【Udemy】Python(機械学習/Django)のおすすめ・人気講座とセール情報 まとめ

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。

Contents

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60%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60%~90%まで割引されます。

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講座一覧(セール情報付き)

以下が今Udemyで学習できるPythonの主な講座(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。

学習コース評価
(4.4)
総評価数 9319件
【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 35,176人
通常 12,600円
新規 1,680円
(4.1)
総評価数 5811件
みんなのAI講座 ゼロからPythonで学ぶ人工知能と機械学習
発売日 2016/11/17
受講者 26,120人
通常 15,000円
新規 1,610円
(4)
総評価数 5317件
(4.3)
総評価数 3084件
【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 13,248人
通常 14,400円
新規 2,100円
(4.1)
総評価数 1913件
(4.1)
総評価数 1534件
Pythonで機械学習:scikit-learnで学ぶ識別入門
発売日 2016/10/17
受講者 10,876人
通常 2,400円
新規 1,680円
(4.3)
総評価数 1266件
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 7,662人
通常 24,000円
新規 1,820円
(4.1)
総評価数 1405件
プログラミング言語 Python 3 入門
発売日 2016/06/29
受講者 7,329人
通常 9,600円
新規 1,750円
(4)
総評価数 1637件
【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 6,145人
通常 10,800円
新規 1,680円
(4)
総評価数 617件
(4.3)
総評価数 941件
(4.2)
総評価数 1014件
(4)
総評価数 571件
【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 3,488人
通常 10,800円
新規 1,680円
(3.9)
総評価数 536件
【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 2,958人
通常 9,600円
新規 1,680円
(3.8)
総評価数 269件
(4)
総評価数 305件
(3.8)
総評価数 145件
(4.2)
総評価数 232件
Python3 の基礎 - 超入門・再入門 -
発売日 2018/07/17
受講者 941人
通常 15,000円
新規 1,610円
(4.4)
総評価数 182件
(4.3)
総評価数 152件
(4.3)
総評価数 117件
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 606人
通常 15,000円
新規 1,610円
(3.8)
総評価数 83件
(4.1)
総評価数 63件
(3.9)
総評価数 150件
(3.4)
総評価数 46件
(4.3)
総評価数 28件
(4.9)
総評価数 11件
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 186人
通常 23,400円
新規 1,610円
(4)
総評価数 8件
[Python Django 3 RestFramework + Angular 9]でWebフルスタック完全攻略
発売日 2020/03/16
受講者 110人
通常 24,000円
新規 1,610円
(2.7)
総評価数 14件
(4.7)
総評価数 7件
(3.8)
総評価数 2件

 

UdemyのおすすめのPython入門講座 5選

以下が、Python入門者におすすめ講座です。

Pythonの基礎文法から簡単な応用まで幅広く解説。

1本でかなり入門から実用まで学習できるので、非常にコスパの高いPython学習が可能です。

それぞれ詳しく見ていきましょう。

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
(4.4)

28.5 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
純粋に楽しい!「どうやったらPythonを楽しめるか」のきっかけを与えてくれるすごい講師だと思う! (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
   

はじめてのPython 少しづ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 少しづ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
(4.2)

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
講習内容は、わかりやすくてよかっただす。ただたまに画面がぼやけていたり、音声が最後途絶えてしまう時があって改善されるとありがたいと思います (参考:Udemy)

↓全て表示 ↑少なく表示
 
レクチャー内容
  1. 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
  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: 関連コースの紹介
    • ボーナスレクチャー: 講師の著書
    • ボーナスレクチャー: YouTubeチャンネル
    • ボーナスレクチャー: Facebookページ
    • ボーナスレクチャー: SAI-Lab株式会社(講師の会社)
 
Preview Video
   

Python3 の基礎 - 超入門・再入門 -

Python3 の基礎 - 超入門・再入門 -
発売日 2018/07/17
(4.4)

11 total hours
省かず,端折らず,確実に基礎を学ぶPythonの学習コース.文法,インストール方法からモジュール作成まで一通り学べます.

このコースではPython3の最も基礎的な内容について学びます.
特に,多くの書籍や教育コースでは指導・解説を省略する部分を徹底的に実習しながら身につけます.
また,Pythonの文を逐一入力して実行する形の実習を基本としているめ,Pythonの文法を明確に認識して確実に理解することができます.

与えられたサンプルコードやノートブックなどをそのまま実行するだけでは得られない深さと明確さで,Pythonを理解できます.

基礎的な内容にフォーカスする関係上,GUI構築やデータ処理,人工知能に関する内容は扱いません.ただし,以下のような基礎的な項目全般を,体験しながら確実に学んでいただきます.
・データタイプとデータ構造
・繰り返し/条件分岐の構文
・端末入出力
・ファイル入出力
・関数定義
・日付・時刻情報の取り扱い
・正規表現の考え方
・オブジェクト指向
・分割プログラミング(モジュール作成)

ビデオ教材の再生時間の合計は11時間です.このコースの内容を学んだ後は,GUI構築,データ処理,人工知能関連の各種ライブラリを自力で取り扱い,現実的なレベルでアプリケーション構築に進むことができます.

【コース更新】2020年05月
 演習課題の要望をたくさんいただきましたので,各要所に演習問題のPDFを追加しました.


↓全て表示↑少なく表示
 
Users Voice
非常に丁寧に構成された講座。簡単にアクセスできるPythonに関するの情報は大量に存在するが、目移りしてしまってどこから始めたらいいのかわからずにいた。この講座はそんな人に勧められるものだ。 (参考:Udemy)

↓全て表示 ↑少なく表示
 
レクチャー内容
  1. はじめに
    • ご挨拶
    • コースの目的と概要
  2. 導入
    • Pythonをはじめる準備
    • 補足「コマンド」
    • 補足「コマンド」(まとめ)
    • Pythonを動かしてみる-1
    • Pythonを動かしてみる-2
    • Pythonを動かしてみる-3
  3. Pythonで扱う基本的なデータ
    • Pythonで扱う数値-1
    • Pythonでのパッケージの扱い
    • Pythonで扱う数値-2
    • 文字列の扱い-1
    • 文字列の扱い-2
    • 文字列の扱い-3
    • データの型
  4. 閑話:プログラミングを学ぶ上での心構え
    • 閑話:プログラミングを学ぶ上での心構え
  5. データ構造
    • データ構造-1
    • データ構造-2
    • データ構造-3
    • データ構造へのアクセス-1
    • データ構造へのアクセス-2
  6. 制御構造
    • 制御構造-1
    • 制御構造-2
    • 制御構造-3
    • 制御構造-4
  7. 入出力
    • 入出力-1
    • 入出力-2
    • 入出力-2_2
    • 09-3入出力-3
    • 入出力-4
    • 入出力-5
    • 入出力-5_2
  8. 閑話:発生するエラーへの対処
    • 閑話:発生するエラーへの対処
  9. 関数の定義
    • 関数の定義-1
    • 関数の定義-2
    • 関数の定義-3
  10. 文字列に対する高度な処理
    • 文字列に対する高度な処理-1
    • 文字列に対する高度な処理-2
  11. 日付・時間の扱い
    • 日付・時間の扱い-1
    • 「日付・時間の扱い-1」の訂正
    • 日付・時間の扱い-2
  12. モジュールの作成
    • モジュールの作成-1
    • モジュールの作成-2
    • 「モジュールの作成-2」の訂正
  13. データ構造に即したプログラミング
    • データ構造に即したプログラミング
  14. オブジェクト指向プログラミング
    • オブジェクト指向プログラミング-1
    • オブジェクト指向プログラミング-2
    

プログラミング言語 Python 3 入門

プログラミング言語 Python 3 入門
発売日 2016/06/29
(4)

6 total hours
機械学習、データサイエンス、統計分析の分野で重要度を増すプログラミング言語 Python の基本を、チュートリアル動画でマスターしよう。

Python は世界中で人気があるプログラミング言語で、Google や YouTube、Instagram、Dropbox など、多数の企業やソフトウェアで使用されています。

近年では、機械学習、データサイエンス、統計分析などの分野で、高度な数値計算、科学技術計算ライブラリが豊富にある Python の重要度が増してきています。求人サイトによるプログラミング言語別平均年収ランキング (2016) で Python が 1 位になるなど、日本でも Python エンジニアへの需要が急速に高まってきています。

Python は汎用的なプログラミング言語で、様々な用途に使用することができます。Web アプリケーション、GUI アプリケーション、高度な数値計算や科学技術計算、ゲーム、ロボット向けアプリケーションと多岐に渡り、Python の知識を様々な分野で活用することができます。


