レバテックフリーランスのサイトに当サイトが紹介されました!

【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。

  1. Udemy講座の特徴
  2. UdemyのPython講座 人気ランキング(セール情報付き)
  3. UdemyのPython 人気・おすすめの5講座
    1. 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!】
    2. 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
    3. みんなのAI講座 ゼロからPythonで学ぶ人工知能と機械学習 【2025年最新版】
    4. はじめてのPythonプログラミング入門
    5. 【完全初心者向け】絶対に挫折させないPython入門講座
  4. UdemyのPython機械学習 人気・おすすめの5講座
    1. みんなのAI講座 ゼロからPythonで学ぶ人工知能と機械学習 【2025年最新版】
    2. 【世界で91万人が受講】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
    3. 【丁寧すぎる!】カナダの現役機械学習エンジニアが超丁寧にPythonで教える + プログラミングの"プ"。
    4. GPTを自作して大規模言語モデルを理解する:PythonでTransformerとAttentionを学ぶLLM機械学習
    5. 【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
  5. Udemyで無料で学べるPython講座一覧
    1. Python超入門
    2. Pythonで掲示板アプリを作ろう ~Flaskで作るWebアプリケーション開発入門講座~
    3. Pythonで映画のレコメンドエンジンを作ろう
    4. Pythonによるディープラーニング入門 〜ニューラルネットワークを構築しよう〜
  6. 関連:DjangoでWeb開発の講座
  7. 関連:Pythonを本でも学ぼう

