現在、急速に実装が進んでいるディープラーニングですが、高速計算をするためのGPU搭載グラフィックボードが高額だったり、要求されるマシンスペックが高くて、学習をスタートするのをためらっている方も多いでしょう。

そこで、Google社ではGoogle ColaboratoryというブラウザだけでJupyter NotebookやGPU, TPUなど高速化装置も使える無料のクラウドサービスを提供しています。

Google Colaboratory（通称Colab）は、

・セッションが切れると90分でランタイムがリセットされる

・12時間連続稼働するとランタイムがリセットされる

という制約がありますが、ディープラーニングの基本を学ぶには十分なスペックです。

このコースでは無料のGoogle Colaboratoryを使って、ディープラーニングの代表的なアルゴリズムを学んでいきます。

【コースの概要】

第1日：　Google Colaboratoryを体験してみよう

• 機械学習で典型的な例題である手書き数字分類（MNIST）をColab上で解きます。

• ノートブックの開き方、保存方法、ランタイムの切替方法などを学びます。

第2日：　Fashion MNISTとデータの可視化

• MNISTを拡張してファッションデータの分類にチャレンジします。

• 画像データを読み込んで、ノートブックに表示するテクニックを学びます。

第3日：　畳み込みNNでCat vs. Dog分類を解く

• 畳み込みニューラルネットワークをもちいて、Kaggleの演習問題（Cat vs. Dog）を解きます。

• 畳み込み、ReLU、プーリング、Sigmoid関数などについて学びます。

• トレーニング履歴を変数に保持して、損失や推定精度の変化を可視化するテクニックを学びます。

• データの増量やドロップアウトによるスコア向上

• データジェネレーターの使い方を学びます。

  
  

第4日：　DeepDreamで画像を生成してみよう

• DeepDreamのシードを用いて、畳み込みニューラルネットワーク（GoogLeNet）レイヤーやノードが取り出す特徴をデフォルメして、入力画像から新たな画像を生み出します。

• これにより、ニューラルネットワークのグラフの中でどのような特徴が取り出されているか、をインタラクティブに可視化して確認することができます。

• ファイルをローカルからアップロードして変数に格納する手順を学べます。

• 今後、画像のスタイル変換への応用が可能です。

（今後、以下の応用トピックを追加していく予定です）

• 時系列データの扱い

• GAN

• 強化学習

• その他、リクエストが多いテーマがあれば検討します（メッセージでリクエストしてください）。

【受講対象者】

1. ディープラーニングを学びたいがGPU搭載ボードを購入しないで済ませたい方
   （ブラウザが動くデバイスであれば実行可能です）

2. NVIDIA非対応のMacや、スマホ、タブレットなどでディープラーニングを学びたい方

3. Google Colaboratory固有の操作方法を学びたい方
   （Linuxコマンドの実行方法やファイル操作）

4. GPU環境は持っているが、企業研修や共同開発などでGoogle Colaboratoryを活用したい方
   （Googleドライブを使用して同じノートブックにアクセスしたり、ノートブックのシェアを行えます）

【受講をお勧めしない方】

1. ビデオを視聴して学習するのが苦痛な方
   （自力でチュートリアルの解読をお勧めします）

2. GPU環境があり、ローカル環境で学びたい方
   （クラウドだけで完結しますので、ローカル環境については取り上げません）

3. 英語も数学も問題なく、機械学習にも精通していて、Googleの英語資料を解読して自習可能な方
   （初学者向けにできるだけ平易な表現で解説しています。専門的な方はきっとつまらないと感じるのでお勧めしません。）

4. 実践的な開発手法について学びたい方（以下の開発コースをお勧めします）

   1. 画像分類AI自作入門パート１：　畳み込みニューラルネットワークによる分類器生成＋Flaskでウェブアプリ化

   2. 画像分類AI自作入門パート２：　転移学習による分類器生成＋Djangoでウェブアプリ化

   3. RNNによる自然言語処理・時系列データ解析

   4. 強化学習入門

   5. GAN（画像生成）入門