↓全て表示↑少なく表示
 
Users Voice
私はwindowsユーザーですが、説明がmacを使っているので、そのへんの事前説明があったほうが親切かと思いました。 (参考:Udemy)

↓全て表示 ↑少なく表示
 
レクチャー内容
  1. Python のインストールと起動
    • Python をインストール
    • Python を起動
  2. はじめての Python
    • 数値 1
    • 数値 2
    • 文字列 1
    • 文字列 2
    • 文字列 3
    • リスト 1
    • リスト 2
    • リスト 3
  3. Python の制御フロー
    • while 文とフィボナッチ数列
    • if 文
    • 条件式
    • for 文
    • range 関数
    • break 文とループでの else 節
    • continue 文
    • pass 文
  4. Python の関数
    • 関数を定義 1
    • 関数を定義 2
    • デフォルト引数値 1
    • デフォルト引数値 2
    • キーワード引数 1
    • キーワード引数 2
    • キーワード引数 3
    • 任意引数リスト
    • 引数リストをアンパック
    • ラムダ式
    • ドキュメンテーション文字列
    • 関数アノテーション
  5. Python のデータ構造
    • リスト
    • スタックやキューとしてリストを使用
    • リスト内包表記 1
    • リスト内包表記 2
    • リスト内包表記 3
    • リスト内包表記をネスト
    • del 文
    • タプル
    • 集合(セット)1
    • 集合(セット)2
    • 辞書 1
    • 辞書 2
    • ループ技法
  6. Python のモジュール
    • PyCharm をインストール
    • 新しい Python ファイルを作成
    • モジュール 1
    • モジュール 2
    • モジュール 3
    • スクリプトとしてモジュールを実行
    • PyCharm でモジュールを実行
    • PyCharm でモジュールをデバッグ
    • パッケージ
  7. Python の例外(エラー)
    • 例外(エラー)1
    • 例外(エラー)を処理 1
    • 例外(エラー)を処理 2
    • 例外(エラー)を処理 3
    • 例外(エラー)を起こす
    • クリーンアップを定義
  8. Python のクラス
    • スコープ
    • クラス 1
    • クラス 2
    • インスタンス
    • メソッド
    • クラス変数とインスタンス変数 1
    • クラス変数とインスタンス変数 2
  9. Python の入力と出力
    • 文字列のフォーマット
    • ファイルの読み書き
  10. Python の標準ライブラリ
    • os
    • shutil
    • math, random, statistics
    • urllib.request
    • datetime
    • リファレンス
 
Preview Video
   

Python でわかる オブジェクト指向 とはなにか?【Python オブジェクト指向 の「なぜ?」を「徹底的に」解説】

Python でわかる オブジェクト指向 とはなにか?【Python オブジェクト指向 の「なぜ?」を「徹底的に」解説】
発売日 2019/05/22
(4.2)

2 total hours
あなたはオブジェクト指向、理解してますか?元塾講師プログラマが教える、Python オブジェクト指向 プログラミング(OOP)!Python 初心者が必ずつまづく、OOPの歴史+メリット+周辺技術+Python での実装方法を徹底的に解説!

この講座の特徴

この講座は、オブジェクト指向をよくわかっていないあなたが、「オブジェクト指向とはなにか?」を理解するための講座です。

オブジェクト指向は、Pythonの文法を学んだときに最後に出てくるクラス・インスタンスなどのあれです。

最後の方に出てきたので一応学んだけれども、「どう役立つのか?」が理解できなかった、という方も多いのではないでしょうか?

それもそのはずで、オブジェクト指向は開発の総合技術であり、自身の開発に活用できるようになるまでには、数多くのことを学ばなければいけません。

この講座は、他の教材では最後の方にちょっと出てくるやつである、オブジェクト指向「だけ」を2時間以上かけて徹底的に解説した講座です。

あなたにとって、今までまったくわからないものだったオブジェクト指向を、

「今すぐに開発に使えと言われたら無理だけど、オブジェクト指向がどういうものであるかはわかった!」

と思えるレベルまで連れて行くのがこの講座の目標です。


講座の進み方

なにごともそうですが、それが誕生した背景を知ると理解が深まります。

この講座でも、オブジェクト指向の誕生までの歴史から解説していきます。

歴史を学ぶことでオブジェクト指向が、当時あった問題を解決するために、必然性をもって誕生した技術であることが理解できるかと思います。

その後は具体的に、どのような仕組みによって問題を解決しているのかを、Pythonのプログラムを使いながら説明していきます。

オブジェクト指向の三大要素だけでなく、データ型・引数の値渡しと参照渡し・デコレータなど、Pythonオブジェクト指向の周辺知識についても解説しています。

また各セクションでは、理解度の確認のための演習問題も用意しております。

演習に取り組むことで、理解した「つもり」で終わらないようにしましょう。

Google ColaboratoryというGoogleが提供するブラウザ上のPython実行環境を用いて学習を進めます。

めんどうな環境構築が不要なので、オブジェクト指向の学習に集中できます。


↓全て表示↑少なく表示
 
Users Voice
例え話で分かりやすくしようとしてかえって分かりづらくなっている本やサイトが多いですが、実際のプログラムを用いて説明してくれているので、とても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. オブジェクト指向を学ぶ前に
    • 講座の概要
    • オブジェクト指向とは?
    • プログラミング言語の誕生
    • 高級言語の誕生とソフトウェア危機
    • 構造化プログラミング
    • 関数の独立性を高める
    • ローカル変数と引数の値渡し
    • まとめ・OOPの誕生
  2. クラス
    • 講座資料の準備
    • 資料が開けなかった場合
    • クラス
    • カプセル化
    • インスタンスの生成
    • コンストラクタ
    • まとめ・ポイント
    • 演習問題①
    • 演習問題①解説
    • Pythonはすべてがオブジェクト
    • Pythonにおける値渡しと参照渡し
    • ミュータブルとイミュータブル
  3. 継承
    • 継承
    • 継承(共通部分をまとめる)
    • オーバーライド
    • まとめ・ポイント
    • 演習問題②
    • 演習問題②解説
    • デコレータ
  4. ポリモーフィズム
    • ポリモーフィズム
    • 抽象クラス・抽象メソッド
    • まとめ・ポイント
    • 演習問題③
    • 演習問題③解説
  5. オブジェクト指向プログラミングの周辺技術・最大限活用するためのヒント
    • OOPがもたらした再利用技術
    • モジュール
    • フレームワーク
    • 設計原則とデザインパターン
    • OOPを最大限活用するために
  6. ボーナス
    • さらなる上達のためのコースマップ
    • プログラミング学習の効率をさらに高めるには
    • 完全無料のお役立ちプログラミング動画教材のご案内
    

UdemyのPython機械学習講座 4選

以下の講座では、Pythonを使った応用の中でも最も熱い機械学習・ディープラーニングについて学べます。

【Kaggleで学ぼう】Python と Keras で学ぶディープラーニング開発入門

【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
(3.9)

4 total hours
データサイエンスの基礎を学んで、目指せKaggler (カグラー) ! TensorFlowとKerasで短期間にディープラーニングによるAI開発手法を学び、Kaggleコンペティションに挑戦し、データサイエンティストとして活躍しよう!

【更新情報】

2019/6/20 sparse_categorical_crossentropyをsparse_categorical_entropyと誤記している部分がありましたので、修正しました。


【コース概要】

ディープラーニングによるAI開発は普及期に突入し、さまざまな分野で応用が広がっています。

しかし、TensorFlow(テンソルフロー)ネイティブのAPIを使う実装は複雑で時間がかかるのが問題だと言われています。

そのため、Google社ではKeras(ケラス)というTensorFlowやTheano(シアーノ)などのディープラーニングライブラリのラッパーをTensoFlow本体に取り入れ、よりシンプルで高速に開発することを推奨しています。

このコースではこのKerasを用いたディープラーニングの実装にフォーカスし、環境構築からニューラルネットワークによる学習、ディープラーニングなどを学べます。コースを終えると、あなたのアイデアをKerasを用いて短期間に実装できるようになります。

また、Kaggle(カグル)というデータサイエンティストコミュニティサイト上で、データサイエンスのコンペティションに参加する手順を解説し、オープンデータで学習を行います。Kaggleの参加者は "Kaggler" (カグラー)と呼ばれ、実力を証明するのに役立ちます。

Kagglerとなってメダル取得を目指して学習し、就職や転職に役立つポートフォリオを作り、AIエンジニアやデータサイエンティストとして活躍できるようになりましょう!

