の作成・選択
    • 特徴量を作ってみよう①
    • SIGNATE(旧DeepAnalytics)に結果を投稿しよう③
    • submit4の投稿結果を確認してみよう
    • 特徴量を作ってみよう②
    • SIGNATE(旧DeepAnalytics)に結果を投稿しよう④
    • submit5の投稿結果を確認してみよう
  6. CASE2:優良顧客を探せ!~銀行の顧客ターゲティング~
    • 【スライド】優良顧客を探せ!に挑戦してみよう
    • 【ドキュメント】教材をダウンロードしよう
    • 基礎分析をしよう
    • 【実習1】答え合わせ
    • 【実習2】答え合わせ
    • 【実習3】答え合わせ
    • 【実習4】答え合わせ
    • 【実習5】答え合わせ
    • 【実習6】答え合わせ
    • 【実習7】答え合わせ
    • 【スライド】機械学習に触れてみよう
    • 【ドキュメント】Graphvizのインストールについて
    • Graphvizのインストール①(windows)
    • Graphvizのインストール②(windows)
    • Graphvizのインストール③(windows)
    • Graphvizのインストール①(mac)
    • Graphvizのインストール②(mac)
    • Graphvizのインストール③(mac)
    • 決定木のモデルを作ってみよう
    • SIGNATE(旧DeepAnalytics)に結果を投稿しよう⑤
    • submit1_bankの投稿結果を確認してみよう
    • 【実習1】答え合わせ
    • 【実習2】答え合わせ
    • 【実習3】答え合わせ
    • 【実習4】答え合わせ
    • 【実習5】答え合わせ
    • SIGNATE(旧DeepAnalytics)に結果を投稿しよう⑥
    • submit2_bankの投稿結果を確認してみよう
    • 【スライド】パラメータとは?
    • パラメータをチューニングしてみよう①
    • パラメータをチューニングしてみよう②
    • SIGNATE(旧DeepAnalytics)に結果を投稿しよう⑦
    • submit3_bankの投稿結果を確認してみよう
    • 【実習1】問題について
    • 【実習1】答え合わせ
    • 【実習2】答え合わせ
    • 【実習3】答え合わせ
    • 【実習4】答え合わせ
    • 【実習5】答え合わせ
    • 【実習6】答え合わせ
    • SIGNATE(旧DeepAnalytics)に結果を投稿しよう⑧
    • submit4_bankの投稿結果を確認してみよう
  7. 次のステージへ
    • 【スライド】本講座のまとめ
  8. よくある質問
    • 【ドキュメント】よくある質問
    

UdemyのPython機械学習 人気・おすすめの5講座

以下が今人気のおすすめの講座の詳細です。

Udemy講座では、1つのコースで基礎から応用まで幅広く学べるものが多く、コスパ高く学習可能。

自分にあったコースをセールでゲットして効率よく学習しましょう。

みんなのAI講座 ゼロからPythonで学ぶ人工知能と機械学習 【2022年最新版】

みんなのAI講座 ゼロからPythonで学ぶ人工知能と機械学習 【2022年最新版】
発売日 2016/11/17
(4.3)

9 total hours
【Google Colaboratory対応】初心者向けの人工知能と機械学習のコースです。プログラミング言語Pythonを使って、機械学習とプログラミングの基礎、必要な数学を勉強しましょう!文字認識や株価分析なども行います。

-------------------- お知らせ -----------------------

本コースは、2020年8月3日に全面リニューアルされました。

開発環境はGoogle Colaboratorlyに変更され、コードも全面的に更新されました。

旧レクチャーの動画は2021年9月1日に削除されました。

----------------------------------------------------

みんなのAI講座は、誰に対しても開かれた人工知能、機械学習の講座です。プログラミングや数学の事前知識はほとんど必要ありません。

難解な数式やプログラミングが学習の妨げであった方でも、問題なく学習できます。

文系や非エンジニアの方にもお勧めです。

Udemyの受講生数が数万人に及ぶ経験豊富な講師が指導します。

本コースでは、人工知能技術全般の解説を行いますが、実際にを書くのは主に機械学習のコードです。

機械学習のコードは、人工知能の分野で最もメジャーなプログラミング言語、Pythonで記述します。

開発には、Google Colaboratoryという開発環境を使います。これにより、初心者の方が躓きやすい環境設定が大幅に楽になります。ターミナルなどのコマンドラインを開く必要はありません。

データの分類や、文字認識、株価分析などの実践も行います。

その他コースの特徴は、以下通りです。

- 理論よりも体験を、手を動かすことを重視します。

- 可能な限り、簡単な数学を用いて解説します。

- 必要な数学はグラフィカル、直感的に解説します。

- ニューラルネットや機械学習などの難しい概念は、細かく分解して少しずつ学習します

- プログラミング初心者、未経験者でも大丈夫です。プログラミング言語Pythonを基礎から勉強します。

- 機械学習の基礎が身につきます。機械学習のコードを一から実装します。既存の有名ライブラリの解説も行います。

なお、大学レベル以上の数学や、機械学習の深い理論の解説は行いませんのでご注意ください。

ディープラーニングに関しては、概念のみの解説となります。


2021.4.26 Section2、Section7にレクチャーが追加されました。


↓全て表示↑少なく表示
 
Users Voice
AIや機械学習に興味があり、当講座を受講させていただきました。 文系且つPython初心者なので内容的に難解でしたが、途中で辞めることなく終えることが出来ました。 きっと書籍で勉強していたら数ページで挫折していたと思います。 (参考:Udemy)

↓全て表示 ↑少なく表示
ゼロから学ぶ人にとっては少し説明不足な点があるかなと感じました。私は非常に満足です。 (参考:Udemy)

↓全て表示 ↑少なく表示
 
レクチャー内容
  1. 人工知能の概要と開発環境
    • 教材の使い方について
    • イントロダクション
    • 講座の概要
    • 人工知能の概要
    • Pythonの概要
    • 学習の心構え
    • 開発環境について
    • 演習: 人工知能の概要と開発環境
    • 質疑応答: 人工知能の概要と開発環境
  2. Pythonの基礎
    • セクション2の教材
    • セクション2の概要
    • Pythonの基礎1
    • Pythonの基礎2 PART1
    • Pythonの基礎2 PART2
    • Pythonの基礎3 PART1
    • Pythonの基礎3 PART2
    • Pythonの基礎4(2021.4.26追加)
    • 演習: Pythonの基礎
    • 質疑応答: Pythonの基礎
  3. 必要な数学の学習
    • セクション3の教材
    • セクション3の概要
    • 関数の描画
    • べき乗とネイピア数
    • シグモイド関数
    • 演習: 必要な数学の学習
    • 質疑応答: 必要な数学の学習
  4. ニューラルネットワーク
    • セクション4の教材
    • セクション4の概要
    • ニューラルネットワークの概要
    • 単一ニューロンの実装
    • 外部データの導入
    • ニューラルネットワークの実装
    • 演習: ニューラルネットワーク
    • 質疑応答: ニューラルネットワーク
  5. 機械学習
    • セクション5の教材
    • セクション5の概要
    • 学習の仕組み
    • 出力層の学習
    • 中間層の学習
    • 演習: 機械学習
    • 質疑応答: 機械学習
  6. 機械学習ライブラリの活用
    • セクション6の教材
    • セクション6の概要
    • scikit-learnの概要
    • 手書き文字認識
    • 株価の予測
    • 演習: 機械学習ライブラリの活用
    • 質疑応答: 機械学習ライブラリの活用
  7. さらに学ぶために
    • セクション7の教材
    • セクション7の概要
    • 機械学習ライブラリの紹介
    • 数学の活用
    • 発展技術の解説
    • CPUとGPU(2021.4.26追加)
    • AIを利用したサービス(2021.4.26追加)
    • 人工知能の未来
    • 質疑応答: さらに学ぶために
  8. 付録
    • 「付録」について(2022.1.27追加)
    • 内包表記(2022.1.27追加)
    • 無名関数とコールバック(2022.1.27追加)
  9. ボーナスレクチャー
    • ボーナスレクチャー
 