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 10436件
2
(4.4)
総評価数 24104件
3
みんなのAI講座 ゼロからPythonで学ぶ人工知能と機械学習 【2025年最新版】...
発売日 2016/11/17
受講者 98,768人
通常 15,800円
現在 15,800円
(4.3)
総評価数 15392件
4
はじめてのPythonプログラミング入門
発売日 2022/02/21
受講者 11,461人
通常 2,600円
現在 2,600円
(4.3)
総評価数 2084件
5
【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 9,905人
通常 10,000円
現在 3,000円
(4.2)
総評価数 1801件
6
(4.3)
総評価数 501件
7
(4.4)
総評価数 696件
8
(4.2)
総評価数 2300件
9
(4.5)
総評価数 941件
10
(4.4)
総評価数 1059件
11
(4.4)
総評価数 1474件
12
【1日で習得】技術者のためのPythonデータ分析
発売日 2017/04/01
受講者 23,050人
通常 11,800円
現在 11,800円
(4.2)
総評価数 3249件
13
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 23,293人
通常 15,800円
現在 15,800円
(4.1)
総評価数 5189件
14
爆速で5つのPython Webアプリを開発
発売日 2021/04/05
受講者 22,662人
通常 26,800円
現在 26,800円
(4.5)
総評価数 2458件
15
【Pythonで学ぶ】OpenCVでの画像処理入門
発売日 2017/10/07
受講者 15,331人
通常 9,800円
現在 9,800円
(4.3)
総評価数 2347件
16
(4.5)
総評価数 396件
17
(4.6)
総評価数 415件
18
(4.3)
総評価数 1641件
19
Python初学者のネクストステップ!FastAPIによるWeb API開発講座...
発売日 2021/09/21
受講者 7,344人
通常 21,800円
現在 21,800円
(4.5)
総評価数 1081件
20
(4.4)
総評価数 79件
21
(4.4)
総評価数 156件
22
【2023年5月改訂版】実践 Python データサイエンス
発売日 2015/09/28
受講者 50,174人
通常 13,800円
現在 13,800円
(4.1)
総評価数 7919件
23
【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 4,020人
通常 13,800円
現在 13,800円
(4.2)
総評価数 603件
24
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 5,549人
通常 20,000円
現在 20,000円
(4.3)
総評価数 685件
25
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 10,490人
通常 21,800円
現在 21,800円
(4.4)
総評価数 1030件
26
(4.2)
総評価数 846件
27
(4.5)
総評価数 990件
28
Selenium WebDriverと PythonによるUIテスト自動化入門講座
発売日 2023/12/01
受講者 514人
通常 6,200円
現在 6,200円
(4.4)
総評価数 69件
29
(4.1)
総評価数 1085件
30
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 2,714人
通常 15,800円
現在 15,800円
(4.4)
総評価数 431件
31
(4.5)
総評価数 5696件
32
PythonでWebスクレイピング・クローリングを極めよう!(Scrapy・Selenium 編)...
発売日 2020/06/26
受講者 5,725人
通常 3,600円
現在 3,600円
(4.6)
総評価数 576件
33
【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 12,967人
通常 24,800円
現在 24,800円
(4.2)
総評価数 1501件
34
(4.3)
総評価数 227件
35
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 5,132人
通常 20,000円
現在 20,000円
(4.8)
総評価数 1440件
36
【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 16,380人
通常 15,000円
現在 1,800円
(4.4)
総評価数 2390件
37
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 6,716人
通常 10,000円
現在 10,000円
(4.2)
総評価数 1260件
38
(4.3)
総評価数 291件
39
(4)
総評価数 2401件
40
(4.2)
総評価数 734件
41
(4.4)
総評価数 427件
42
Pythonで機械学習:scikit-learnで学ぶ識別入門
発売日 2016/10/17
受講者 16,213人
通常 2,600円
現在 2,600円
(4.3)
総評価数 2080件
43
(4.6)
総評価数 313件
44
科学技術計算のためのPython入門
発売日 2020/12/01
受講者 2,672人
通常 14,800円
現在 14,800円
(4.4)
総評価数 430件
45
作りながら学ぶ boto3 の基本 (AWS SDK for Python)
発売日 2021/01/14
受講者 1,685人
通常 2,600円
現在 2,600円
(4.2)
総評価数 304件
46
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 2,358人
通常 4,800円
現在 4,800円
(4.6)
総評価数 650件
47
(4.5)
総評価数 276件
48
(4.6)
総評価数 39件
49
(4.1)
総評価数 297件
50
FastAPI入門 Pythonではじめるサーバーサイド開発
発売日 2023/09/27
受講者 1,355人
通常 3,000円
現在 3,000円
(4.4)
総評価数 135件
51
(4.4)
総評価数 607件
52
(4.4)
総評価数 116件
53
Pythonで作る レトロ風RPG: Pythonの基礎からWindows向けゲーム開発まで...
発売日 2024/03/24
受講者 427人
通常 8,000円
現在 8,000円
(4.4)
総評価数 58件
54
(3.9)
総評価数 2812件
55
(4.8)
総評価数 109件
56
(4.3)
総評価数 691件
57
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 5,093人
通常 20,000円
現在 20,000円
(4.7)
総評価数 1094件
58
(4.1)
総評価数 275件
59
はじめてのPython3。経験0からGUIアプリケーションを作れるまでの基礎力を!...
発売日 2019/06/20
受講者 5,936人
通常 23,800円
現在 23,800円
(4.3)
総評価数 929件
60
【Pythonで学ぶ 】CUDA プログラミング入門
発売日 2019/10/13
受講者 2,735人
通常 13,800円
現在 13,800円
(4.2)
総評価数 351件
61
(4.3)
総評価数 320件
62
Pythonでデータベース入門
発売日 2023/01/01
受講者 1,223人
通常 2,600円
現在 2,600円
(4.4)
総評価数 122件
63
【脱オブジェクト指向初心者!】Pythonで学ぶSOLID原則・デザインパターン...
発売日 2023/01/09
受講者 1,448人
通常 10,000円
現在 10,000円
(4.7)
総評価数 119件
64
(4.5)
総評価数 112件
65
(3.9)
総評価数 589件
66
(4.8)
総評価数 403件
67
(4.4)
総評価数 87件
68
(4.3)
総評価数 285件
69
(4.6)
総評価数 205件
70
①米国AI開発者がやさしく教える深層学習超入門第一弾【Pythonで実践】...
発売日 2023/10/02
受講者 1,890人
通常 24,800円
現在 24,800円
(4.9)
総評価数 209件
71
(4.1)
総評価数 667件
72
(4.8)
総評価数 694件
73
(4)
総評価数 86件
74
(4.3)
総評価数 46件
75
(4.6)
総評価数 26件
76
【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 4,010人
通常 10,000円
現在 2,500円
(3.8)
総評価数 401件
77
【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 900人
通常 20,000円
現在 20,000円
(3.2)
総評価数 174件
78
(4.3)
総評価数 23件
79
Pythonを用いたスペクトルデータのケモメトリクス(機械学習)解析...
発売日 2022/05/14
受講者 370人
通常 20,000円
現在 20,000円
(4.2)
総評価数 64件
80
(4.4)
総評価数 143件
81
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 1,597人
通常 27,800円
現在 1,800円
(4.1)
総評価数 33件
82
Python超入門
発売日 2021/09/30
受講者 791人
無料講座
(4)
総評価数 54件
83
【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 1,528人
通常 4,800円
現在 4,800円
(4.3)
総評価数 157件
84
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 9,318人
通常 26,800円
現在 26,800円
(3.8)
総評価数 969件
85
(3.8)
総評価数 149件
86
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 1,024人
通常 2,600円
現在 2,600円
(4.3)
総評価数 167件
87
(4.2)
総評価数 553件
88
(4.2)
総評価数 428件
89
Pythonで行う物理シミュレーションPyBulletの基礎
発売日 2023/01/31
受講者 86人
通常 3,000円
現在 3,000円
(3.8)
総評価数 14件
90
(4.3)
総評価数 850件
91
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 17,881人
通常 27,800円
現在 27,800円
(3.7)
総評価数 2518件
92
(4.3)
総評価数 33件
93
【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 361人
通常 5,600円
現在 5,600円
(4)
総評価数 82件
94
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 455人
通常 19,800円
現在 19,800円
(2.9)
総評価数 34件
95
Python3 の基礎 - 超入門・再入門 -
発売日 2018/07/17
受講者 2,513人
通常 15,800円
現在 15,800円
(4.1)
総評価数 582件
96
(4.3)
総評価数 23件
97
(3.5)
総評価数 17件
98
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 308人
通常 13,800円
現在 13,800円
(4.2)
総評価数 43件
99
(3.9)
総評価数 161件
100
(4.6)
総評価数 48件
101
【とても古いです】【Python 3 x Django 2.0】作りながら覚えるDjango...
発売日 2016/12/11
受講者 2,950人
通常 26,800円
現在 26,800円
(3.9)
総評価数 428件
102
(4)
総評価数 234件
103
【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 6,073人
通常 11,800円
現在 11,800円
(4.4)
総評価数 965件
104
(4.4)
総評価数 405件
105
プログラミング言語 Python 3 入門
発売日 2016/06/29
受講者 8,469人
通常 10,000円
現在 10,000円
(4)
総評価数 2074件
106
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 216人
通常 26,800円
現在 26,800円
(3.8)
総評価数 10件
107
(4.4)
総評価数 102件
108
【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 8,561人
通常 11,800円
現在 11,800円
(3.9)
総評価数 999件
109
(4.7)
総評価数 1591件
110
【 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 112人
通常 2,600円
現在 2,600円
(3.3)
総評価数 17件
111
(4.9)
総評価数 285件
112
(4.3)
総評価数 1544件
113
(4.5)
総評価数 50件
114
(4.4)
総評価数 483件
115
(4.7)
総評価数 52件
116
(3.8)
総評価数 75件
117
(4.5)
総評価数 92件
118
(4.4)
総評価数 439件
119
(4.6)
総評価数 61件
120
(3.9)
総評価数 52件
121
(4.4)
総評価数 185件
122
Pythonによる科学技術計算入門
発売日 2021/07/28
受講者 2,367人
通常 12,800円
現在 12,800円
(4.8)
総評価数 204件
123
(4.1)
総評価数 838件
124
(4.5)
総評価数 11件
125
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 2,659人
通常 15,800円
現在 15,800円
(4.2)
総評価数 336件
126
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 1,100人
通常 11,800円
現在 11,800円
(4.3)
総評価数 189件
127
(3.9)
総評価数 33件
128
(3.6)
総評価数 286件
129
【Python】ゲーム開発をしながらアルゴリズムを学ぼう
発売日 2022/07/02
受講者 336人
通常 27,800円
現在 27,800円
(4.3)
総評価数 24件
130
(4.5)
総評価数 34件
131
(4.6)
総評価数 1543件
132
(3.2)
総評価数 128件
133
(4.4)
総評価数 42件
134
(4.6)
総評価数 101件
135
Python Django3 + HTML5 CSS3 実践コース 画像付きブログシステムを10時間で制作...
発売日 2021/02/23
受講者 924人
通常 20,000円
現在 20,000円
(4.4)
総評価数 94件
136
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 720人
通常 15,800円
現在 15,800円
(3.9)
総評価数 106件
137
【作りながら学ぶ】Python入門 & HTML,CSS,JavaScript超入門
発売日 2022/10/06
受講者 523人
通常 2,600円
現在 2,600円
(4.3)
総評価数 55件
138
(4.8)
総評価数 27件
139
(4)
総評価数 51件
140
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 170人
通常 2,400円
現在 2,400円
(3.3)
総評価数 18件
141
Pythonで映画のレコメンドエンジンを作ろう
発売日 2021/10/13
受講者 498人
無料講座
(4.3)
総評価数 34件
142
(4.1)
総評価数 546件
143
(4.3)
総評価数 24件
144
(4.5)
総評価数 9件
145
(4.8)
総評価数 7件
146
(4.3)
総評価数 7件
147
(4.5)
総評価数 7件
148
(3.1)
総評価数 7件
149
(3)
総評価数 6件
150
(3.4)
総評価数 5件
151
(4.8)
総評価数 4件
152
(2.8)
総評価数 3件
153
『親子でチャレンジ Pythonプログラミング入門』
発売日 2022/01/19
受講者 20人
通常 5,600円
現在 5,600円
(4.2)
総評価数 3件
154
(3.5)
総評価数 2件
155
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 7人
通常 2,400円
現在 2,400円
(4.5)
総評価数 1件
156
マイニングで掘り下げるPython入門
発売日 2023/12/19
受講者 5人
通常 3,000円
現在 3,000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。

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
(4.5)

7.5 total hours
Python入門・リスキリングなら、まずはこのコース!初心者の挫折原因となる過剰な知識を除いた基礎に加え、実務での活用を見据えた実践レクチャーも収録。業務改善・DXには、VBA(マクロ)やRPAより断然Python!生成AIとの親和性も◎!