【コース概要】

  1. 機械学習・深層学習の概要と環境構築

  2. 3層ニューラルネットワークでMNISTを解く

  3. 畳み込みニューラルネットワークでFashion_MNISTを解く

  4. Kaggleへの登録とコンペティションの解読方法

  5. Kaggleで学ぼう! (Dogs vs. Cats)

    1. Dogs vs. Cats をCatdogNet(VGG-16コンパクト版)で解く(2018/11/14 追加)

【更新情報】

11/14 セクション5にモデルの定義、学習の実行、結果の可視化までを追加しました。

11/12 セクション5に正解ラベルの生成、Seabornによるカウントプロットや画像データの表示のレクチャーを追加しました。

11/10 セクション5にリストの内包表記のレクチャーを追加しました。



↓全て表示↑少なく表示
 
Users Voice
とりあえず手を動かすという意味ではKaggleに実際に挑戦する講義等もあり有益です。 しかし、コードの説明等はそこまで詳しくないので、初学者は「なぜ?」が多くつまづいてしまうかもしれません。 ある程度機械学習への理解があり、ガンガン手を動かしたいという方には良いと思います。 (参考:Udemy)

↓全て表示 ↑少なく表示
 
レクチャー内容
  1. はじめに
    • コースの概要
  2. 基本用語とGoogle Colabではじめての機械学習体験
    • 用語の整理:機械学習とは?
    • 用語の整理:ニューラルネットワークとは?
    • Google ColabでKerasの動作を体験してみよう!
    • MNISTで扱っているデータの詳細
    • 自主練習課題: Google ColabでMNISTを実行
  3. 環境構築とPythonのミニマムレビュー
    • Anacondaをインストールしよう(Windows編)
    • Anacondaのインストール(Mac編)
    • TensorFlow 1.11(Keras内蔵)をインストールしよう
    • 仮想環境の有効化と終了手順
    • Jupyter Notebookの起動と変数の扱い
    • データ型とキャスト(型変換)を学ぼう
    • 演算子
    • リストとタプルで複数データをまとめて扱おう
    • 文字列操作とフォーマットを学ぼう
  4. 3層ニューラルネットワークでMNISTにチャレンジ
    • セクションの概要
    • 3層ニューラルネットワークでMNISTを解いてみよう
    • データを確認しよう
    • 最適化手法を定義して学習してみよう
    • sparse_categorical_crossentropyとcategorical_crossentropy
    • テスト画像で数字の推定を行ってみよう
    • 学習フローのレビュー
    • 応用課題: Fashion MNISTにチャレンジ
    • 課題実行例: その1
    • 課題実行例 その2
    • MNIST(3層NN)のノートブック
    • Fashion MNIST(3層NN)のノートブック
  5. 畳み込みニューラルネットワークでFashion MNISTのスコア向上を図る
    • 3層NNからCNNへ
    • CNNモデルを定義しよう
    • CNNモデルのトレーニングを実行しよう
    • 練習課題: CNNでFashion MNISTにチャレンジ
  6. Kaggleの歩き方
    • セクションとKaggleの概要
    • Kaggleの各ページをチェックしよう
    • Kaggleへの登録とデータのダウンロード
    • ダウンロードデータを確認してみよう
    • データの確認とサブミッション(提出手順)
    • セクションのまとめ
  7. KaggleのKernelsで学ぼう(Dogs vs. Cats)
    • セクションの概要とデータダウンロード
    • ダウンロードデータを確認しよう
    • データの整理とアルゴリズムについて
    • Catdog Net カーネルを解読しよう
    • リストの内包表記(コンプリヘンション)でファイル一覧を取り出そう
    • データの部分抽出を行おう(リストのスライス処理)
    • データをNumPy配列に変換しよう
    • 分類ラベルを生成しSeabornで可視化しよう
    • 画像データを表示してみよう
    • 平均画像を生成しよう
    • CatdogNetモデルの定義をしよう
    • トレーニングを実行しよう
    • 収束状況(Loss)をプロットしよう
    • 推論結果を可視化しよう & セクションのまとめ
    • セクションで使用したノートブック
  8. オプション: 数学の学び直し(機械学習のための数学講座から抜粋)
    • 微分
    • 極限
    • 導関数
    • 微分の線形性
    • 分数関数の微分
    • シグモイド関数の微分を計算してみよう
    • 偏微分
 
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

みんなのAI講座 ゼロからPythonで学ぶ人工知能と機械学習
発売日 2016/11/17
(4)

13 total hours
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。


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

本コースは、2020年8月3日に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。

旧レクチャーですが、本講座後半のセクションにそのまま残っています。

本講座の動画時間の4割程度は旧コンテンツになりますのでご注意ください。

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

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。


↓全て表示↑少なく表示
 
Users Voice
AIに関する概略説明が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. (追加コンテンツ)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. (追加コンテンツ)Pythonの基礎
    • 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
    • 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
    • 人工知能の未来
    • 質疑応答: さらに学ぶために
  8. (旧レクチャー)コースと人工知能の概要
    • 旧レクチャーについて
    • (旧レクチャー)コースの概要
    • (旧レクチャー)人工知能(AI)の概要
    • (旧レクチャー)機械学習とは
    • (旧レクチャー)プログラミング言語、Python
    • (旧レクチャー)学習の心構え
  9. 準備
    • (旧レクチャー)PyCharmの解説
    • (旧レクチャー)PyCharmのインストール(Mac)
    • (旧レクチャー)PyCharmのインストール(Windows)
    • (旧レクチャー)PyCharmの環境設定
    • (旧レクチャー)(Windowsのみ)Anacondaのインストールの際の注意点
    • (旧レクチャー)Anacondaのインストール
    • (旧レクチャー)学習のための参考資料
  10. Pythonの基礎
    • (旧レクチャー)Python学習の注意点
    • (旧レクチャー)Hello World!
    • (旧レクチャー)拡張子について
    • (旧レクチャー)コメントと日本語対応
    • (旧レクチャー)変数の概念
    • (旧レクチャー)四則演算
    • (旧レクチャー)Python2.7とPython3.Xの違い
    • (旧レクチャー)乱数
    • (旧レクチャー)文字列の操作1
    • (旧レクチャー)文字列の操作2
    • (旧レクチャー)Bool値と比較演算子
    • (旧レクチャー)論理演算子
    • (旧レクチャー)分岐
    • (旧レクチャー)リスト
    • (旧レクチャー)タプル
    • (旧レクチャー)辞書
    • (旧レクチャー)for文
    • (旧レクチャー)While文
    • (旧レクチャー)分岐とループの組み合わせ
    • (旧レクチャー)関数
    • (旧レクチャー)スコープ
    • (旧レクチャー)引数と返り値
    • (旧レクチャー)デバッガの使い方
    • (旧レクチャー)多重リスト
    • (旧レクチャー)クラスの概念の解説
    • (旧レクチャー)クラス
    • (旧レクチャー)クラス、リストの応用
    • (旧レクチャー)ファイルの読み込み
  11. (旧レクチャー)必要な数学の学習
    • (旧レクチャー)機械学習に必要な数学
    • (旧レクチャー)matplotlibの導入
    • (旧レクチャー)一次関数の描画
    • (旧レクチャー)様々な関数の描画
    • (旧レクチャー)指数関数
    • (旧レクチャー)ネイピア数
    • (旧レクチャー)シグモイド関数1
    • (旧レクチャー)シグモイド関数2
    • (旧レクチャー)シグモイド関数3
  12. (旧レクチャー)ニューラルネットワーク
    • (旧レクチャー)神経細胞の構造
    • (旧レクチャー)ニューラルネットワークの概要
    • (旧レクチャー)ニューロンの概念的な構造
    • (旧レクチャー)ニューロンへの入力
    • (旧レクチャー)ニューロンからの出力
    • (旧レクチャー)シグモイド関数の導入
    • (旧レクチャー)結合荷重(重み)
    • (旧レクチャー)ニューラルネットワークによる分類の概要
    • (旧レクチャー)外部データの導入
    • (旧レクチャー)外部データの表示
    • (旧レクチャー)外部データの分類
    • (旧レクチャー)バイアスの導入
    • (旧レクチャー)構築するニューラルネットワークの解説
    • (旧レクチャー)ニューラルネットワークの構築1
    • (旧レクチャー)ニューラルネットワークの構築2
  13. (旧レクチャー)機械学習
    • (旧レクチャー)バックプロパゲーションによる機械学習
    • (旧レクチャー)訓練用データの読み込み
    • (旧レクチャー)訓練用データの表示
    • (旧レクチャー)訓練用のメソッド
    • (旧レクチャー)誤差
    • (旧レクチャー)中間層-出力層の重みの修正
    • (旧レクチャー)入力層-中間層の重みの修正
    • (旧レクチャー)訓練
    • (旧レクチャー)訓練結果に基づく分類
  14. (旧レクチャー)機械学習ライブラリの活用
    • (旧レクチャー)scikit-learnの概要
    • (旧レクチャー)scikit-learnの導入
    • (旧レクチャー)scikit-learnの練習
    • (旧レクチャー)scikit-learnによる文字認識1
    • (旧レクチャー)scikit-learnによる文字認識2
    • (旧レクチャー)scikit-learnによる株価分析1
    • (旧レクチャー)scikit-learnによる株価分析2
  15. (旧レクチャー)さらに学ぶために
    • (旧レクチャー)TensorFlowと機械学習のためのライブラリ
    • (旧レクチャー)CPUとGPU
    • (旧レクチャー)畳み込みニューラルネットワークとDCGAN
    • (旧レクチャー)人工知能の未来
    • (旧レクチャー)補足: Python3.6の導入
  16. ボーナスレクチャー
    • ボーナスレクチャー: 関連コースの紹介
    • ボーナスレクチャー: 講師の著書
    • ボーナスレクチャー: YouTubeチャンネル
    • ボーナスレクチャー: Facebookページ
    • ボーナスレクチャー: SAI-Lab株式会社(講師の会社)
    • 評価とレビューのお願い & 本講座で使用した資料
    • 重みの更新式の数学的背景
    • Pythonの個別インストール(Windowsのみ)
 