Preview Video
   

【世界で74万人が受講】基礎から理解し、Pythonで実装!機械学習26のアルゴリズムを理論と実践を通じてマスターしよう

【世界で74万人が受講】基礎から理解し、Pythonで実装!機械学習26のアルゴリズムを理論と実践を通じてマスターしよう
発売日 2020/03/09
(4.3)

22.5 total hours
単回帰、重回帰、ニューラルネットワーク、強化学習、自然言語処理、主成分分析といったテーマに関するアルゴリズムの実装から統計学を活用したモデリング、Google colabやTensorflowの使い方などMLに必要なすべてを習得します。

このコースは全世界で130万人を超える受講者を持ち、人工知能、機械学習、深層学習の第一人者、SuperDataScienceTeamによってUdemyで公開されているベストセラー「Machine Learning A-Z」の完全日本語版です。

オリジナルの講義の内容を、「講義/Pythonを用いた実装」という形で一から再収録しました(Rの実装は除いています)。


昨今メディアなどで人工知能、AI 、機械学習と言ったキーワードを聞かない日はありませんが、多くの方は 「興味は持っているものの、何から手を付けて良いのか分からない。」 「数学が苦手でとっつきにくい」 と感じている方も多いのではないでしょうか。

本コースはそのような学習者の為にデザインされたコースです。


文書の翻訳といった分野にとどまらず、IPhoneの音声認識、AmazonやNetfrixなどにおけるお勧め機能、Facebookなどにおける画像認識をはじめ、医療、宇宙開発、拡張現実など、あらゆる領域において活用できる可能性を秘めているのが人工知能・機械学習なのです。

また、世の中で生み出されるデータの量の増加により、今後更なる発展が期待される分野とも言えるでしょう。


その一方で、初学者にとって機械学習を学ぶにはハードルが高いという難点がありました。

機械学習の参考書を手に取ってはみたものの、複雑な数式だらけで挫折してしまった、という方もいらっしゃるかもしれません。

更に、機械学習は異なる領域の専門家がそれぞれの見解を元に書籍が作られているため、学ぶ内容に一貫性がないというもの非常に大きな問題でした。


機械学習を学んだことがあるが、挫折してしまった。そんな方にこそ是非受講して頂きたいコースです。

本コースでは、機械学習で用いられる26のアルゴリズムに関し、まずは直観的な理解をし、その上で実装をしていきます。 難しい数式は極力使わないように配慮していますので、数学に苦手意識がある方でもスムーズに学習を進めることが可能です。

また、それぞれのアルゴリズムをカテゴリに分け、まとめて学習を進めていきますので、それぞれの学習内容が有機的につながっていくでしょう。


本コースの内容は以下のとおりです。

  • Part 1 - データの前処理

  • Part 2 - 回帰: 単回帰, 重回帰, 多項式回帰, サポートベクトル回帰, 回帰木, ランダムフォレスト(回帰)

  • Part 3 - 分類: ロジスティック回帰, K近傍法, サポートベクトルマシン, カーネルSVM, ナイーブベイズ, 分類木, ランダムフォレスト(分類)

  • Part 4 - クラスタリング: K平均法, 階層クラスタリング

  • Part 5 - Association Rule Learning: Apriori, Eclat

  • Part 6 - 強化学習: Upper Confidence Bound, Thompson Sampling

  • Part 7 - 自然言語処理: Bag-of-words model

  • Part 8 - ディープラーニング: ニューラルネットワーク, 畳み込みニューラルネットワーク

  • Part 9 - 次元削減: 主成分分析, 線形判別分析, カーネル PCA

  • Part 10 - Model Selectionとブースティング: k分割交差検証, グリッドサーチ, XGBoost


本講義を終えた時には、機械学習のアルゴリズムに対する理解がぐっと深まっているでしょう。


これからも需要が伸びることが予想される機械学習の分野で、ライバルに差を付けたいという方は、ぜひとも本コースを受講してみてください。

本コースを終えた時には、機械学習に対する見え方が変わっていることをお約束します。


↓全て表示↑少なく表示
 
Users Voice
動画の時間は長いですが、それなりに一連の機械学習の内容を確認することができて非常に良いと思います。 (参考:Udemy)

↓全て表示 ↑少なく表示
専門的で知りたい情報を見ることができる。長く愛用してる。 (参考:Udemy)