※貴重なお時間を無駄にされないよう、ご受講いただく前に必ず、「要件」欄を全てご確認ください!



「業務効率化・DX・リスキリングに興味はあるけれど…」

「文系の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。


企業・自治体・学校・etc...バックオフィスにお勤めの全ての方に!

バックオフィス業務を効率化したいなら、コスト・汎用性・難易度・処理速度等の観点から総合的に見て、VBA(マクロ)やRPAより断然Pythonをオススメします!



"必要十分なスキルを身につける"。これが本コースの大きなコンセプトの1つです。

世の中のプログラミング教材は、プログラミング初学者、特に「エンジニアを目指しているわけではないけれど、プログラミングに興味がある、自業務・実生活にプログラミングを活用してみたい」と考えておられる方にとってはあまりにも過剰な知識を含んでおり、かつ基礎文法の解説ばかりで結局Pythonが自分にどのように役立つのかよく分からない、という場合が多いです。

知識が網羅されており大ボリュームな教材は、必ずしも初学者にとって最適なものではなく、むしろ"挫折の可能性を高めてしまうというデメリットの方が遥かに大きい"と私は考えております。必須ではない知識の勉強が原因で挫折してしまう、というのは極めてもったいないですし、残念ながら実際よくあることです。

ボリュームが多い=良い教材、ではありません。また、定価やセール割引率が高い=良い教材、でもありません(Udemyでは講師側が定価を選べるので尚更です)。とにかく、初学者であればある程おトク感に釣られないようご注意ください。最初に取り組む教材次第で、挫折の可能性は大きく増減します。


本コースは、自身の独学経験も生かして、初学者の方が挫折せずにプログラミングの力と楽しさを実感していただけるような内容・ボリュームを意識して作成しました。言うならば、「こんな教材があったら良かったのに」「独学時代の自分に届けたい」と思える教材にしております。プログラミング教材でありがちな「とにかく教材を最後までこなすことが目的化してしまい、よく分からないまま写経してスキルアップした気になっただけで終わり」になってしまわないような工夫もしております。また、他の多くのUdemyコースが質問回答や内容更新が無いまま放置されている中、私のコースでは、ルールに則ったうえで頂いたご質問には真摯に対応するとともに、皆様からのフィードバックを受け随時レクチャーの更新もしております。

詳しいカリキュラムについては本ページ内の「コースの内容」欄をご確認ください。



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。文系理系も関係ありません。

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日々になる。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・業務効率化により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。



「仕事が忙しくて勉強する時間が無い…」という方もたくさんいらっしゃると思います。私も以前は会社員でしたから、働きながら自己研鑽をする大変さは良く分かります。

しかし、その忙しい現状を打破するためにこそ、忙しい合間を縫ってでも今、業務効率化スキルを学ぶべきなのです。少し厳しく聞こえるかもしれませんが、日々愚痴をこぼしながらも目の前のタスクを盲目的にこなし、勉強できない言い訳をしているだけでは、残念ながら状況は何も変わりません。

またよくありがちな落とし穴は、せっかく勉強にリソースを割いているのに"概論的な勉強"ばかりしてしまうことです。DX・BPR・EBPM…この界隈にはそれっぽいカッコイイ言葉が並びますが、(やらされ感を半分持ちながら)そういった類の座学セミナーを受講し、言葉の定義を字面だけ暗記し、付け焼き刃の勉強で資格を取得し、なんとなく成長した気になったとしても…果たして実際に目の前の仕事は何か変えられていますか?

楽は苦の種、苦は楽の種。是非「自分の力で自分の時間を作り出すんだ!」という気概を持って、毎日少しずつでもいいので"目の前の仕事を効率化するための勉強"に時間を割いてみていただければと思います。業務効率化は"やったもん勝ち"。習得が早ければ早いほど、恩恵は大きくなります。


是非この機会に、私と一緒に楽しみながらリスキリングを始めましょう!

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。




★学習効率を最大化するための講師推奨ラーニングパス★

本コース

(Python・プログラミングの基礎を学び、プログラムによってどんなことが実現できるのかを知る)

演習問題セット

(基礎力を鍛え上げて自信をつけ、プログラミングの面白さを再確認し、学習のモチベーションをさらに上げる)

応用編・Excel自動化編・Windows編のうちニーズに合ったコース

(様々なプログラミング活用方法を習得し、実務の効率化・自動化に繋げる)





↓全て表示↑少なく表示
 
Users Voice
講師の方の顔が見えるので、親しみやすい。話し方も聞き取りやすいです。 (参考:Udemy)

↓全て表示 ↑少なく表示
初めてPythonに触れる人間から見て、非常に分かりやすかったです。 (参考:Udemy)

↓全て表示 ↑少なく表示
 
レクチャー内容
  1. はじめに
    • 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 ※必読
    • 字幕について
  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
    • レクチャーのアップデートについて
    • 質問時のルール
    • 環境構築の前に
    • 会社PCをお使いの方へ
    • Windowsの環境構築手順
    • Macの環境構築手順
    • (補足)Jupyter Labの使い方
    • ソースコードについて
  4. プログラミングをしてみよう
    • プログラミングを始める前に
    • Jupyter Notebookの使い方
    • (補足)セル内行数のデフォルト表示
    • 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
    • よくあるエラーと"自走力"について
    • 質問用テンプレート ※質問時利用必須
    • 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
    • ライブラリの仕様変更について
    • 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 ※2025/03/31以降、レクチャー通りの進行不可
    • 本セクションの注意事項 ※必読
    • 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
   

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
(4.4)

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
ありがとう! (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 【2025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 【2025年最新版】
発売日 2016/11/17
(4.3)

10 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。

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。

2022.1.27 Section8にレクチャーが追加されました。

2023.1.10 Section7、Section8にレクチャーが追加されました。

2024.1.25 Section8にレクチャーが追加されました。

2025.1.13 「AIの最新動向」に2025年の新コンテンツが追加されました。


↓全て表示↑少なく表示
 
Users Voice
初心者の基礎から解説してくれるので、学習しやすい。おすすめです。 (参考:Udemy)

↓全て表示 ↑少なく表示
aiを仕事に応用するためにも、仕組みを理解できる気分でしたq (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)
    • Generative AIの躍進(2023.1.10追加)
    • 人工知能の未来
    • 質疑応答: さらに学ぶために
  8. AIの最新動向
    • AIの最新動向 2025年版 前編(2025.1.12追加)
    • AIの最新動向 2025年版 後編(2025.1.12追加)
  9. 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)
    • LaTeXによる数式の記述(2023.1.10追加)
    • AIの最新動向 2024年版 前編(2024.1.25追加)
    • AIの最新動向 2024年版 後編(2024.1.25追加)
  10. ボーナスレクチャー
    • ボーナスレクチャー
 
Preview Video
   

はじめてのPythonプログラミング入門

はじめてのPythonプログラミング入門
発売日 2022/02/21
(4.3)

3.5 total hours
生成AI,機械学習、データサイエンス、ウェブ制作に役立つプログラミングの基礎知識を習得しよう

本コースはプログラミング言語「Python(パイソン)」未経験の方が、中級者を目指すために設計された、初級レベルコースです。

  • プログラミングに興味がありますか?