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
(4.1)

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
4日目の内容は1日目に持ってくるべきでは? 先頭から順に学習を進めてきた人にとって4日目の内容は今更感があります。 (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 Collab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 1.11 CPU/GPU版のインストール
    • 仮想環境の切り替え
    • JupyterNotebook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
(4.1)

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
ただのコーディング動画。 ある意味では勉強になった。 授業のフローは素晴らしいが、 想定していたものと違っていた。 つまりもうちょっと関数に対する説明が欲しい。 (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(CPU版)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
    • 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
    • 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のPythonデータ分析(データサイエンス)講座 3選

以下の講座では、これまたPythonの得意分野である、データ分岐・データサイエンスについて学べます。

【世界で18万人が受講】実践 Python データサイエンス

【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
(4.1)

17.5 total hours
データ解析の基本、可視化、統計、機械学習などデータサイエンスに関するあらゆる実践的なスキルがPythonで身に付く!

このコースは、Pythonを使ってデータを解析し可視化するために必要なスキルを網羅しています。Pythonと科学計算のためのライブラリの使い方が完璧に理解できるようになっています。

このコースを習得すれば、次のような事ができるようになります。

- Pythonプログラミングへの知識が深まります。

- numpyを使って、アレイを使った数値計算ができるようになります。

- pandasを使った効果的なデータ解析ができるようになります。

- matplotlibとseabornを使って、出版にも使えるほど綺麗なデータの可視化が可能になります。

- Pythonを使って実際にデータを解析する方法論が身につきます。

- 機械学習への理解が相当高まります。

- すべてのコードはPython3に完全対応しています。

20時間以上、100本を超えるビデオと、すぐに使えるPythonコードがまとまった資料が用意されていますので、データサイエンスに関する知識が飛躍的に高まります。


↓全て表示↑少なく表示
 
Users Voice
データ分析に必要なことが過不足なくまとまっているので、おすすめです。 ただpandasはアプデ頻度が高いこともあり、講師の方が書いたとおりにコーディングしてもエラーが出ることもあります。(Q&Aを見れば基本的に全て解決策が載っています。) 結局わからないことは自分で調べてコードを書くということができないといけないと思うので、個人的にはあまり気になりませんでしたが、4.5にしておきます。 (参考:Udemy)

↓全て表示 ↑少なく表示
 
レクチャー内容
  1. このコースの内容とPythonについて
    • コースの概要
    • 学習を進めるために
  2. 準備
    • インストールとセットアップ
    • IPython notebookの使い方
    • 学習を進めるための資料
  3. numpyを知ろう
    • numpy入門
    • アレイを作る
    • アレイを使った計算
    • アレイの添え字
    • 行と列の入れ替え
    • アレイと計算のための関数
    • アレイを使ったデータ処理
    • アレイのの入出力
  4. pandas入門
    • Series(1次元のデータ列)
    • DataFrame(テーブル型のデータ)
    • indexの基本
    • indexを変える
    • 行や列を削除する
    • データを取り出す
    • 形の違うデータの計算
    • データの並べ替えと順番
    • データと統計量
    • 欠損値の扱い
    • indexの階層構造
  5. データ解析の基礎 その1
    • テキストデータの読み書き
    • JSON
    • HTMLからのデータの取り出し
    • Excel形式のファイルを読み込む
  6. データ解析の基礎 その2
    • データのマージ
    • indexを使ったマージ
    • データの連結
    • DataFrameを組み合わせる
    • SeriesとDataFrameの変換
    • ピボットテーブルの作り方
    • 重複したデータの処理
    • マッピングを使った列の追加
    • 置換
    • indexの変更
    • ビニング(Binning)
    • 外れ値
    • Permutation
  7. データ解析の基礎 その3
    • データをまとめるGroupBy
    • データをまとめるGroupByその2
    • データのAggregation
    • Split、Apply、Combining
    • クロス集計表
  8. データの可視化
    • Seabornのインストール
    • ヒストグラム
    • カーネル密度推定
    • 分布の可視化
    • ボックスプロットとバイオリンプロット
    • 回帰とプロット
    • ヒートマップとクラスタリング
  9. 実践データ解析
    • 実践データ解析(導入)
    • 実践データ解析(準備)
    • タイタニック その1
    • タイタニック その2
    • タイタニック その3
    • タイタニック その4
    • 株式市場のデータ解析入門
    • 株式市場 その1
    • 株式市場 その2
    • 株式市場 その3
    • 株式市場 その4
    • 株式市場 その5
    • 選挙とデータ解析
    • 選挙 その1
    • 選挙 その2
    • 選挙 その3
    • 選挙 その4
  10. 機械学習
    • 機械学習入門
    • 線形回帰 その1
    • 線形回帰 その2
    • 線形回帰 その3
    • 線形回帰 その4
    • ロジスティック回帰 その1
    • ロジスティック回帰 その2
    • ロジスティック回帰 その3
    • ロジスティック回帰 その4
    • 多クラス分類 その1:ロジスティック回帰
    • 多クラス分類 その2:k近傍法
    • サポートベクトルマシン(SVM) その1
    • サポートベクトルマシン(SVM)その2
    • ナイーブベイズ分類 その1
    • ナイーブベイズ分類 その2
    • 決定木とランダムフォレスト
  11. 付録A:Pythonの基礎
    • Pythonの基礎 その1
    • Pythonの基礎 その2
    • Pythonの基礎 その3
  12. 付録B:統計入門
    • 離散一様分布
    • 連続一様分布
    • 二項分布
    • ポアソン分布
    • 正規分布
    • 標本と母集団
    • t分布
    • 仮説検定
    • カイ二乗分布を使った検定
    • ベイズの定理
  13. 付録C:SQLとPython
    • SQL入門
    • selectの基本
    • selectの応用
  14. 付録D:Webスクレイピング
    • Webからの情報抽出 その1
    • Webからの情報抽出 その2
 
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
(4.3)

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
これから学習していく道筋、ゴールを明確に説明してもらっているので、モチベーションが上がりました。 (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
    

【世界で18万人が受講】実践 Python データサイエンス

【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
(4.1)

17.5 total hours
データ解析の基本、可視化、統計、機械学習などデータサイエンスに関するあらゆる実践的なスキルがPythonで身に付く!