↓全て表示 ↑少なく表示
 
レクチャー内容
  1. はじめに
    • ごあいさつ
    • はじめに
    • コースの道筋
    • 機械学習、ディープラーニング、AI(人工知能)の違い
    • 機械学習の具体例
    • 講義を進める上での参考情報
    • 講義で用いていくデータ
    • 講義で用いるデータの扱い方
    • Google Colabの使い方(オンラインで実装)
    • Spyderの使い方(手元のパソコンで実装)
    • コーヒーブレイク1:機械学習のおすすめ本
  2. --------------------Part1 データの前処理--------------------
    • データの前処理
  3. データの前処理
    • 実装で使うフォルダの確認
    • 前処理とは
    • ライブラリのインポート
    • 補足)独立変数と従属変数に分ける理由
    • 補足)ilocメソッド
    • データセットのインポート
    • オブジェクト指向プログラミングの概要(直観的な理解)
    • 欠損値の処理1(欠損値について)
    • 欠損値の処理2(実装)
    • カテゴリ変数のエンコーディングについて
    • 独立変数のエンコーディング
    • 従属変数のエンコーディング
    • 訓練用データセットとテスト用データセットへの分割
    • 補足)訓練用とテスト用にデータセットを分ける理由
    • feature scaling
    • 補足)feature scalingが必要な理由
    • コーヒーブレイク:統計学の追加講義のご案内
  4. --------------------Part2 回帰--------------------
    • 回帰
  5. 単回帰分析
    • 単回帰分析の直観的な理解1
    • 単回帰分析の直観的な理解2(最小二乗法)
    • 実装で使うフォルダの確認
    • 単回帰分析の実装 1
    • 単回帰分析の実装 2
    • 単回帰分析の実装 3
    • 単回帰分析-ボーナス問題
  6. 重回帰分析
    • データセットについて
    • 重回帰分析の直観的な理解1
    • 重回帰分析の直観的な理解2(高次元のイメージをつかむ)
    • 重回帰分析の直観的な理解3(線形回帰の前提)
    • 重回帰分析の直観的な理解4(ダミー変数トラップ)
    • p値について
    • 重回帰分析の直観的な理解5(変数の選択1)
    • 重回帰分析の直観的な理解5(変数の選択2)
    • 重回帰分析の直観的な理解5(変数の選択3)
    • 実装で使うフォルダの確認
    • 重回帰分析の実装1
    • 重回帰分析の実装2
    • 重回帰分析の実装3
    • 重回帰分析の実装4
    • (参考)変数減少法の実装について
    • 重回帰分析-ボーナス問題
  7. 多項式回帰
    • 多項式回帰の直観的な理解1
    • 実装で使うフォルダの確認
    • 多項式回帰の実装1
    • 多項式回帰の実装2
    • 多項式回帰の実装3
    • 多項式回帰の実装4
    • 補足)Polinomial featureが前処理に属する理由
  8. サポートベクトル回帰
    • サポートベクトル回帰の直観的な理解
    • 参考:非線形のSVR(カーネルSVM)
    • 実装で使うフォルダの確認
    • サポートベクトル回帰の実装1
    • サポートベクトル回帰の実装2
    • サポートベクトル回帰の実装3
    • サポートベクトル回帰の実装4
    • 補足)サポートベクトル回帰の実装
    • 補足)SVRではフィーチャースケーリングが必要な理由
  9. 回帰木
    • 回帰木の直観的な理解
    • 実装で使うフォルダの確認
    • 回帰木の実装1
    • 回帰木の実装2
    • 回帰木の実装3
    • 補足)回帰木の実装
  10. ランダムフォレスト(回帰)
    • ランダムフォレストの直観的な理解
    • 実装で使うフォルダの確認
    • ランダムフォレスト(回帰)の実装1
  11. 回帰モデルの評価
    • 決定係数
    • 自由度修正済み決定係数
  12. Pythonにおける回帰モデルのまとめ
    • 実装で使うフォルダの確認
    • 各回帰モデルの評価
    • 回帰のまとめ
  13. --------------------Part3 分類--------------------
    • 分類
  14. ロジスティック回帰
    • ロジスティック回帰の直観的な理解1
    • ロジスティック回帰の直観的な理解2
    • 実装で使うフォルダの確認
    • ロジスティック回帰の実装1
    • ロジスティック回帰の実装2
    • ロジスティック回帰の実装3
    • ロジスティック回帰の実装4
    • ロジスティック回帰の実装5
    • ロジスティック回帰の実装6
    • ロジスティック回帰の実装7
    • 補足)分類の境界が直線になる理由
  15. K近傍法
    • K近傍法の直観的な理解
    • 実装で使うフォルダの確認
    • K近傍法の実装1
    • K近傍法の実装2
    • K近傍法の実装3
  16. サポートベクトルマシン
    • サポートベクトルマシンの直観的な理解
    • 実装で使うフォルダの確認
    • サポートベクトルマシンの実装1
    • サポートベクトルマシンの実装2
    • サポートベクトルマシンの実装3
  17. カーネルSVM
    • カーネルSVMの直観的な理解1
    • カーネルSVMの直観的な理解2(高次元へのプロット)
    • カーネルSVMの直観的な理解3(rbfカーネル)
    • カーネルSVMの直観的な理解4(カーネル関数を使ったサポートベクトル回帰)
    • 実装で使うフォルダの確認
    • カーネルSVMの実装1
    • カーネルSVMの実装2
    • カーネルSVMの実装3
  18. ナイーブベイズ
    • ナイーブベイズの直観的な理解(ベイズの定理)
    • ナイーブベイズの直観的な理解(問題の整理)
    • ナイーブベイズ(車の場合)
    • ナイーブベイズの補足
    • 実装で使うフォルダの確認
    • ナイーブベイズの実装1
    • ナイーブベイズの実装2
    • ナイーブベイズの実装3
  19. 分類木
    • 分類木の直観的な理解
    • 実装で使うフォルダの確認
    • 分類木の実装1
    • 分類木の実装2
    • 分類木の実装3
  20. ランダムフォレスト(分類)
    • ランダムフォレストの直観的な理解
    • 実装で使うフォルダの確認
    • ランダムフォレストの実装1
    • ランダムフォレストの実装2
    • ランダムフォレストの実装3
  21. Pythonにおける分類モデルのまとめ
    • 実装で使うフォルダの確認
    • 各分類モデルの評価
  22. モデルの評価
    • false positiveとfalse negative
    • 混同行列(confusion matrix)
    • accuracy paradox
    • cap curve
    • cap curveの分析
    • 分類のまとめ
  23. --------------------Part4 クラスタリング--------------------
    • クラスタリング
  24. K平均法
    • K近平均の直観的な理解
    • Random Initialization Trap
    • クラスターの数の決め方(エルボー法)
    • 実装で使うフォルダの確認
    • K平均法の実装1
    • K平均法の実装2
    • K平均法の実装3
  25. 階層クラスタリング
    • 階層クラスタリングの直観的な理解
    • 樹形図の作成
    • 実装で使うフォルダの確認
    • 階層クラスタリングの実装1
    • 階層クラスタリングの実装2
    • 階層クラスタリングの実装3
    • 階層クラスタリングの実装4
    • クラスタリングのまとめ
  26. --------------------Part5 Association rule learning--------------------
    • Association rule learning
  27. Apriori
    • Aprioriの直観的な理解
    • 実装で使うフォルダの確認
    • Aprioriの実装1
    • Aprioriの実装2
    • Aprioriの実装3
    • Aprioriの実装4
    • Aprioriの実装5
  28. Eclat
    • Eclatの直観的な理解
    • 実装で使うフォルダの確認
    • Eclatの実装
  29. -------------------Part6 強化学習--------------------
        

    Pythonで機械学習:scikit-learnで学ぶ識別入門

    Pythonで機械学習:scikit-learnで学ぶ識別入門
    発売日 2016/10/17
    (4.3)

    9 total hours
    pythonの機械学習ライブラリscikit-learnを使って,識別の基本を徹底的にマスターしよう!

    このコースでは,機械学習における識別(分類・認識)の基礎をPythonを用いて学びます.このコースの目標は,機械学習でデータを識別するための一連の流れ(データの準備・前処理・識別器・評価など)を理解することです.Pythonの機械学習ライブラリscikit-learnとインタラクティブなプログラミング環境jupyter notebook (ipython notebook)を使って,実際にpythonコードを実行しながら学びます.

    レクチャーでは,notebook上で実行するpythonコードとその内容を説明します.pythonコードのnotebookはダウンロードできますので,レクチャーを見ながら・見た後で実際に実行することをおすすめします.自分なりに改変・修正すると,さらに理解が高まるでしょう.