  • 人気上昇中のPythonを学びたいですか?

  • 機械学習で役立つPythonの基礎知識を学びたいですか?

  • データサイエンスで役立つPythonの基礎知識を学びたいですか?

  • ウェブ制作で役立つPythonの基礎知識を学びたいですか?


あなたの答えが1つ以上YESなら、これはまさにあなたが探しているコースです!

今すぐ、コース紹介動画やプレビュー動画を視聴して、カリキュラム内容をご確認ください!!


私は、ウェブ開発入門完全攻略コースなど、ウェブ開発者を目指す方向けのプログラミング入門コースを複数公開していますが、それよりも、さらに入門者向けに、Pythonを使ったプログラミングを入門できるビジネスパーソン向けのコースを制作しました。


学習に必要なもの

  • パソコン(macOS または Windows)

  • ウェブブラウザ Google Chrome (無料)

  • Google アカウント(無料)


学習環境について

  • Google Colaboratory というクラウドを利用した学習環境を利用します(無料プラン利用)

  • レクチャーの動画収録ではmacOSを利用します。Windows特有の操作については、適宜補足説明します。


Pythonのバージョンについて

  • バージョン3系を利用します。


このコースを学ぶメリット

  • インターネットとPCがあれば、いつでも自分のペースで学ぶ事ができます。


Q&Aコーナーのご利用について

  • 本コースの内容を超えるご質問にはお答えできませんので、あらかじめご了承ください。

  • コース内で紹介する動作確認済みのサンプルコード以外の動作については、サポート対象外とさせていただいております。

  • ご意見・ご要望や、コンテンツのリクエストは、コース内で紹介する専用のフォームにてお知らせいただけると幸いです。


ノーリスク

  • 30日以内返金保証付きで安心です(Udemyウェブサイトよりご購入の場合)。


それでは、皆さんとコースの中でお会いできることを楽しみにしています!


更新履歴

  • 2022/11/10 演習問題を追加


↓全て表示↑少なく表示
 
Users Voice
進むのが少し早い気がします。 途中で止めて入力しなければならないので 想定時間よりかなり長い時間を要している気がします pythonではないですが 勉強になりました (参考:Udemy)

↓全て表示 ↑少なく表示
初心者向けとのことだが、初心者でも難しい内容。 コードを書き写すだけではまったく身につかない。 専門用語が多く初心者には難しい。 (参考:Udemy)

↓全て表示 ↑少なく表示
 
レクチャー内容
  1. コースイントロダクション
    • コース紹介
    • Pythonとは?
    • 受講オリエンテーション(Udemyのご利用が初めての方向け)
  2. はじめてのPythonプログラミングをしよう
    • Google Colaboratoryのウェブサイトを表示しよう
    • はじめてのPythonプログラムを実行しよう
    • Colaboratoryの使い方を知ろう
    • 演習: 文字列を出力してみよう
    • コンテンツリクエスト募集中!
  3. Pythonプログラミングの基本を知ろう
    • イントロダクション
    • そもそもプログラミングとは?
    • サンプルコードについて
    • コメントを使おう
    • 数値を表示しよう
    • 数値の演算をしよう
    • 演算子の優先順位を知ろう
    • エラーを自力で取り除けるようになろう
    • 文字列を表示しよう
    • エスケープシーケンスを利用しよう
    • 文字列の操作をしよう
    • 変数を使おう
    • 変数名のルールを知ろう
    • 複合代入演算子を使おう
    • 変数のデータ型について知ろう
    • キーボードから値を入力しよう
    • データ型を変換しよう
    • 演習:キーボードから値を入力して、BMIを求めてみよう
    • 文字列中に値を埋め込もう - f文字列
    • 演習:f文字列を使って、文字列中に値を埋め埋め込もう
  4. コレクションを使おう① - リスト
    • イントロダクション
    • リストの基本的な使い方を知ろう①
    • リストの基本的な使い方を知ろう②
    • リストを操作しよう
    • 配列を使っておみくじプログラムを作成しよう
    • 演習:配列を使ってサイコロを作成しよう
  5. 条件分岐をしよう
    • イントロダクション
    • ifで条件分岐をしよう
    • 条件式が成り立たない場合の処理を書こう if else
    • 条件を追加しよう elif
    • 成績判定プログラムの仕上げをしよう
    • 真偽値とは何か知ろう
    • 比較演算子の種類を知ろう
    • 論理演算子を使おう
    • in演算子を使おう
    • 演習:if elif else を使って、体格を出力しよう
  6. 繰り返し処理をしよう
    • イントロダクション - 繰り返し処理をしよう
    • forで繰り返し処理をしよう
    • リストをforで扱おう
    • forの入れ子を使おう
    • break, continueを使おう
    • whileで繰り返し処理をしよう
    • whileの無限ループについて知ろう
    • 演習: 繰り返し処理を使って、 テストの点数の合計値、平均値を求めよう
  7. 関数を使おう
    • イントロダクション
    • 関数を使おう
    • 関数の引数を使おう
    • 関数の戻り値を使おう
    • 演習: 三角形の面積を求める関数を作成しよう
  8. コレクションを使おう②
    • イントロダクション - コレクションを使おう②
    • ディクショナリを使おう
    • タプルを使おう
    • 演習:ディクショナリを作成して各値を取り出して出力しよう
  9. ボーナスレクチャー
    • ボーナスレクチャー
   

【完全初心者向け】絶対に挫折させないPython入門講座

【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
(4.2)

10 total hours
Pythonの基礎をゼロから学んで簡単なアプリ開発ができるようになるまでの基礎的な力を最短最速で身に付けましょう!

プログラミング言語の中でもメジャーなPythonについて学んでいきます。

基礎的な知識を、スライドを使いつつ実際にコードを動かしながら説明します。皆さんも実際にお手元にパソコンを用意して、適宜一時停止やスロー再生等しながら、実際に手を動かしながら学んでみてください。


前半はPythonの基礎についての説明が中心ですが、後半は実際にコードを書きながら、ライブコーディング形式で解説を行いながらじゃんけんアプリの開発を行っていきます。実際に完成するアプリは簡易的なものですが、Pythonを使った開発における重要な知識や考え方が十分詰まっています。


この講義ではPythonの入門部分についてのみ取り扱っていますが、しっかり丁寧に解説を行うことに重点を置いています。初学者向けに学習内容を最低限に絞っているので、すでにPythonを学ばれている方にとっては易しいと感じる内容かもしれません。ですので、この講義を終えたら応用的な内容についてもぜひ学んでみてください。


講義の内容は随時追加されます。

お客様の声を反映させながら動画を追加したり改定しておりますので、わかりづらいところは遠慮なくコメントください。

実際にこの講義は初回の販売時から4時間分以上の講義が追加されております。

またわかりづらいとお声をいただいた講義に関しては動画の追加や差し替えも行いました。

現時点で完成品とは思っておらず、皆様と一緒にこの講義シリーズを完成させたいと考えておりますので、ぜひご協力ください。

(未完成の章が公開されていることは何卒ご容赦ください)