このコースは、Pythonを使ってデータを解析し可視化するために必要なスキルを網羅しています。Pythonと科学計算のためのライブラリの使い方が完璧に理解できるようになっています。

このコースを習得すれば、次のような事ができるようになります。

- Pythonプログラミングへの知識が深まります。

- numpyを使って、アレイを使った数値計算ができるようになります。

- pandasを使った効果的なデータ解析ができるようになります。

- matplotlibとseabornを使って、出版にも使えるほど綺麗なデータの可視化が可能になります。

- Pythonを使って実際にデータを解析する方法論が身につきます。

- 機械学習への理解が相当高まります。

- すべてのコードはPython3に完全対応しています。

20時間以上、100本を超えるビデオと、すぐに使えるPythonコードがまとまった資料が用意されていますので、データサイエンスに関する知識が飛躍的に高まります。


↓全て表示↑少なく表示
 
Users Voice
データ分析に必要なことが過不足なくまとまっているので、おすすめです。 ただpandasはアプデ頻度が高いこともあり、講師の方が書いたとおりにコーディングしてもエラーが出ることもあります。(Q&Aを見れば基本的に全て解決策が載っています。) 結局わからないことは自分で調べてコードを書くということができないといけないと思うので、個人的にはあまり気になりませんでしたが、4.5にしておきます。 (参考:Udemy)

↓全て表示 ↑少なく表示
 
レクチャー内容
  1. このコースの内容とPythonについて
    • コースの概要
    • 学習を進めるために
  2. 準備
    • インストールとセットアップ
    • IPython notebookの使い方
    • 学習を進めるための資料
  3. numpyを知ろう
    • numpy入門
    • アレイを作る
    • アレイを使った計算
    • アレイの添え字
    • 行と列の入れ替え
    • アレイと計算のための関数
    • アレイを使ったデータ処理
    • アレイのの入出力
  4. pandas入門
    • Series(1次元のデータ列)
    • DataFrame(テーブル型のデータ)
    • indexの基本
    • indexを変える
    • 行や列を削除する
    • データを取り出す
    • 形の違うデータの計算
    • データの並べ替えと順番
    • データと統計量
    • 欠損値の扱い
    • indexの階層構造
  5. データ解析の基礎 その1
    • テキストデータの読み書き
    • JSON
    • HTMLからのデータの取り出し
    • Excel形式のファイルを読み込む
  6. データ解析の基礎 その2
    • データのマージ
    • indexを使ったマージ
    • データの連結
    • DataFrameを組み合わせる
    • SeriesとDataFrameの変換
    • ピボットテーブルの作り方
    • 重複したデータの処理
    • マッピングを使った列の追加
    • 置換
    • indexの変更
    • ビニング(Binning)
    • 外れ値
    • Permutation
  7. データ解析の基礎 その3
    • データをまとめるGroupBy
    • データをまとめるGroupByその2
    • データのAggregation
    • Split、Apply、Combining
    • クロス集計表
  8. データの可視化
    • Seabornのインストール
    • ヒストグラム
    • カーネル密度推定
    • 分布の可視化
    • ボックスプロットとバイオリンプロット
    • 回帰とプロット
    • ヒートマップとクラスタリング
  9. 実践データ解析
    • 実践データ解析(導入)
    • 実践データ解析(準備)
    • タイタニック その1
    • タイタニック その2
    • タイタニック その3
    • タイタニック その4
    • 株式市場のデータ解析入門
    • 株式市場 その1
    • 株式市場 その2
    • 株式市場 その3
    • 株式市場 その4
    • 株式市場 その5
    • 選挙とデータ解析
    • 選挙 その1
    • 選挙 その2
    • 選挙 その3
    • 選挙 その4
  10. 機械学習
    • 機械学習入門
    • 線形回帰 その1
    • 線形回帰 その2
    • 線形回帰 その3
    • 線形回帰 その4
    • ロジスティック回帰 その1
    • ロジスティック回帰 その2
    • ロジスティック回帰 その3
    • ロジスティック回帰 その4
    • 多クラス分類 その1:ロジスティック回帰
    • 多クラス分類 その2:k近傍法
    • サポートベクトルマシン(SVM) その1
    • サポートベクトルマシン(SVM)その2
    • ナイーブベイズ分類 その1
    • ナイーブベイズ分類 その2
    • 決定木とランダムフォレスト
  11. 付録A:Pythonの基礎
    • Pythonの基礎 その1
    • Pythonの基礎 その2
    • Pythonの基礎 その3
  12. 付録B:統計入門
    • 離散一様分布
    • 連続一様分布
    • 二項分布
    • ポアソン分布
    • 正規分布
    • 標本と母集団
    • t分布
    • 仮説検定
    • カイ二乗分布を使った検定
    • ベイズの定理
  13. 付録C:SQLとPython
    • SQL入門
    • selectの基本
    • selectの応用
  14. 付録D:Webスクレイピング
    • Webからの情報抽出 その1
    • Webからの情報抽出 その2
 
Preview Video
   

UdemyのPython Django Web開発講座 3選

以下の講座では、PythonのWebアプリ開発フレームワーク「Django」を使ったWebアプリ開発が学べます。

『Djangoパーフェクトマスター』〜インスタ映えを支えるPython超高速開発Webフレームワークを徹底解説!〜

『Djangoパーフェクトマスター』〜インスタ映えを支えるPython超高速開発Webフレームワークを徹底解説!〜
発売日 2019/08/11
(4.1)

16 total hours
Djangoの話題だけでこのボリューム!チュートリアルからワンランク上のテクニックまで、公式ドキュメントのエッセンスを、講師の言葉と講師のデモでお伝えします。ビックリするくらい少ない行数でWebアプリを開発しましょう!

このコースは、Djangoに興味を持っているエンジニアが、公式ドキュメントのエッセンスを講師の言葉や講師のデモにより学ぶことで、Djangoの魅力を再発見し、スキルアップを目指すためのコースです。

このコースがどのような受講生を対象にしているか

  • Djangoとは何か、どのようなメリットがあるのか知りたいエンジニア

  • Djangoを使ってみたいエンジニア

  • Djangoスキルの幅を拡げたいエンジニア

  • 公式HPのドキュメントで挫折したエンジニア

  • Django関連書籍での学習に挫折したエンジニア、物足りないと感じているエンジニア

このコースで受講生が何を達成できるか、またどのようなスキルが身に付くか

  • Djangoビギナーは、Djangoの概要・メリットを短時間で習得できます。

  • Django経験者は、Djangoのスキルの幅を拡げることができます。

  • Django開発について一連のステップを理解することができます。

  • スキルレベルに分別したDjangoの重要なトピックを習得することができます。

  • DjangoでのWebアプリ開発が、いかに効率的かわかります。

  • 本コースで感じたDjangoの魅力を、他の人に伝えることができます。

このコースの構成

  • イントロダクション

  • 第Ⅰ部 スターティングガイド

  • 第Ⅱ部 スキルアップガイド(初級)

  • 第Ⅲ部 スキルアップガイド(中級)【2019年12月から順次公開予定】

  • 第Ⅳ部 スキルアップガイド(上級)【2020年3月から順次公開予定】

  • 第Ⅴ部 HOWTOガイド【2019年12月から順次公開予定】

  • 第Ⅵ部 リファレンスガイド【2020年3月から順次公開予定】

このコースの特徴

  • 公式ドキュメントを元にしたカリキュラムであるため、ムラや抜けがないコース内容となっています。

  • 公式ドキュメントの内容を、よりわかりやすい日本語でお伝えすることで、挫折せず学ぶことができます。

  • チュートリアルからワンランク上のテクニックまで、幅広いスキルレベルに対応しています。

  • 重要なパーツをチョイスして再構成したチュートリアルにより、最短ルートでDjangoの全体像がマスターできます。

  • Djangoの話題だけで構成されたカリキュラムにより、圧倒的な量のDjango情報を手にいれることができます。

このコースを受講するにあたってどのような知識やツールが必要か

  • Python言語の基礎知識(リスト、タプル、辞書など)

  • Pythonオブジェクト指向プログラミングの基礎知識(クラス、インスタンス、フィールドの意味など)

  • SQLの基礎知識(SELECT,INSERT,UPDATE,DELETEの意味など)

  • リレーショナルデータベースの基礎知識(テーブルの関連付けの概念など)

  • HTMLの基礎知識

  • Webアプリケーション開発の基礎知識(リクエスト・レスポンス・セッションなどの意味など)

  • (演習課題を実施する方のみ)PC(OS問いません)


↓全て表示↑少なく表示
 
Users Voice
Django公式ドキュメントの内容に沿って解説してくれるのは開発する時のことを考えると良いと思うのですが、中級からアプリ作成が無くなりデモも少なく不明確なことが多くなりました。 開発に携わることを目指しているレベルの人間としては説明だけではイメージ出来ず理解できないので、各カテゴリーにデモを追加してほしいです。 少ないDjangoの日本語教材を提供してくれることは非常にありがたいです。 デモの追加とこれからの上級公開を楽しみにしています。 (参考:Udemy)