    機械学習を理解するためには数学が必要になるのですが,このレクチャーでは(ほとんど)数式を使わず,コードを実行して結果を議論することで,機械学習のコンセプトを伝えるようにしています.理論的なことを知りたい場合には,他の資料を参考にしてください.

    プログラミングの注意:pythonやその他の言語でのプログラミング経験があることを前提にしていますので,python自体の説明は省略しています.


    レクチャーで使用しているnotebookはダウンロードできます.「レクチャー用のnotebookのダウンロードはこちら(ソースコードはここにあります)」というレクチャーを参照してください.


    ↓全て表示↑少なく表示
     
    Users Voice
    非常に素晴らしい講座です。 全体を通して,理論的に実際に動かしてみて,この部分はライブラリで簡単に処理できますという流れで作られているので,ただ単に動かせるようになるのではなく,理解して習得することができます。 ただ簡単ではないので,わからないところは自分で調べて理解を深めるという学習スタンスは必要です。 (参考:Udemy)

    ↓全て表示 ↑少なく表示
    機械学習の手順がわかりやすかったです。それ以外にもPCAなど、特徴量が感覚的に理解できました。 (参考:Udemy)

    ↓全て表示 ↑少なく表示
     
    レクチャー内容
    1. 機械学習とは
      • はじめに
      • 識別とは
      • 識別の流れ
      • ラベルについて
      • 回帰とは(ここでは扱わない)
      • 教師あり,教師なし,半教師あり
      • ディープラーニング(深層学習)とは
    2. Jupyter notebookの設定(Pythonプログラミングの環境設定)
      • 環境設定について
      • anacondaの紹介
      • macOS:ダウンロードとインストール
      • macOS:起動と終了
      • macOS:アップデート
      • macOS:ターミナルでの操作
      • windows:ダウンロードとインストール
      • windows:起動と終了
      • windows:アップデート
      • windows:コマンドプロンプトでの操作
      • linux:ダウンロードとインストール
      • linux:起動と終了
      • linux:アップデート
      • linux:ダウングレード
      • linux:GUIのAnaconda navigator
      • linux:anacondaを使わずaptとpipでインストールするなら
      • オプション:dockerを使うなら
      • オプション:どうしてもクラウドというならSageMathCloud
    3. 最初の例題:学習から識別まで
      • ipython notebookの簡単な使い方
      • レクチャー用のnotebookのダウンロードはこちら(ソースコードはここにあります)
      • 参考ウェブサイト
      • 2次元のデータで識別の例 03_01
      • 癌のデータを識別:学習とテストを半々に 03_02
      • アヤメのデータを識別:学習とテストを半々に,したらダメ 03_03
      • アヤメのデータを識別2:学習とテストをランダムに半分に 03_03
      • アヤメのデータを識別3:ランダムに分けて何度も 03_04
    4. 学習データとテストデータの準備
      • 学習データとテストデータの分け方概論
      • 学習データとテストデータが同じ場合 04_01
      • Hold-out 04_02
      • Hold-out 2: stratified 04_03
      • cross validation, stratified 10-fold CV 04_04
      • Leave One Out, Leave-p-out, Leave-one-gruop-out 04_05
      • 学習データ・検証データとテストデータ 04_06
    5. データから特徴量へ
      • データから特徴量へ
      • 欠損値の扱い・データクリーニング 05_01
      • 特徴抽出:テキストデータと特徴量 05_02
      • 特徴抽出:画像データと特徴量 05_02
      • 特徴選択 05_03
      • 特徴変換:PCA 05_04
      • 特徴変換:PCAと次元削減 05_04
      • 特徴変換:非線形(多項式)変換 05_04
      • 標準化 05_05
      • スケーリング 05_05
      • 正規化 05_05
      • PCA白色化 05_05
      • ZCA白色化 05_05
    6. テストデータの評価方法
      • 2クラス問題のconfusion matrix 06_01
      • 2クラス問題で重要なTP, TN, FP, FN 06_01
      • 多クラス問題のconfusion matrix 06_01
      • PCAで文字認識 06_01
      • precisionとrecall 06_02
      • f-measure,f値 06_02
      • precision, recall, f-measureをいっぺんに 06_02
      • 多クラス分類のprecisionとrecall 06_02
      • ROC AUC 06_03
      • ランダムならどうなるROC 06_03
      • average precision, AP 06_03
      • 多クラス問題のmAP 06_03
    7. いろいろな識別器
      • 2クラス識別と多クラス識別 07_01
      • 多クラス識別:One-vs-Rest (ロジスティック回帰) 07_01
      • 多クラス識別:One-vs-Rest (SVM) 07_01
      • 多クラス識別:One-vs-One (SVM) 07_01
      • 多クラス識別:ovrとovoの補足 07_01
      • kNN:最近傍識別器 (NN),k近傍識別器 (kNN) 07_02
      • kNN:KNNの亜種:radius NN 07_02
      • kNN:スケーリングしてKNN 07_02
      • パーセプトロン 07_03
      • パーセプトロン:平面・直線の数式
      • パーセプトロン:学習則
      • パーセプトロン:損失関数
      • パーセプトロン:損失関数をインタラクティブに 07_03
      • パーセプトロン:ランダムな動作 07_03
      • パーセプトロン:癌データの認識 07_03
      • パーセプトロン:まとめ 07_03
      • ロジスティック回帰 07_04
      • ロジスティック回帰:癌データの認識 07_04
      • ロジスティック回帰:2次元データで確率の予測 07_04
      • ロジスティック回帰:別の2次元データでも確率を 07_04
      • SVM:サポートベクターマシン,SVC 07_05
      • SVM:マージン,サポートベクトル,確率 07_05
      • SVM:非線形カーネル(rbf, poly) 07_05
      • SVM:癌データの認識 07_05
      • MLP:多層パーセプトロン 07_06
      • MLP:層を変えてみる 07_06
      • MLP:癌データの認識 07_06
      • ランダムフォレスト:2次元データの認識 07_07
      • ランダムフォレスト:別の2次元データの認識と過学習 07_07
      • ランダムフォレスト:癌データの認識 07_07
    8. パラメータ調整
      • 注意:並列計算のn_jobsの指定
      • 注意:windowsでのグリッドサーチの表示
      • グリッドサーチ:1パラメータのロジスティック回帰 08_01
      • グリッドサーチ:2パラメータのSVM 08_01
      • グリッドサーチ:3パラメータのSVM(linear, rbf) 08_01
      • グリッドサーチ:kNN 08_01
      • ランダムサーチ:多層パーセプトロン 08_01
      • パイプライン:PCAとロジスティック回帰を一緒に 08_02
      • パイプライン:スケーリングとSVMを一緒に 08_02
      • パイプライン:前処理もグリッドサーチで 08_02
      • 正則化パラメータC 08_03
      • 正則化パラメータと過学習 08_03
    9. 学習サンプル数が多いとき
      • linear SVM(lib linear) 09-01
      • inear SVM(liblinear):primalソルバ 09-01
      • linear SVM(liblinear):グリッドサーチ 09-01
      • 確率勾配法 (SGD) 09-02
      • 確率勾配法 (SGD):数式の説明 09-02
      • 確率勾配法 (SGD):グリッドサーチ 09-02
      • 確率勾配法 (SGD):スモールデータの認識 09-02
    10. 例題
      • 20カテゴリのテキスト分類:1 10_01
      • 20カテゴリのテキスト分類:2 10_01
      • 20カテゴリのテキスト分類:3 10_01
      • 20カテゴリのテキスト分類:4 10_01
    11. おわりに
      • まとめ
     
    Preview Video
       

    【4日で体験!】 TensorFlow, Keras, Python 3 で学ぶディープラーニング体験講座

    【4日で体験!】 TensorFlow, Keras, Python 3 で学ぶディープラーニング体験講座
    発売日 2016/12/23
    (4)

    4.5 total hours
    TensorFlow 2 対応! 4日間でディープラーニングを体験してみよう!Windows, MacでOK!