↓全て表示↑少なく表示
 
Users Voice
専門性があり徐々に複雑化。好き嫌いが別れるかも。 (参考:Udemy)

↓全て表示 ↑少なく表示
初歩的な言葉もきちんと説明してくれている (参考:Udemy)

↓全て表示 ↑少なく表示
 
レクチャー内容
  1. はじめに
    • はじめに
  2. プログラミング言語Pythonとは?
    • プログラミング言語とは
    • Pythonの特徴について
  3. Pythonの環境構築
    • Pythonのインストール(Windows)
    • テキストエディタのインストール(Windows)
    • Python、テキストエディタのインストール(Mac)
    • シェルの操作、ファイルの作成
  4. プログラムの基本
    • データ型の説明
    • printを使った基本動作
    • 数値型
    • 文字列型
    • 比較演算子
    • 変数と代入について
  5. データの構造について
    • リストとその操作
    • タプルとその操作
    • 辞書とその操作
    • 集合型とその操作
  6. 文の説明
    • if文
    • for文
    • while文
  7. プログラムの構造について
    • 関数とは
    • メソッドとは
    • モジュールとは
    • 便利な関数(enumerate, zip)
    • リスト内包表記
    • map, filter関数について
    • lambda式について
    • reduce関数について
  8. クラスとオブジェクト
    • オブジェクトとは
    • クラスとは
    • クラスの初期化
    • クラス変数とメソッド
    • 継承とは
    • オーバーライドとsuperの使い方
  9. じゃんけんアプリの開発
    • アプリ開発の概要
    • GUIの利用について(1)
    • GUIの利用について(2)
    • 手と勝敗を定義する
    • 自分の手と相手の手を決める
    • CLIでじゃんけんアプリを開発する
    • GUIでじゃんけんアプリを開発する(1)
    • GUIでじゃんけんアプリを開発する(2)
    • GUIでじゃんけんアプリを開発する(3)
    • (参考)pillowを使ってみる
  10. ファイル操作
    • open関数の基本的な使い方
    • open関数(読み書き両用モード)
    • csvファイルの取り扱い
    • openpyxlとpython-docxの利用
    • os, pathlibモジュールの利用
    • glob, shutilモジュールの利用
    • tarfile, zipfileを使った圧縮と解凍
  11. 文の説明(2)
    • 例外処理の基本
    • 独自例外の作成
  12. 画像処理
    • 画像処理のライブラリ
    • 画像処理の基礎知識
    • jupyter notebookの活用
    • NumPyの説明(1)
    • NumPyの説明(2)
    • Matplotlibの利用
    • Pillowの説明(1)
    • Pillowの説明(2)
    • SciPyの説明
 
Preview Video
   

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 【2025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 【2025年最新版】
発売日 2016/11/17
(4.3)

10 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。

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。

2022.1.27 Section8にレクチャーが追加されました。

2023.1.10 Section7、Section8にレクチャーが追加されました。

2024.1.25 Section8にレクチャーが追加されました。

2025.1.13 「AIの最新動向」に2025年の新コンテンツが追加されました。


↓全て表示↑少なく表示
 
Users Voice
初心者の基礎から解説してくれるので、学習しやすい。おすすめです。 (参考:Udemy)

↓全て表示 ↑少なく表示
aiを仕事に応用するためにも、仕組みを理解できる気分でしたq (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)
    • Generative AIの躍進(2023.1.10追加)
    • 人工知能の未来
    • 質疑応答: さらに学ぶために
  8. AIの最新動向
    • AIの最新動向 2025年版 前編(2025.1.12追加)
    • AIの最新動向 2025年版 後編(2025.1.12追加)
  9. 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)
    • LaTeXによる数式の記述(2023.1.10追加)
    • AIの最新動向 2024年版 前編(2024.1.25追加)
    • AIの最新動向 2024年版 後編(2024.1.25追加)
  10. ボーナスレクチャー
    • ボーナスレクチャー
 
Preview Video
   

【世界で91万人が受講】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91万人が受講】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
(4.4)

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220万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
初心者です。機械学習で分からなかった単語の意味を分かりやすく教えて頂きました。英語講義だとまったく分からないので、日本語でして頂いてありがとうございました。 (参考:Udemy)

↓全て表示 ↑少なく表示
機械学習の具体例をいろいろと紹介してくれています。 (参考:Udemy)

↓全て表示 ↑少なく表示
 
レクチャー内容
  1. はじめに
    • はじめに
    • 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)
  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
  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--------------------
    • 強化学習
  30. UpperConfidenceBound(UCB)
    • UCBの直観的な理解1(強化学習と多腕バンディット)
    • UCBの直観的な理解(UCBアルゴリズム)
   

【丁寧すぎる!】カナダの現役機械学習エンジニアが超丁寧にPythonで教える + プログラミングの"プ"。

【丁寧すぎる!】カナダの現役機械学習エンジニアが超丁寧にPythonで教える + プログラミングの"プ"。
発売日 2021/07/08
(4.5)

7.5 total hours
このコース1つでとりあえずPythonの基礎は終わり!

プログラミングを挫折してしまった方、これから始めたいけどスタート地点が分からない方、一旦集合してください。

まずは3点ほど。

  1. このコースは勉強の仕方、やる気の保ち方から、このコースを終える頃にどのようなレベルに到達しているかを明確に、そしてその後に何をすればいいのか全てお伝えします。

  2. できるだけ良い声で、難しい日本語は避け、現在学習していることが今後どのように生きてくるのか、今まで学習したことを常に振り返りながらPythonを学習することができます。

  3. 気に入らなければ返品していただいて構いません。返品していただいて構いません。

Udemy上のみならずオンラインで公開されているPythonのコースは基本的にどれも扱っている内容は同じです。

そしてこのコースは以下の点において他のコースより優れています。

  • 発音、声の大きさ、声のよさ、音声の質

  • 非常によく使用される又は重要なものに焦点を当てています。

  • 難しい日本語は避け初めて登場する単語は必ず解説しています。

  • 常に前後で学習することと関連させながら解説しているため理解や記憶の定着がより見込めます。

  • 全体像を描き、似たもの同士の違いを理解することに非常に力を入れています。

  • マインドマップで視覚的にそれぞれの単語の関連性を学習し、その後実際にプログラムを通して学習します。

【注意】

  • このコースは挫折しないように徹底的に丁寧に楽しく学習できるように作成されている為、プログラミングに没頭されてしまうことが懸念されます。ご家庭がある方、パートナーの方に家事や育児を押し付けないようにお気をつけください。また、彼氏や彼女がいらっしゃる方、プログラミングに熱中するあまりデートをすっぽかすなんてことは避けましょう。

  • このコースを終えただけでは、就職や転職は難しいです。あくまで"Pythonの世界へようこそ"という位置付けです。ご了承ください。


↓全て表示↑少なく表示
 
Users Voice
終始落ち着いた話し方で聞きやすかったです。google colabというオンラインツールを使っている為、自分のパソコンに何もインストールする必要がなかったのが良かったです。 事前にコースの説明にもあったと思いますが、Pythonの学習というよりはプログラミングの学習でした。すでに何か一つプログラミング言語を習得されている方には8~9割知っていることだと思います。 しかし、Comprehensions (内包表記) を知っているかどうかでコードの読みやすさが段違いに変わると思います。 Pythonの記述方法の基礎を曖昧にしておきたくない方におすすめです。 (参考:Udemy)