↓全て表示 ↑少なく表示
 
レクチャー内容
  1. はじめに
    • スタートガイド(コースの紹介)
    • コース参考資料
  2. 第Ⅰ部「スターティングガイド」
    • 第Ⅰ部「スターティングガイド」について
  3. 第Ⅰ部 第1章「Djangoの概要」
    • 第1章「Djangoの概要」について
    • Djangoとは
    • Djangoのアーキテクチャ
    • Djangoのインストール
    • 【デモ】Djangoのインストール
    • モデルの定義とデータベーステーブルの作成
    • 【デモ】モデルの定義とデータベーステーブルの作成
    • 【デモ】対話型シェルでモデルの機能を確かめる
    • 高機能な管理インタフェース
    • 【デモ】高機能な管理インタフェース
    • URLconf、ビュー、テンプレートの作成
    • 【デモ】URLconf、ビュー、テンプレートの作成
    • この章のまとめ
  4. 第Ⅰ部 第2章「チュートリアル」
    • 第Ⅰ部 第2章「チュートリアル」について
    • プロジェクトを作る
    • アプリケーションの雛形を作る
    • Hello Worldを表示するビューとURLconfを作成して、開発用サーバで表示を確認する
    • 【デモ】プロジェクトの作成からHello Worldの表示までを確認する
    • 【演習課題】プロジェクトの作成からHello Worldの表示までを確認する
    • 投票アプリの仕様を確認する
    • 投票アプリの事前準備をする
    • 投票アプリのモデルを作る
    • 投票アプリのデータベーステーブルをマイグレーション機能で自動作成する
    • 【デモ】投票アプリの事前準備、モデル作成、マイグレーションをデモで確認する
    • 【演習課題】投票アプリの事前準備、モデル作成、マイグレーションを演習で確認する
    • 投票アプリの管理インタフェースを準備する
    • 【デモ】投票アプリの管理インタフェースをデモで確認する
    • 【演習課題】投票アプリの管理サイトを演習で確認する
    • 投票アプリのビューを作る
    • 投票アプリのテンプレートを作る
    • 投票アプリのフォームを作る
    • 【デモ】投票アプリの基本開発を確認する(デモ)
    • 【演習課題】投票アプリの基本開発を演習で確認する
    • 投票アプリの追加開発(ジェネリックビューでリファクタリング)
    • 投票アプリの追加開発(スタイルシートと画像を追加)
    • 【デモ】投票アプリの追加開発を確認する
    • 【演習課題】投票アプリの追加開発を確認する
  5. 第Ⅰ部 第3章「公式HPのチュートリアルにおけるTIPS」
    • 第Ⅰ部 第3章「公式HPのチュートリアルにおけるTIPS」について
    • Djangoのバージョンを確認する方法
    • startprojectコマンドが何を作成したか
    • 開発サーバ利用上の注意点
    • URLconfで使用するpathメソッドの4つの引数
    • settings.pyのDATABASE設定
    • settings.pyのINSTALLED_APPS設定
    • makemigrationsコマンドで作られるSQLについて
    • 【デモ】シェルでモデルの保存・検索APIを試してみる
    • 【デモ】シェルでモデルのリレーションシップ・削除APIを試してみる
    • 【デモ】管理インタフェースのモデル編集画面をカスタマイズする
    • 【デモ】管理インタフェースで外部キーを同一画面で追加編集できるようにする
    • 【デモ】管理インタフェースのチェンジリストをカスタマイズする
  6. 第Ⅱ部「スキルアップガイド(初級)」
    • 第Ⅱ部「スキルアップガイド(初級)」について
  7. 第Ⅱ部 第1章「インストール(初級)」
    • 第Ⅱ部 第1章「インストール(初級)」について
    • pipによるDjangoのインストール
  8. 第Ⅱ部 第2章「モデルとデータベース(初級)」
    • 第Ⅱ部 第2章「モデルとデータベース(初級)」について
    • モデルの概要と簡単な例
    • モデルのフィールド
    • モデルのリレーション
    • モデルの属性
    • クエリを作成する(概要)
    • モデルのインスタンスを作成する
    • モデルのインスタンスに対する変更を保存する
    • モデルのインスタンスを取得する
    • モデルのすべてのインスタンスを取得する
    • モデルのフィルタを用いて特定のインスタンスを取得する
    • モデルのgetメソッドを用いて1つのインスタンスを取得する
    • モデルのインスタンスを削除する
  9. 第Ⅱ部 第3章「HTTPリクエストのハンドリング(初級)」
    • 第Ⅱ部 第3章「HTTPリクエストのハンドリング(初級)」について
    • URLディスパッチャの概要
    • Djangoのリクエスト処理
    • URLconfの例
    • パスコンバータ
    • URLの逆引き
    • ビューを記述する
    • シンプルなビュー
    • ビューでエラーを返す
    • Djangoのショートカット関数
    • Djangoのショートカット関数(render)
    • Djangoのショートカット関数(get_object_or_404)
  10. 第Ⅱ部 第4章「フォームを使う(初級)」
    • 第Ⅱ部 第4章「フォームを使う(初級)」について
    • フォームを使う(はじめに)
    • HTMLフォーム
    • フォームにおけるDjangoの役割
    • Djangoにおけるフォーム
    • フォームを作る(サンプルフォームの仕様)
    • フォームを作る(Formクラスを定義する)
    • フォームを作る(ビューを作る)
    • フォームを作る(テンプレートを作る)
  11. 第Ⅱ部 第5章「テンプレート(初級)」
    • 第Ⅱ部 第5章「テンプレート(初級)」について
    • テンプレートの概要
    • Django テンプレート言語(構文)
    • Django テンプレート言語(変数)
    • Django テンプレート言語(タグ)
    • Django テンプレート言語(フィルタ)
    • Django テンプレート言語(コメント)
  12. 第Ⅱ部 第6章「クラスベースビュー(初級)」
    • 第Ⅱ部 第6章「クラスベースビュー(初級)」について
    • クラスベースビューの魅力
  13. 第Ⅱ部 第7章「マイグレーション(初級)」
    • 第Ⅱ部 第7章「マイグレーション(初級)」について
    • マイグレーションの概要
    • マイグレーションのコマンド
    • マイグレーションのワークフロー
  14. 第Ⅲ部「スキルアップガイド(中級)」
    • 第Ⅲ部「スキルアップガイド(中級)」について
  15. 第Ⅲ部 第1章「モデルとデータベース(中級)」
    • 第Ⅲ部 第1章「モデルとデータベース(中級)」について
    • 多対多関係モデルの追加フィールド
    • 【デモ】多対多関係モデルの追加フィールド
    • モデルのMetaオプション
    • モデルのメソッド
    • 【デモ】モデルのメソッド
    • QuerySetの要素数を制限する
    • フィールドルックアップ
    • リレーションを横断するルックアップ
    • F式によるフィルターでのフィールド参照
    • pkルックアップショートカット
    • Qオブジェクトを用いた複雑な検索
    • 複数のインスタンスを一括で更新する
    • 関係オブジェクト
    • 多対1のリレーションシップ
    • 多対多のリレーションシップ
    • 1対1のリレーションシップ
    • アグリゲーションとは
    • アグリゲーションでQuerySetを集計する
    • アグリゲーションでQuerySetに集計フィールドを追加する
    • 【デモ】アグリゲーション
    • 素のSQL文を実行する
    • トランザクションの基本
  16. 第Ⅲ部 第2章「HTTPリクエストのハンドリング(中級)」
    • 第Ⅲ部 第2章「HTTPリクエストのハンドリング(中級)」について
    • URLconfで正規表現を使う
    • ビュー関数の引数でデフォルトを指定する
    • 他のURLconfをインクルードする
    • ビュー関数に任意のキーワード引数を引き渡す
    • Djangoのショートカット関数(redirect)
    • Djangoのショートカット関数(get_list_or_404)
    • ファイルアップロードの基本
    • セッションを有効にする
    • ビューでセッションを使う
  17. 第Ⅲ部 第3章「フォームを使う(中級)」
    • 第Ⅲ部 第3章「フォームを使う(中級)」について
    • Formクラスとは
    • Formクラスのフィールド
    • フォームテンプレートによるレンダリング
    • 【デモ】Formクラスの基本確認
    • フォームフィールドを手動でレンダリングする
    • フォームフィールドのレンダリングをループする
    • フォームテンプレートのインクルード
    • ModelFormとは
    • ModelFormフィールドの型
    • ModelFormのサンプルプログラム
    • 【デモ】ModelFormのサンプルプログラム
    • ModelFormのsaveメソッド
    • ModelFormで使用するフィールドを宣言する
    • ModelFormのフィールドをオーバライドする
  18. 第Ⅲ部 第4章「クラスベースビュー(中級)」
    • 第Ⅲ部 第4章「クラスベースビュー(中級)」について
    • 関数ベースビューとクラスベースビュー
    • TemplateViewクラスを使う
    • RedirectViewクラスを使う
    • 【デモ】基本系クラスベースビューを確認する
    • ListViewクラスを使う
    • DetailViewクラスを使う
    • 【デモ】表示系クラスベースビューを確認する
    • CreateViewクラスを使う
    • UpdateViewクラスを使う
    • DeleteViewクラスを使う
    • 【デモ】編集系クラスベースビューを確認する
  19. 第Ⅲ部 第5章「メールを送信する」
    • 第Ⅲ部 第5章「メールを送信する」について
    • メール送信の概要
    • メールを送信するための設定
    • send_mailメソッドを使う
    • EmailMessageクラスを使う
    • 添付ファイル付きメールを送信する
    • メール送信機能開発のTIPS
  20. 第Ⅲ部 第6章「ページネーション」
    • 第Ⅲ部 第6章「ページネーション」について
    • ページネーションの概要
    • Djangoのページネーションを試してみる
    • Paginatorクラスについて
    • Pageクラスについて
    • ビューでページネーションを使ってみる
  21. 第Ⅳ部「スキルアップガイド(上級)」【2020年3月から順次公開予定】
    • 【2020年3月から順次公開予定】第Ⅳ部「スキルアップガイド(上級)」について
  22. 第Ⅳ部 第1章「モデルとデータベース(上級)」
     