    【最新更新状況】

    2019/4/18 GoogleのチュートリアルのKeras移行に伴い、

    • Google Colaboratoryによる体験

    • 3層ニューラルネットワーク

    • 畳み込みニューラルネットワーク

    のセクションを追加し、旧コンテンツ(TensorFlowネイティブでの開発)はアーカイブしました。


    2018/10/19  TensorFlow 1.11 CPU/GPUのインストール手順(conda版)を追加しました。

         また、古いバージョンのインストール方法の動画は削除しました。

    2018/3/9 Anaconda 3とTensorFlow 1.6のインストール手順を追加しました。

    2017/12/4  レクチャー23のスライドに誤植があったので更新しました。

    2017/11/16 TensorFlow 1.4.0(CPU版)のインストール手順を収録・追加しました。

    2017/10/26 Anaconda3 5.0.0 + TensorFlow 1.3のインストール手順をmacOS, Windows版をそれぞれ追加しました。

    2017/9/15 TensorFlow 1.3 GPU版のインストール手順を掲載しました。

    2017/8/24 TensorFlow 1.3 GPUでcuDNN 6.0が必須になりましたので、補足を追加しました。

    2017/8/13 Anaconda 4.4.0 / Python 3.6のインストール手順を追加しました。

     Windows環境でもPython 3.6がサポートされました。(*以前はPython 3.5のみ)

    2017/8/2 TensorFlow 1.2.1のインストール手順を追加しました。

    2017/4/29 スタイル変換(写真を画家のタッチで描く)のチュートリアルを追加しました。

    2017/4/27 TensorFlow 1.1がリリースされましたので、インストール手順を追加しました。なお、既存のチュートリアルは1.1での動作を確認しました。

    2017/4/3 機械学習の概要解説を追加しました。


    2017/2/27 TensorFlow 1.0のインストール方法、MNIST for Beginners・Expertsのコード実行のレクチャーを追加しました。

    2017/2/22 Windows版のインストール手順を更新しました(Anaconda 4.2.0のダウンロード・インストール手順)

    2017/2/21 勾配降下法・ミニバッチの解説を追加しました。

    2017/2/12 Jupyter Notebookでコメントを入力する方法。Jupyter Notebookの終了方法を追加しました。

    2017/2/9 MNIST for Experts のスライドを更新(活性化関数の解説を追加)しました。

    2017/2/8 活性化関数(ReLU)の図解レクチャーを追加しました。

    【ご注意】

    このコースは、Python経験者で英語でGoogle社のTensorFlowチュートリアルが自力で理解できる方には物足りないと思いますのでご注意ください。チュートリアルを実施するのはナンセンスだと考える上級者の方には決して受講をお勧めしません。間違えて受講された場合は返金も可能ですので、初心者以外の方は受講しないでください。

    Pythonをはじめて体験する方、TensorFlowでどんなことができるかを体験してみたい、という方を対象にしています。TensorFlowライブラリを使用したアプリケーション開発などは別コースを企画しています。

    【2019年、ディープラーニングが急速に普及します】

    2017年1月30日にピッツバーグで開催されていたトップレベルのチェスの試合で、カーネギーメロン大学のグループによる人工知能 "Libratus" が人間を打ち負かしました。2017年初めには、オンライン囲碁(野狐囲碁)でチャンピオンに連勝する人工知能(Master)が登場して話題になりました。Masterの正体は、2016年にイ・セドルプロを破った "アルファ碁(AlphaGo)" の改良版でした。アルファ碁は、イギリスのディープマインド社で開発されている人工知能です。ディープラーニングや強化学習と呼ばれる仕組みを使って、コンピューターが自己対戦を繰り返して成長するコンピュータープログラムです。AlphaGoのトレーニングにはGoogle社のTensorFlowという人工知能のライブラリが使われています。

    医療や農業、教育などさまざまな分野で、「人工知能・AI」による自動化、分類や推定が注目されています。ディープラーニングは、コンピューターにさまざまな情報を学習させて、分類や推定を行う機械学習の一種です。人間の脳を模したニューラルネットワークを何段にも(ディープに)重ねることで、精度の向上を実現しています。

    2017年のCES (コンシューマー・エレクトロニクス・ショー)では、ディープラーニングを実装したロボットを使ったサービスやアプリケーションが次々と発表されました。今後も続々と登場するでしょう。

    この講座は、AlphaGoにも採用されているGoogle社のTensorFlowライブラリを使って、短期間にディープラーニングによる人工知能の動作を体験し、ディープラーニングを活用したサービスやプロダクトの企画・開発のヒントを得られるようになることを目指して制作しました。

    TensorFlowは、GooglePhotoやGoogle翻訳、Google検索などで実際に使われている機械学習、深層学習のライブラリです。

    さまざまなOS上で動作をしますので、学習だけでなく、ウェブアプリケーション開発やモバイルアプリ開発も可能です。


    【コースの概要】

    このコースは、Udemyでのべ82,000名にプログラミングを指導してきたベテラン講師が担当します。

    Google社が公開しているオープンソースの人工知能ライブラリ・TensorFlow(テンソルフロー)を使って、

    以下のような順で学習を進めます。

    第0日: 環境構築

    • Anaconda (Python 3) , TensorFlowのインストール

    • TensorFlowでHello World!