↓全て表示 ↑少なく表示
学習の最初のステップとして、なぜこれを学習するのか、という目標設定、動機付けがしっかりなされており、入りやすかったから。また、イントロにあったように声が聞き易くオンライン学習がし易いと思ったから。 (参考:Udemy)

↓全て表示 ↑少なく表示
 
レクチャー内容
  1. Chapter0 Introduction
    • 自己紹介 (Introduce myself)
    • コースの概要 (About the course)
    • 勉強法とやる気の継続 (How to keep motivated yourself)
    • 開発環境の構築 (The environment for Python)
  2. Chapter1 Google Colab
    • Python in Real life
    • Google Colab
  3. Chapter2 Data Types (データ型)
    • Chapter2 Intro
    • Integers (int型) Mindmap
    • Integers (int型) GoogleColab
    • Variables (変数) Mindmap
    • Variables (変数) GoogleColab
    • Boolean (bool型、真偽値) Mindmap
    • Boolean (bool型、真偽値) GoogleColab
    • String (str型、文字列) Mindmap
    • String (str型、文字列) GoogleColab
  4. Chapter3 Data Structures (データ構造)
    • Chapter3 Intro
    • Chapter3-1 (Mindmap): List
    • Chapter3-1 (GoogleColab): List
    • Chapter3-2 (Mindmap): Tuple
    • Chapter3-2 (GoogleColab): Tuple
    • Chapter3-3 (Mindmap): Dictionary
    • Chapter3-3 (GoogleColab): Dictionary
    • Chapter3-4 (Mindmap): Set
    • Chapter3-4 (GoogleColab): Set
  5. Chapter4 Assemble the code (コードの組み立て)
    • Chapter4 Intro
    • Chapter4-1 (Mindmap): if, elif, else (if文)
    • Chapter4-1 (GoogleColab): if, elif, else (if文)
    • Chapter4-2 (Mindmap): while loop (while文)
    • Chapter4-2 (GoogleColab): while loop (while文)
    • Chapter4-3 (Mindmap): for loop (for文)
    • Chapter4-3 (GoogleColab): for loop (for文)
    • Chapter4-4 (Mindmap): Comprehensions (内包表記)
    • Chapter4-4 (GoogleColab): Comprehensions (内包表記)
    • Chapter4-5 (Mindmap): Functions (関数)
    • Chapter4-5 (GoogleColab): Functions (関数)
  6. Chapter5 Class
    • Chapter5 Intro
    • Chapter5-1 (Mindmap): Class
    • Chapter5-1 (GoogleColab): Class
    • Chapter5-2 (MIndmap): Inheritances (継承)
    • Chapter5-2 (GoogleColab): Inheritances (継承)
    • Chapter5-3 (Mindmap): Polymorphism (ポリモーフィズム)
    • Chapter5-3 (GoogleColab): Polymorphism (ポリモーフィズム)
  7. Chapter6 Libraries (ライブラリー)
    • Chapter6 Intro
    • Chapter6-1 (Mindmap): Libraries
    • Chapter6-2 (Mindmap): import (import文)
    • Chapter6-2 (GoogleColab): import (import文)
    • Chapter6-3 (Mindmap): Guideline (指針)
    • 最後に
 
Preview Video
   

GPTを自作して大規模言語モデルを理解する:PythonでTransformerとAttentionを学ぶLLM機械学習

GPTを自作して大規模言語モデルを理解する:PythonでTransformerとAttentionを学ぶLLM機械学習
発売日 2023/12/14
(4.4)

7.5 total hours
GPT1の部品を作りながらPyTorchでGPT本体を自作します。LLMがどのように作用しているのか本体を自作してコードレベルで見ていきます。レクチャーの内容に応じてニューラルネットワークについても触れていきます。

初期のGPTを1から作ってみます。ChatGPTのような役立つ生成モデルを再現することはできませんが、学問的な視点から、基本的なGPTを作ってみることで、どうして自然言語が使えるAIが実現するようになったのか、手を動かしながら学びます。イラスト解説と平行して、前半は自然言語処理の成り立ちを学び、後半では、Attentionメカニズムを搭載したTransformerの部品を作っていきます。臨機応変に機械学習に関係することも紹介しています。とにかく、掴める内容にしようと思って愚直に青臭くコースを作成しました。生の生成AIに触れてみたい方にお勧めです。


↓全て表示↑少なく表示
 
Users Voice
Attention機構を使ったTransformerの構造を理解するのに最適なコースでした。LLMの事前学習と微調整についても理解が深まりました。ニューラルネットワークなので勾配降下法と誤差逆伝播法について知っていると良さそうですが、目的関数の最小化の話は出てきません。欲を言えば、微調整の学習データの用意の方法も知りたかったです。 (参考:Udemy)

↓全て表示 ↑少なく表示
講師の知識は豊富ですが、現在の講義がGPTのどこの部分かわかる様にもっと図を使って説明してもらえば、わかりやすいと思う。ビデオと最新のプログラムが異なるところがいくつかあるので、ビデオのほうのバージョンアップをお願いしたい。 (参考:Udemy)