    Preview Video
       

    プログラミング初心者でも安心、Python/Django入門講座

    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
    (4.1)

    17 total hours
    初心者にオススメなプログラミング言語「Python」と、便利なWebアプリケーションフレームワーク「Django」でWebアプリケーションの作成方法を学ぼう!

    このコースは、プログラミング言語Python(3.6)とDjangoフレームワーク(2.0〜)についてのコースです。

    PythonのセクションではDjangoフレームワークに必要な知識だけに留まらず、基本的な内容も一通り学習し、土台となる知識を身につけるのが目標です。

    Djangoフレームワークのセクションでは、シンプルな日記帳や社員管理システムといったものから、実用的なブログアプリケーションも作成し、Djangoについて学習していきます。

    見た目の良いページを作成するために、HTML・CSS、Bootstrap4といった内容についても触れます。

    プログラミング言語PythonやDjangoフレームワーク、Webアプリケーションに興味のある方はぜひ受講ください。


    ↓全て表示↑少なく表示
     
    Users Voice
    後半はザックリ聞きました。 なんとなくやればできそうです。 今後 実際に応用しながらじっくり復讐したいと思います。 (参考:Udemy)

    ↓全て表示 ↑少なく表示
     
    レクチャー内容
    1. コース概要
      • 自己紹介とコースについて
    2. Python入門 概要と準備
      • Pythonとは?
      • Pythonのインストール(Windows7)
      • Pythonのインストール(Windows10)
      • Pythonのインストール(Mac)
    3. Python入門 数値
      • Pythonを電卓代わりに使用してみる
      • 変数とは
      • オブジェクト?データ型?
    4. Python入門 文字列
      • 文字列の作成方法
      • 文字列の応用
      • 文字列メソッド
      • シーケンス型としての文字列操作
    5. Python入門 リスト、タプル
      • リストとは?
      • リストとタプルの違い
      • リストを操る
      • ミュータブルなオブジェクトの落とし穴
    6. Python入門 辞書
      • 辞書とは
      • 辞書を操る
    7. Python入門 集合
      • 【ステップアップ】集合とは?
      • 【ステップアップ】集合を操る
    8. Python入門 pythonファイルの作成
      • pythonファイルを作成する
      • 様々なエディタ・IDE
      • 【エディタ選択にお悩みの方】シンプルなエディタの紹介
    9. Python入門 条件分岐
      • 条件分岐とは?
      • 比較演算子、ブール演算子、暗黙のTrue
    10. Python入門 繰り返し処理
      • forによる繰り返し
      • rangeによる指定回数繰り返し
      • 便利なforループ
      • Fizz Buzz問題
      • whileによる繰り返し
      • break, continute, else
    11. 内包表記
      • 【ステップアップ】それぞれの内包表記
      • 【ステップアップ】FizzBuzzを一行で作成する
    12. Python入門 ファイルを扱う
      • ファイルの書き込み
      • ファイルの読み込み
    13. Python入門 関数
      • 関数とは?
      • 特殊な引数
      • デフォルト引数とミュータブル
      • ローカル変数とグローバル変数
      • 【ステップアップ】デコレータ
      • 【ステップアップ】ジェネレータ関数
      • 【ステップアップ】ラムダ関数
    14. Python入門 クラス
      • クラスとは?
      • クラスを使ってみる
      • クラスを再利用する(継承)
      • クラスの属性、インスタンスの属性
    15. 一歩進んだクラス
      • 【ステップアップ】プライベートな属性
      • 【ステップアップ】property
      • 【ステップアップ】様々な特殊メソッド
    16. Python入門 モジュールとパッケージ
      • モジュールとは?
      • パッケージとは?
    17. Python入門 エラー処理
      • エラーを捕まえる
      • else, finally
    18. Python入門 サードパーティ製ライブラリ
      • pipとは?
      • 【ステップアップ】venvとは?
    19. Python入門 今後の指針
      • Python公式ドキュメントの紹介
      • 標準ライブラリツアー
      • GUIプログラミング
      • スクレイピング
    20. HTML・CSSの初歩
      • HTMLを作成してみる
      • CSSを作成してみる
      • よく使うタグ
      • よく使うcss
      • Tips
    21. Bootstrap4の初歩
      • Bootstrap4を試してみる
      • グリッドシステム
      • チートシート
    22. Django入門 はじめに
      • Djangoの概要
      • Djangoの導入と、準備
    23. Django入門 はじめてのDjangoアプリケーション
      • 各ファイルの役割
      • はじめてのページ
      • Djangoフレームワークの処理の流れ
      • テンプレートを使う
      • テンプレートの便利な機能を使う
    24. Django入門 シンプルな日記帳
      • 初期設定をする
      • モデルを作成する
      • データの追加機能
      • データの一覧表示機能
      • データの更新機能
      • データの削除、詳細表示機能
      • 汎用ビューに書き換える
      • ページング
    25. Django入門 管理画面を使う
      • 管理画面を利用するための準備
      • 管理画面へのリンクを作成する
    26. Django入門 社員管理システム
      • 初期設定をする
      • モデルを作成する
      • モデルを修正する
      • 検索フォームを作る
      • テンプレートタグを自作する
    27. Django応用 シンプルなブログを作る
      • モデルを作成する
      • 見た目を整える
      • カテゴリの一覧部分を作る
      • 記事の検索、絞り込み
      • 詳細ページ
      • コメント機能
    28. Django応用 動画投稿サイトの作成
      • アプリケーションの概要
      • ビューとモデルの解説
      • テンプレートの解説
    29. Django応用 手書き数字の判別アプリ
      • 手書き数字の識別を試す
      • Djangoに組み込むための準備
      • アプリケーションの概要
      • お絵かき機能
    30. Django応用 世界に公開する(さくらVPS、CentOS7)
      • はじめに
      • sshで接続する
      • テラタームで接続する
      • サーバーの初期設定
      • Nginxの導入と、Webについて
      • Pythonで、動的にページを作る
      • Djangoプロジェクトを公開する
      • セキュリティ対策とTips
    31. Django応用 今後の指針
      • Django2.0から2.2までの変更点
      • Django公式ドキュメントの紹介
        

    【3日でできる】Django 入門 ( Python 3 でウェブアプリを作って AWS EC2 で公開!)

    【3日でできる】Django 入門 ( Python 3 でウェブアプリを作って AWS EC2 で公開!)
    発売日 2017/05/12
    (4.3)

    4.5 total hours
    現役エンジニアの解説でPython のWebアプリケーションフレームワーク・Django(ジャンゴ)を短期間にマスターしよう! Amazon EC2にUbuntu・PostgreSQL・Nginx をインストールしプロジェクトを公開しよう!