    第1日: 手書き文字の分類 (多項ロジスティック回帰)

    • 多項ソフトマックス回帰の実行

    第2日: 手書き文字の分類 (畳み込みニューラルネットワーク)

    • 2段階の畳み込み・プーリング層、2層の全結合層を組み合わせたニューラルネットワークで精度を向上させる

    • 学習したモデルを使用して分類を実施してみる(収録中)

    第3日: 画像認識

    • パンダの画像認識

    • オリジナル画像(犬)の認識

    第4日: スタイル変換

    • 画家のタッチをAIに学習させ、写真のスタイル変換をするAIプログラムを体験します。

    • サンプルは北斎の「波」を使用しますが、ムンクやゴッホなどのデータも使用可能です。

    オプション(必須ではありません)

    • Python 3の概要 

    • Python 3 のミニマムな文法

    • 参考文献リスト


    プログラムをJupyter Notebook上でステップ・バイ・ステップで実行しながら、ディープラーニングの仕組みを体験していきます。


    *レクチャーで使用したJupyter Notebookはコース内でダウンロードできます。お急ぎの方はコーディングせずにプログラムを実行できます。ご自身でコーディングするとより理解が深まるでしょう。

    【このコースを学ぶと】

    人工知能と言われても、言葉だけではどんなことができるのかピンときません。しかし、実際に人工知能のトレーニングや推定を体験してみると、いろいろなアイデアが生み出せるようになるでしょう。

    ぜひこの機会にTensorFlowを体験し、人工知能時代に活躍するスキルを手に入れましょう。現在、世界中でディープラーニングエンジニアの求人が急拡大しています。また、あらゆる業種で、人工知能を適用して課題解決が図れる人材が切望されています。エンジニアでなくても、ディープラーニングや機械学習の概念を理解することで、人工知能の得意なことを活かしたり、まだ人工知能ではできない限界を知って、リアリティのある意思決定ができるようになります。


    【このコースの特徴】

    • 数学やプログラミングの知識がなくても、ディープラーニングのプログラムを体験できます。

    • 数式を理解できなくても、概念的にどういう処理をしているのか、を直感的に理解できるようになります。

    • 畳み込みやプーリングなど難解な処理の仕組みを図解で理解できるようになります。

    • Python 3 + TensorFlowを使って、パソコン上でディープラーニングを体験できます。

    • ボーナストラックでは、Python 3の基礎を解説します。

    【受講をおすすめしない方】

    • すでにTensorFlowのチュートリアルを体験済みで解説が不要な方

    • すでにディープラーニングに詳しい方

    • Linuxでないと学習をしたくない方

    • 動画で学習するのはナンセンスだ!書籍で学んだ方がいい!という方

    • ソフトウェアのインストールや、コードの入力は全くしたくない方

    • WindowsやMacでPythonプログラミングをやるのは気に入らないという方


    人工知能をマスターしたら、あなたはどんな問題解決をしますか?


    ***今後の予定***

    続編として、

    • ニューラルネットワークをNumPyで自作して数学的処理を理解する講座

    • CIFAR-10など本格的なディープニューラルネットワーク

    • RNN(リカレントニューラルネットワーク)LSTMなどを使用した自然言語処理

    • 音声認識などのアプリケーション

    • C++の基本と、TensorFlowの使用

    • Raspberry Pi 3でTensorFlowを動かしてみよう

    • iOSやAndroidでTensorFlowを使用してみよう

    • Chainerでディープラーニングを学ぼう

    などの講座化を企画しています。

    もしリクエストがあれば、メッセージなどでお知らせください。


    *** 受講上の注意 ***

    このコースは動画で、はじめてディープラーニングやCNNなどを学ぶ方のためのコースです。

    環境構築から1つ1つ丁寧に解説していきますので、

    ・動画より書籍で学びたい方

    ・すでにCNNなどについて基礎から学習するのは馬鹿らしい

    という方は、間違って受講されないようご注意ください。

    また、間違えて登録した方は30日以内であれば返金可能なのでお試しください。



    ↓全て表示↑少なく表示
     
    Users Voice
    機械学習を始めたい人にはとてもいいと思います。ただ、やや古いために実際に行う際にバージョンアップで異なることが多く、自分で調べながら実行する必要があります。その点も学びだと思って苦にならない人向けかもしれません。 (参考:Udemy)

    ↓全て表示 ↑少なく表示
    聞き取りやすい。 (参考:Udemy)

    ↓全て表示 ↑少なく表示
     
    レクチャー内容
    1. 1日目: イントロと環境構築
      • このコースの概要
      • TensorFlow関連コースの学習順序について
      • ニューラルネットワークの基礎用語
      • ニューラルネットワークの基礎知識(2)
      • Google ColabでMNISTを動かしてみよう
      • MNISTにチャレンジ(2)
    2. 環境構築
      • 環境構築の注意
      • GPU搭載グラフィックスカードについて
      • GPU搭載のおすすめPC
      • 学習上の注意
      • Anaconda 3のダウンロード・インストール
      • TensorFlow 最新版のインストール
    3. TensorFlowの学習に必要な文法を学ぼう!
      • データ型
      • 演算子
      • 配列型データ
      • 文字列の扱い
    4. 2日目:MNISTにチャレンジ(ローカル環境)
      • セクションの概要(MNISTをローカルで解く)
      • 3層のニューラルネットワークで解いてみよう
      • データを確認してみよう
      • トレーニングをしてみよう
      • 推定をしてみよう
      • 学習の流れ
      • 練習課題(Fashion MNIST)
      • 課題解答サンプル(1)
      • 課題解答サンプル(2)
    5. 畳み込みニューラルネットワークで解いてみよう!
      • イントロ
      • モデルの定義
      • トレーニングを実行してみよう
    6. 3日目: 画像認識 にチャレンジ
      • 画像認識プログラムの概要
      • ダウンロードURLの変更
      • TensorFlow 1.0.x環境用に画像認識プログラムをダウンロードする方法
      • modelsフォルダのダウンロード
      • 画像認識プログラムの実行
      • 画像ファイルを指定して認識を実行してみよう!
      • 課題3: 画像認識を実行してみよう!
    7. 4日目:画像のスタイル変換(続編のプレビュー)
      • スタイル変換コード実行の注意
      • スタイル変換(1/2)
      • スタイル変換(2/2)
      • 練習課題:スタイル変換にチャレンジ
      • 最後に
    8. オプション(Python 3、数学などの補足)
      • Pythonとは?
      • PythonとR・SPSSとの違い
      • Pythonのさまざまな実行スタイル
      • 課題1: Pythonの実行環境をインストールしよう
      • 練習課題: インタラクティブシェルを使ってみよう
      • 実行例(インタラクティブシェル)
      • 練習課題: テキストファイルを作成して実行してみよう
      • 課題解答例: ファイルに保存して実行する
      • 練習課題: 入力値を反映するプログラムを書こう
      • 課題解答例: ファイルから実行。入力パラメーターを反映。
    9. ボーナスセクション (質問の補足など)
      • 続編のご案内(割引クーポン)
      • AI・ディープラーニングのおすすめコース
      • 機械学習やAIを学ぶ上で役立つ参考書籍
      • Jupyter Notebook上でコメントを挿入する方法
      • Jupyter Notebookの終了方法
    10. (レガシー)MNIST for Begginersのアーカイブ(Googleサイトから削除)
      • このセクションで学ぶこと
      • 行列式での表現と、グラフでの表現
      • コードを書いて実行してみよう
      • 勾配降下法とミニバッチ
      • まとめとニューラルネットワーク
      • 課題: MNIST for ML Beginnersを実行してみよう
      • サンプルコード(ノートブック)のダウンロードページ
      • MNIST for ML Beginnersのレクチャースライド
     