↓全て表示 ↑少なく表示
 
レクチャー内容
  1. このコースの紹介
    • このコースについて
    • 受講対象者について
    • 必要なもの
    • Google Colaboratory の準備
  2. 自然言語処理
    • 自然言語処理の目的
    • トークンと形態素解析
    • Byte Pair Encoding について
    • GPT3は`Session`を理解できない
  3. word2Vec
    • word2vec 概要
    • word2vec とは
    • 教材について
    • word2vec_教材_初期設定
    • word2vec_教材_part2_インスタンス化
    • word2vec_教材_part3_学習
    • word2vec_教材_part4_評価
  4. コサイン類似度
    • コサイン類似度 概要
    • コサイン類似度
    • コサイン類似度_教材_part2_コサイン類似度の計算
    • コサイン類似度_教材_part3_似た者同士を集めてみる
    • コサイン類似度_教材_part4_王-男+女=女王?
    • コサイン類似度_教材_part5_特徴ベクトルの作成
    • 動画解説の訂正
    • コサイン類似度_教材_part6_特徴ベクトルで計算
    • 補足:本来の意味を失った単語たち
    • コサイン類似度_教材_part8_類似する項目の検索関数
    • コサイン類似度_教材_part9_類似する項目の検索の実行
    • コサイン類似度_教材_part10_地名で確認
  5. Transformer
    • Transformer概要
    • このセクションについて
    • Transformer_Part1
    • Transformer_Part2
    • Transformer_Part3
    • Transformer_Part4
    • Transformer_Part5
    • Embedding ベクトルの埋め込み
    • PositionalEncoding_Part1
    • PositionalEncoding_Part2
    • 数式についての補足
    • Positional Encoding をやめたGPT
    • PositionalEncodingの作成_Part1
    • PositionalEncodingの作成_part2
    • PositionalEncodingの作成_part3
    • PositionalEncodingの作成_part4
    • PositionalEncodingの作成_part5
    • PositionalEncodingの教材 その2
    • Positional Encoding のエクセルへの応用
    • Multi-Head Attention_Part1
    • Multi-Head Attention_Part2
    • 補足レクチャー:word2vecでできなかったことを
    • Scaled Dot-Product Attention
    • コーヒーブレーク:Attentionスコアと除算
  6. GPTの作成 上 GPTと埋め込みベクトル
    • このセクションの概要
    • 先ずは動かしてみよう Part1 モデルの全体像(俯瞰してみるとこれだけ)
    • 先ずは動かしてみよう Part2 プログラムの疎通の確認
    • 先ずは動かしてみよう Part3 たとえ過剰適合でも(芥川作品のを生成)
    • 過剰適合で何が悪い(過剰適合モデルの使い方)
    • GPTの構成(ただデコーダーだけで)
    • ライブラリーのインポート
    • Embedding(取り出すのに埋め込み?)
    • 埋め込みベクトルの表現について
    • Position Embedding(位置も埋め込む)
    • PositionEmbedding_教材
    • Positional Encodingの利用
    • Mask(何を隠すのか?)
    • Mask 教材
  7. GPTの作成 中 Transformer Block
    • GPTをつくってみよう(中)概要
    • Scaled_Dot_Product_Attentionの処理
    • Scaled-Dot Product 教材_Part1(初期設定)
    • Scaled_Dot_Product教材_Part2(順伝播)
    • Scaled_Dot_Product教材_Part3(Attentionスコアの計算)
    • Scaled_Dot_Product教材_Part4(縮小処理)
    • Scaled_Dot_Product教材_Part5(マスク処理)
    • Scaled_Dot_Product教材_Part6(確率変換)
    • マルチヘッドアテンション
    • 論文で見るマルチヘッドアテンション
    • マルチヘッドアテンション_教材_Part1
    • マルチヘッドアテンション_教材_Part2
    • マルチヘッドアテンション_教材_Part3
    • Feed Forward クラス
    • FeedForward_教材_Part1
    • FeedForward_教材_Part2
    • TransformerBlockのクラス
    • TransformerBlock_教材_Part1
    • TransformerBlock_教材_Part2
    • TransformerBlock_教材_Part4
    • TransformerBlock_教材_Part5
  8. GPTの作成 下 全てをまとめて
    • GPTの作成 下 全てをまとめて
    • GPT教材 初期化 Part1
    • GPT教材 初期化 Part2
    • GPT教材 初期化 Part3
    • GPT教材 順伝播
    • ハイパーパラメーターについて
    • 教材_GPT動作確認
    • GPT-2への改造メモ
  9. 事前学習
    • 事前学習 概要
    • 事前学習(常識を学ぶ)_Part1
    • 補足説明
    • 教材の実行
    • 教材について
    • 事前学習_教材_青空文庫
    • 事前学習_教材_hyper_parameters
    • 動画解説について
    • 事前学習_教材_Dataset
    • 事前学習_教材_インスタンス化
    • クロスエントロピーについて
    • 事前学習_教材_Train_1
    • 事前学習_教材_Train_2
    • 事前学習_教材_Train_3
    • 事前学習_教材_学習の実行
    • 事前学習_教材_TEST
    • 事前学習(常識を学ぶ)_Part2
  10. GPTの目的関数
    • 目的関数1
    • 目的関数2
    • 目的関数3
    • 目的関数4_対数尤度
    • 目的関数5_CrossEntropyError
  11. 潜在表現の可視化
    • Attention_Scoreについて
    • Babyモデルで
    • 学習済みモデルで
    • Hugging_Faceで_Part1
    • Hugging_Faceで_Part1_fix
    • Hugging_Faceで_Part2
  12. Attentoinの意味
    • Attentoinの意味 概要
    • Attentionの意味
    • 線形変換とAttention_head
    • Attention head の解説に関する補足です
    • Attentionの目指す形
    • 食べ物ベクトルで考える_Part1
    • 食べ物ベクトルで考える Part2 パターン認識
    • 食べ物ベクトルで考える Part3
    • Multi-Head の意味
    • Multi-Head_Attentionのコード
    • K転置は必要か?
    • Hash関数を使ってみる
    • fastTextの重みを可視化
    • 活性化関数からAttentionの世界へ
  13. ファインチューニング
    • ファインチューニングの概要
    • 全てはファインチューニングのために..-
    • Fine-Tuning の仕組み1
    • Fine-Tuningの仕組み2
    • コラム: GPT-3
    • Fine-Tuningのための事前学習_概要
    • コーパスについて
    • Fine-Tuningのための事前学習_教材_part1
    • Fine-Tuningのための事前学習_教材_part2
    • Fine-Tuningのための事前学習_教材_part3_インスタンス
    • Fine-Tuningのための事前学習_教材_part4_学習と評価
    • Fine-Tuningのための事前学習_教材_part5_GPT2で学習と評価
    • Fine-Tuningの作成_概要
    • Next word prediction のファインチューニングは難しい
    • Fine-Tuningの実行_教材_part1_GPTの編集
    • Fine-Tuningの実行_教材_part2_分類器の作成
    • Fine-Tuningの実行_教材_part3_コーパスと辞書の読み込み
    • Fine-Tuningの実行_教材_part4_インスタンス化
    • Fine-Tuningの実行_教材_part5_学習
    • 事前学習がないとどうなるのか
    • コラム:Few-Shot learning
  14. ファインチューニングの改良
    • Fine-Tuningの改良_概要
    • Fine-Tuningの改良_教材_part1
    • Fine-Tuningの改良_教材_part2_学習
    • Fine-Tuningの改良_教材_part3_評価
    • Strideの導入
  15. ボーナスセクション
    • このセクションについて
    • 過去の情報を保持しながらAttentionの計算するために(GPT-2の場合)
    • レクチャーメモ
    • レクチャーメモ
    • 教材の実行1
    • 教材の実行2
    • 学習エポック数について
    • 教材の学習推移
    • 作品数を絞って
    • 学習率をウォーミングアップ
 
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)

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
このコースは非常に実践的で、ディープラーニングの基礎をしっかりと学ぶことができました。講師のわかりやすい説明と実践的な演習は非常に有益で、TensorFlowとKerasの使い方に自信を持てるようになりました。特にディープラーニングのコーディングを実際に体験することは学習に対して非常に効果的でした。また、受講中に発生した疑問点に対するサポートも手厚く、バージョンの違いにより実行できなかったスクリプトも実行できるようになりました。全体的に、予想以上の価値があるコースでした。 (参考:Udemy)

↓全て表示 ↑少なく表示
環境構築で躓きましたが、何度も動画を見返す事で返って仮想環境の理解が深まりました。また、Q&Aに助けられる事も多く、丁寧な回答で助かりました。非常に良い講座だと思います。 (参考:Udemy)

↓全て表示 ↑少なく表示
 
レクチャー内容
  1. 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
   

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。

Python超入門

Python超入門
発売日 2021/09/30
(4)