    *** 更新情報 ***

    2017/11/27 リクエストをいただいたので、viエディターの解説を追加しました。

    【このコースの概要】

    このコースはPythonをベースにしたウェブアプリケーションフレームワークDjango(ジャンゴ)の基礎を短期間でマスターするために制作されました。

    Udemyでのべ3万人に教えている現役エンジニアが、理論解説と演習を組み合わせながら、スモールステップで学べるカリキュラムを提供し、みなさんの学びを全力でサポートします。

    また今回はローカル環境だけではなく、Amazon Web Service EC2上にUbuntu 16.04をインストールし、アプリを外部公開するノウハウについても、詳細に解説しますので、プロトタイピングやプルーフ・オブ・コンセプト開発、スタートアップのMVP(Minimum Viable Product)開発、新たなプロダクトやサービス開発などにも役立てられます。

    あなたならどんなウェブサービスを作りますか?

    【Django(ジャンゴ)とは?】

    Djangoは、現在Ruby on Rails、Express(Node.js, JavaScript)と並んで、最も人気があるウェブフレームワークの1つです。UdemyのプラットフォームもPythonとDjangoで開発されています。

    特に2017年はデータサイエンスや機械学習、AIなどへの注目が高まり、Pythonを学ぶユーザーが増えていますが、開発したAIなどをプロダクトやサービスにするにはウェブアプリ化が必須です。またモバイルアプリへのAPIを提供する仕組みとしてもDjangoは優れた機能を備えています。

    しかしRuby on RailsやPHPのように日本語の書籍や情報が少なく、とっかかりがない方も多いでしょう。今回はそうしたハードルを下げるためにコース化に取り組みました。

    【このコースの特徴】

    このコースを学ぶと、Python/Djangoを使用したウェブアプリケーション開発のフローを理解し、シンプルなデータベース連動アプリケーションを作成することができるようになります。

    また現役エンジニアならではの、

    • AWS EC2インスタンス(Ubuntu 16.04 LTSベース)の作成

    • Linuxコマンドによるパッケージのインストール(Django 1.11, virtualenv, PostgreSQL)

    • 仮想環境の作成とアクティベート

    • ファイアウォール設定の変更

    • WebフレームワークへのBootstrapやJavaScript/jQueryなどの組み込み方

    などを本番と同じAWS EC2環境での実習を通じて学べます。

    Pythonのミニマムな基礎文法もカバーしているので、データサイエンスなどで大注目されているPythonの基礎を学ぶこともできるお得なコースとなっています。Pythonが全くはじめての方でも学習が進められるように、スモールステップで進んでいきます。Pythonを既習の方はPythonのイントロセクションはスキップしてもOKです。

    ぜひこの機会にPythonによるウェブ・アプリケーション開発の基礎を理解し、ECサイト構築、IoTや機械学習などと連携したウェブアプリ開発にチャレンジしましょう。

    【コースの構成】

    1.環境構築

    • Pythonが動作する環境を作る

    • Anaconda3のインストール

    • 仮想環境の作成と、アクティベーション

    2.Pythonの基礎(スキップ可能)

    • 変数

    • リスト

    • 条件分岐

    3.Djangoでブログサイトを作ろう(Django 1.1ベース、2.0は追加収録中)

    • データベースとの連動(マイグレーション)

    • Djangoのルーティングと正規表現

    • Bootstrap 4の適用

    • スタティックコンテンツの表示

    などを通じて、ブログサイトを作ります。

    4.クラウドサーバー(AWS)上にデプロイしてみよう

    • 3で作成したサイトをライブサーバーに配置してみよう

    • Amazon Web Service に登録して無料枠を使おう

    • EC2上でUbuntuのインスタンスを作成してみよう

    • PostgreSQLを使ってみよう

    • Django内蔵サーバーでアプリを動かしてみよう

    • GunicornでDjangoのプロジェクトを動かす

    • Nginxをフロントエンドサーバーに使用する

    5.APIの開発(REST Framework)(*現在収録・編集中)

    • REST Frameworkを使用して、Web APIを開発してみよう。

    • RESTフルなインタフェース

    • JSONデータの扱い

    • データのシリアライズ

    6.Rasberry Pi上で動かしてみよう(*追加予定)

    • ラズベリーパイ上にDjangoで制作したサイトを掲載し、外部からアクセスできるようにします。

    • ラズベリーパイでPythonを学ぶ環境構築ができます。

    7. 応用編

    • Djangoでのログイン処理

    • センサープログラミングとの連携


    ↓全て表示↑少なく表示
     
    Users Voice
    Djangoを作成できてもAWSへのデプロイが素人には難しく、挫折しそうでした。 Linux系の操作も含め大変わかりやすく、実装までこぎつけることができました。 アプリの作成からデプロイまで丁寧にリードしてもらえる講座だと思いました。 (参考:Udemy)

    ↓全て表示 ↑少なく表示
     
    レクチャー内容
    1. イントロ
      • はじめに
      • 受講上の注意
      • 【Windows】Python 3(Anaconda)のインストール
      • 【macOS】Python 3(Anaconda)のインストール
      • 仮想環境の追加
      • バージョンの確認と対話的実行
    2. Djangoを使うためのミニマムなPython基礎(オプション)追加中
      • データ型
      • 文字列型とバイト型
      • 条件分岐
    3. はじめてのウェブアプリ(Django 1.11でブログを作ろう!)
      • Django のバージョンについての注意
      • Djangoのインストール
      • プロジェクトとアプリケーション
      • プロジェクトの作成とファイル構成
      • 開発サーバーの起動とページの表示
      • 練習課題:Django内蔵サーバーの起動と確認
      • プロジェクトの初期設定とマイグレート
      • アプリケーションの作成
      • リクエスト処理の流れ
      • Hello Worldを表示するコードを追加しよう
      • Django 2.0以降のURLパターンの書き方
      • ルーティングファイルを追加しよう
      • 練習課題: アプリでHello World! を表示してみよう
      • テンプレートファイルを追加しよう
      • モデルを定義してマイグレートしよう
      • adminページから記事を投稿しよう
      • 投稿一覧にタイトルを表示しよう
      • 投稿タイトル一覧を表示しよう
      • 練習課題: 投稿一覧を表示してみましょう。
      • タイトル・公開日・本文を表示しよう
      • 画像を表示しよう(Staticファイルの扱い)
      • 練習課題: 画像ファイルを表示しよう
      • 投稿の詳細ページを作っていこう
      • URLから投稿IDを取得しよう
      • 練習課題: URLから取得したpost_idを表示しよう
      • 指定したIDの投稿データを表示しよう
      • オブジェクトが存在しない場合の処理を追加しよう
      • 投稿一覧から投稿へのリンクを追加しよう
      • Bootstrap 4を適用しよう(1/2)
      • Bootstrap 4を適用しよう(2/2)
      • 写真をレスポンシブに拡大・縮小しよう
      • メニューと詳細ページの調整
      • セクションのソースコード
      • 課題: Aboutページを作ろう
    4. Amazon EC2のUbuntu上で作成したアプリを公開しよう
      • AWS無料枠に登録しよう
      • EC2のインスタンス(Ubuntu 16.04 LTS)を追加しよう
      • TeraTermからUbuntuに接続してみよう(Windows)
      • macOSのターミナルからSSH接続しよう(Macのみ)
      • Python3,PostgreSQL, Nginxをインストールしよう
      • PotgreSQLを設定しよう
      • virtualenvをインストールして仮想環境を追加しよう
      • プロジェクトファイルをアップロードしよう(WinSCP)
      • PostgreSQL接続アダプターの名称変更対応
      • マイグレーションと内蔵サーバーの動作確認をしよう
      • オプション: vimエディターについて
      • 画像のセンタリング
      • 管理者アカウントの作成
      • Gunicornの動作を確認しよう
      • Gunicornの自動起動設定を行おう
      • Nginxでアプリを動かそう
      • EC2インスタンスの起動・停止・消去
      • 発展課題: Adminページの表示
      • 課題解決サンプル
    5. ボーナスレクチャー
      • レクチャースライド
      • さらに学ぶための参考書籍や外部リンク
      • macOSでPythonのPATHを切り替える方法
      • さくらVPSにUbuntu 16をインストールする手順(リクエスト動画)
      • macOSからEC2インスタンスにログインしよう
      • macOSからEC2にファイルを転送しよう
     
    Preview Video
       

    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