    Preview Video
       

    【画像判定AIアプリ開発・パート1】TensorFlow・Python・Flaskで作る画像判定AIアプリ開発入門

    【画像判定AIアプリ開発・パート1】TensorFlow・Python・Flaskで作る画像判定AIアプリ開発入門
    発売日 2017/12/20
    (4.5)

    3.5 total hours
    Python 3 でクローリングして画像データを収集、加工し、画像分類器を作ってみよう。ディープラーニングによるモデル作成、改善を自分の集めたデータで実践します。Flaskでウェブアプリ化, XcodeでiOSアプリ化にも挑戦します。

    *更新情報

    2019/1/19 iOSアプリ化セクションのソースコードをセクションの最後に追加しました。

    2019/1/7 CoreML対応フォーマットに変換し、iOSアプリ化するセクションを完成しました。

    *ただし、実機での実行・アプリ配布にはMacとApple Developerプログラム登録が必要です。

    2018/3/22 Flaskでウェブアプリ化するセクションを追加しました。

    2018/2/10 コマンドラインから画像ファイルを指定して推定を行うプログラムを作成するセクションを追加しました。

    2017年1月にリリースしたTensorFlow入門・ニューラルネットワーク入門コースでは、およそ8,000名の受講生のみなさんが典型的な手書き文字認識問題を体験しました。

    そして多くの受講生のみなさんから「AI分類器を自作して、ビジネスや趣味に活かしたい!」というリクエストを多数いただきました。

    そうしたリクエストに応えるために、このコースは制作されました。

    【コースの概要】

    コース内では、

    1. Pythonでオンラインでクローリングを行い、画像データを収集する

    2. 収集したデータを同じサイズに加工して深層学習の前処理(準備)をする

    3. 前処理をしたデータを用いて、ディープラーニングを実行し、モデルを作成する

    4. モデルを使って、テストデータにより性能評価を行う

    5. より精度を向上させるためのデータの改善を行う

    6. 画像ファイルを与えて推定を行うプログラム(ウェブアプリ・iOSアプリ)を作成する

    というチャレンジをしていきます。

    また、このために必要なAnaconda, Python 3, TensorFlow, Keras, 画像処理ライブラリ, スクレイピング・クローリングライブラリなどの導入や設定についても詳細に解説します。

    あなたが集めたデータを整理してプログラムを実行するとオリジナルの画像分類AIを作れるようになります。

    この講座を受講したら、あなたはどんなAI分類器を作りますか?



    ↓全て表示↑少なく表示
     
    Users Voice
    tensorflowを使った機械学習から実アプリまでの一連の流れが理解できました。 githubにいろいろなアルゴリズムのサンプルが掲載されているようなので参考にしたいと思います。 (参考:Udemy)

    ↓全て表示 ↑少なく表示
    動画に沿って環境を構築していくだけでも結構楽しかったです。 (参考:Udemy)

    ↓全て表示 ↑少なく表示
     
    レクチャー内容
    1. はじめに
      • このコースの紹介
      • 学習の進め方
    2. 環境構築(Python, Anaconda, TensorFlow CPU版のインストール)
      • Python 3のインストール(Anaconda最新版のインストール)
      • TensorFlowのインストール
    3. 【オプション】TensorFlow GPU版のセットアップ(NVIDIA製GPU搭載マシン使用者のみ。非搭載の方はスキップしてください。)
      • CUDA 9.0のダウンロード
      • CUDA 9.0のインストール
      • cuDNN 7.0のダウンロード・インストール
      • TensorFlow 1.6.0 GPU版のインストール
    4. 画像分類AI自作にチャレンジ
      • アプリの概要
      • データを集めよう
      • FlickrのAPIキーを取得しよう
      • Flickrapiパッケージをインストールしよう
      • コードからFlickrAPIにアクセスしてみよう
      • (オプション)AtomのPython関連プラグインの追加
      • データをダウンロードして保存しよう
      • 不要なデータを削除しよう
      • 画像データをNumPy配列形式に変換しよう
      • 生成した配列データをチェックしよう
      • データを交差検証用に分割しよう
      • トレーニングを実行するコードを作成しよう
      • モデルを定義しよう
      • トレーニングの関数を完成させよう
      • テストを行う関数を完成させよう
      • NumPyのバージョンアップによる変更の影響がある場合の注意
      • TensorFlow 2.3.0, Keras 2.4.3環境で動作させるための改変箇所
      • 学習とテストを実行しよう
      • コードの最適化とセクションのまとめ
      • セクションのソースコード
      • 課題: オリジナルの分類器を作ろう
    5. データの工夫による精度向上にチャレンジしてみよう
      • このセクションの概要
      • データを増量しよう
      • 増幅したデータで学習してみよう
      • データを増幅するコードの修正
      • 課題: データの増幅
      • データの増幅サンプルコード
      • サンプルコード(増幅・トレーニング)
    6. 推定プログラムを作成しよう
      • このセクションの概要
      • モデルを定義・ロードする関数を定義しよう
      • 推定処理を追加して、推定を実行してみよう
      • 課題:推定プログラムの作成
      • サンプルコード
    7. FlaskでWebアプリ化しよう!
      • このセクションの概要
      • Flaskのインストール
      • FlaskでHello World! を表示してみよう!
      • ファイルをアップロードするコードを書こう(1/2)
      • ファイルをアップロードするコードを書こう(2/2)
      • ファイルアップロードのソースコード
      • ファイルアップロード時のエラー処理について
      • ファイルをアップロードしてみよう
      • ソースコード
      • (注意)Flaskのバージョンアップに伴う起動コマンドの変更
      • 画像の識別を実行してみよう
    8. Kerasで生成したモデルを変換してiOSアプリを作ろう
      • セクションの概要
      • 仮想環境の追加とTensorFlow/Kerasのインストール、学習の実行
      • (macOS 10.13) モデルファイルの変換の実行
      • (macOS 10.15 Catalina) CoreML Toolsのインストールと変換の実行
      • (macOS 10.15)bashでのAnacondaの環境変数の設定方法
      • Xcode上でプロジェクトを追加しよう
      • UIパーツを追加しよう
      • IBOutletとIBActionを関連づけよう
      • カメラアクセスを許可する設定をしよう
      • カメラを起動するコードを追加しよう
      • ビルドして実機で実行してみよう
      • モデルを読み込んで推論を実行してみよう
      • このセクションのプロジェクトのソースコード
    9. ボーナスセクション
      • GPU搭載のおすすめPCや、グラフィックスボード情報
      • AI・ディープラーニングのおすすめコース
        

    Udemyで無料で学べるPython講座一覧

    以下の講座は無料で学習が可能。

    無料コースでは、質問ができない、学習した証の修了証書が発行されない、といった違いがありますが、動画コンテンツはすべて利用可能。

    有料講座ほどの内容の幅はないですが、動画学習の取っ掛かりとしてまずこちらを試してみるのもおすすめです。

    【電子工作不要】Raspberry PiとPythonで感染症対策~IoT換気モニタリング講座~

    【電子工作不要】Raspberry PiとPythonで感染症対策~IoT換気モニタリング講座~
    発売日 2020/04/29
    (3.8)