1.5 total hours
Pythonのプログラミングを学ぼう

本講座はPythonでコードを書いたことの無い方もしくは初級レベルの方を想定して作成したコースです。

以下の内容が含まれています。

  • AnacondaとPyCharmを使って環境構築

  • 辞書やリストの使い方

  • サードパーティライブラリを使ってWikipediaの情報を取得する

  • ファイルの読み書きをする方法


↓全て表示↑少なく表示
 
Users Voice
環境構築はどうしてもバージョンの影響を受けます。 できる限り環境構築部分だけでもアップグレードしてもらえるとすんなり進めるかと思います。 ※例えば、Powershellのセキュリティポリシー設定等 (参考:Udemy)

↓全て表示 ↑少なく表示
少しずつですがPythonが理解できました。ありがとうございます。 (参考:Udemy)

↓全て表示 ↑少なく表示
 
レクチャー内容
  1. Pythonの基本を学習しよう
    • 環境構築
    • リストの操作方法を学ぶ
    • 辞書の操作方法を学ぶ
    • pandasの使い方を学ぶ
    • Wikipediaの情報を取得する
    • ファイルの読み書きをする
   

Pythonで掲示板アプリを作ろう ~Flaskで作るWebアプリケーション開発入門講座~

Pythonで掲示板アプリを作ろう ~Flaskで作るWebアプリケーション開発入門講座~
発売日 2021/10/11
(3.9)

1 total hour
Flaskで作る掲示板アプリ。Bootstrapを使ったWebデザインについても学習できます。Flask-SQLAlchemyを使ってSQLデータベースを操作します。
  1. Pythonのコーディング環境を構築する方法を学びます

  2. Flaskで掲示板アプリを作っていきます。

  3. Bootstrapを使ったWebデザインについても学習できます。

  4. Flask-SQLAlchemyを使ってSQLデータベースを操作します。

  5. HTMLを学習して掲示板の投稿機能を作成します。


↓全て表示↑少なく表示
 
Users Voice
動画で行われているのとまったく同じ環境、手順で進めました。アプリをつくるのはおかげさまで難なくできたのですが、最初の環境構築のところで、全く同じ手順を経たのにもかかわらず、ターミナルを開くと左側の行頭に付くはずの仮想環境名が付いていませんでした。 anaconda navigatorの方でインストールしたライブラリと,pycharmの方で確認したインストールされているライブラリが同じだったので、紐づけはできていると思うのですが、左側の行頭に仮想環境名がついてないのがものすごくもやもやします。 丸一日調べても解決しなかったのでここで質問させていただくことにしました。よろしくお願い (参考:Udemy)

↓全て表示 ↑少なく表示
visual studio codeを使用して作成しましたが、すんなりできました。 完成させることができたのと、説明も十分で勉強になりました。 せっかく作ったので改良をして配布できたらなって思うのですが、配布の仕方とかあるとよかったです。 データーベースを作成するときのpathがよくわからなかったです。 全体を通しては満足いく内容でした。むしろわからない部分もあったのでそこらへんは自分で調べればいいのかなと思いました。 ありがとうございました。 (参考:Udemy)

↓全て表示 ↑少なく表示
 
レクチャー内容
  1. Webアプリケーション開発コース
    • 紹介
    • 環境構築
    • FlaskでHTMLファイルを表示する
    • Flask-SQLAlcemyを使ってデータベースを作成する
    • データベースの中身を表示しよう
    • フォームを使って投稿欄を作ろう
    • 投稿ボタンの処理を実装しよう
    • BootstrapでWebページをデザインしよう
   

Pythonで映画のレコメンドエンジンを作ろう

Pythonで映画のレコメンドエンジンを作ろう
発売日 2021/10/13
(4.3)

1.5 total hours
Pythonでデータ分析をしてみよう。難しい理論は無しでシンプルに説明します。PythonのScikit-Learnでデータ分析を体験できます。最近傍探索、コサイン類似度、協調フィルタリングの概念を理解してデータ分析の第一歩を踏み出そう。

本コースでは以下の内容が含まれます。

  • Pythonでデータ分析を行うために環境構築をする

  • 最近傍探索の使い方を学ぼう

  • コサイン類似度の求め方を学ぼう

  • アイテムベース協調フィルタリングでオススメ映画を探索しよう

  • ユーザベース協調フィルタリングでオススメ映画を探索しよう



↓全て表示↑少なく表示
 
Users Voice
講義で使っているanacondaは有料になってたり、導入方法についての説明が少なかtったり少々不安に感じましたが、開発環境さえ整えればすごく為になった内容でした。僕も同じくswiftを学習していたので、こちらの開発者の名前はよく見かけた方で少し嬉しくもありました。また色々なコースを試して学習していきたいと思います。素晴らしい内容の講習ありがとうございました。 (参考:Udemy)

↓全て表示 ↑少なく表示
レコメンドエンジンを実装メインで理解できてよかったです。 最近傍法とコサイン類似度の実装の方法をsklearnのページを参照に説明されているところもよかったです。 ただ、内容とは別ですが、咳払いが多いのが気になりました。 (参考:Udemy)

↓全て表示 ↑少なく表示
 
レクチャー内容
  1. Pythonでデータ分析をしよう
    • 初めに
    • レコメンデーションの考え方
    • Pythonの環境構築
    • 最近傍探索の使い方
    • 使用するデータセットの説明
    • アイテムベースでオススメ映画を探す
    • ユーザベースでオススメ映画を探す
    • コサイン類似度の求め方
    • コサイン類似度関数を映画データに適用する
 
Preview Video
   

Pythonによるディープラーニング入門 〜ニューラルネットワークを構築しよう〜

Pythonによるディープラーニング入門 〜ニューラルネットワークを構築しよう〜
発売日 2021/10/18
(4.3)

1.5 total hours
Kerasを使って畳み込みニューラルネットワークを構築しよう。全結合層、畳み込み層などの役割についても解説。Kerasを使って自分のオリジナルのニューラルネットワークを構築しよう。手書き数字や物体カラー写真のデータセットの使い方も解説。

このコースではニューラルネットワークを構築する方法を学びます。プログラミング歴14年、大企業でディープラーニングの研究をしていた講師が全結合層や畳み込み層で何をしているか解説を行います。Kerasを使ってニューラルネットワークを構築して、手書き数字や物体カラー写真のデータセットを使って評価します。本コースを受講していただければ自分のオリジナルのニューラルネットワークが組めるAIエンジニアになれます。


↓全て表示↑少なく表示
 
Users Voice
ネットワーク像を少し学んで分からない状態位の時に聞くととても分かりやすいと思いました。 (参考:Udemy)

↓全て表示 ↑少なく表示
講師と質問のやり取りができません?(私の勘違いでなければ)説明していただいている画面に何を入力しているか見えにくくわからないので、リソースを使おうとしました。ところがリソースのダウンロード後に開きません?(私の勘違いでなければ)したがってプログラムがわかりませでした。初心者の私にはちょっとした所でつまずくかもわかりません。講座の内容は良いしわかりやすいと思いました。 (参考:Udemy)

↓全て表示 ↑少なく表示
 
レクチャー内容
  1. ディープラーニングをはじめよう
    • はじめに
    • ディープラーニング入門
    • ニューラルネットワークを作ろう
    • 物体カラー写真にチャレンジ
    • 畳み込みニューラルネットを作ろう
 
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