    2 total hours
    室内の換気状況(CO2濃度)を可視化(GoogleSpreadSheetに蓄積)し、感染症予防に役立てる仕組みを、初期費用2万円、ランニングコスト無料で、電子工作無しで作ります

    本講座では、換気状況のモニタリングによる感染症対策に興味のある方、実際に簡易なIoTの仕組みを構築してみたい方を対象に、RaspberryPi、Python、CO2センサーによりCO2濃度を換気状況を測定し、クラウド(Google Spreadsheet)に無料でデータを蓄積する方法について解説します。また、感染症予防に望ましいとされる換気の程度を、WHOや厚生省などの資料を参照しつつご紹介します

    本講座を活用し、換気という観点において感染症予防策の定量的な目安を理解し、可視化し、対策を考え、感染症予防に活かして頂ければとても嬉しいです

    【講座の特徴】
    ①気軽にIoTを体感:通常、電子工作に必要となるハンダ付や回路構築が不要であり、市販のRaspberryPiとCO2センサー(CO2-MINI)をご購入頂ければ、WiFi環境下でIoTを実現できます

    ②プログラミング経験不要:コーディングできることではなく、システム全体の仕組みを理解し、IoTを組み立て、使い、実生活に活かして頂くことを目的に、プログラミング経験が無く、Raspberry Piが初めての方が理解できるよう作成しています

    ③個別技術について概説:Raspberry PiやPythonなど、本講座中でのIoT実現に用いている各個別技術について簡略に解説しておりますので、簡易なIoTを成り立たせる仕組みの概要を押さえることができます

    概説している個別技術
    ・Raspberry Pi
    ・Terminal
    ・Python(コードの細かな解説は行っておりません)
    ・Google Cloud
    ・Google Spreadsheet
    ・VNC Viewer
    ・CO2センサー

    【本講座がオススメでは無い方】
    ①PythonによるIoTのコーディングについて詳しく学びたい方
     (コーディングは詳細には解説しておりません)

    ②IoTを幅広に学びたい方
     (本講座で作成するのは、CO2-MINIのデータをクラウドに貯めるシステムです。I2Cなど、一般的なセンサーからのデータ取得や、クラウドに貯めたデータに基づく制御やフィードバック等については扱っておりません)

    ※上記①、②をカバーする講座として、I2Cセンサーならではのコーディングの解説、クラウドに蓄積したデータに基づく制御やフィードバック(サマリーメールの送付等)を実装する講座を2022年中に公開予定ですので、機会があれば、そちらもご活用頂けますと嬉しいです

    【補足】
    ①講座中ではRaspberry Pi 4Bを活用しておりますが、3Bや3B+等、他のRaspberry Piでも動作確認済です。低価格なZeroに関しては、スペックが高くはなく、Webブラウジングでフリーズする場合もあり、Raspberry Piの扱いに習熟した方以外はオススメ致しません。Raspberry Pi Picoに関しては、根本的に設計が異なり、本講座で使うことはできません(2021/12/15追記)

    ②講座中では、CO2センサーとして、CO2-MINIを用いております。2020年8月頃にCO2-MINIの仕様が変更となり、それ以前にご購入されたCO2-MINI(旧版と呼称。データが暗号化されています)に関しては、講座中のプログラムでは上手く読み取れません。旧版をご活用になりたい場合、旧版に対応したプログラム(暗号の復号機能あり)をお送り致しますので、メッセージやQ&A機能で講師までご連絡ください(2021/12/15追記)


    ↓全て表示↑少なく表示
     
    Users Voice
    初心者でも分かりやすく痒いところに手の届く講義で、あっという間に作成できました!得た知識をもとに他の仕組みづくりにもチャレンジしていきます。有難うございました! (参考:Udemy)

    ↓全て表示 ↑少なく表示
    IoTとしての基本、データ蓄積の方法がわかりやすかった。Python部分の説明が少し多ければ、、さらに良かったと思います。 (参考:Udemy)

    ↓全て表示 ↑少なく表示
     
    レクチャー内容
    1. はじめに
      • 本講座の概要
      • おまけ)講師からのご挨拶
    2. 適切な換気状態とは?
      • このセクションで学ぶこと
      • 換気状態の指標と基準について知ろう
      • セクションを振り返ろう
    3. IoT換気モニタリングシステムの仕組みを理解しよう
      • このセクションで学ぶこと
      • 個別技術を理解しよう - Raspberry Pi
      • 個別技術を理解しよう - VNC Viewer
      • 個別技術を理解しよう - CO2センサー
      • 個別技術を理解しよう - Google Spreadsheet
      • 個別技術を理解しよう - Google Cloud Platform
      • 個別技術を理解しよう - Python
      • 個別技術を理解しよう - Terminal
      • 技術を組合せたシステム全体像を理解しよう(セクションを振り返ろう)
    4. システム構築に必要な道具を揃えよう
      • このセクションで学ぶこと
      • 必要な道具を知ろう
      • 道具の揃え方(購入方法)を知ろう
      • セクションを振り返ろう
    5. Raspberry Piを起動してみよう
      • このセクションで学ぶこと
      • マイクロSDカードへOSを書き込んでみよう
      • 各種機器を接続し、Raspberry Piの電源を入れてみよう
      • OS、言語、Wifiを設定してみよう
      • セクションを振り返ろう
    6. Raspberry Piをパソコンから遠隔操作してみよう
      • セクションで学ぶこと
      • Raspberry Pi側で遠隔操作の準備をしよう
      • パソコンにVNC Viewerをインストールしよう
      • VNC Viewerを起動し、接続設定してみよう
      • セクションを振り返ろう
    7. CO2センサーの値を読み取ろう
      • セクションで学ぶこと
      • CO2センサーをRaspberry Piに接続しよう
      • CO2センサーの読み取り準備をしよう
      • CO2センサーの値を読み取ってみよう
      • セクションを振り返ろう
    8. Google Spreadsheetに書き込む準備をしよう
      • セクションで学ぶこと
      • Google Cloud Platformの設定を行おう
      • Google SpreadsheetとRaspberry Piの設定を行おう
      • セクションを振り返ろう
    9. Google Spreadsheetにデータを書き込んでみよう
      • セクションで学ぶこと
      • Google Spreadsheetにデータを書き込もう
      • セクションを振り返ろう
    10. データを活用してみよう
      • セクションで学ぶこと
      • データを活用の事例紹介
      • セクションを振り返ろう
     
    Preview Video
       

    関連:DjangoでWeb開発の講座

    以下では、Pythonで人気のWeb開発フレームワーク「Django」に関する人気講座を別途まとめています、合わせてのぞいて見てください。

     

    関連:Pythonを本でも学ぼう

    UdemyのPython講座は上述したとおり、Pythonの基礎構文から応用まで、幅広く学べる非常にパフォーマンスの高い学習法。

    ただ、リファレンスとしては動画だと見返しづらい側面もありますので、書籍も併用しながら学習すると良いかと思います。

    Pythonの参考書は以下で紹介しています。合わせて参照ください。

    いじょうでっす。

    コメント

    タイトルとURLをコピーしました