9 つの Jupyter Notebook を通して、TensorFlow 2 の基礎から実際に動くニューラルネットワークへ進みます。テンソル、Eager Execution、自動微分から始め、回帰と分類を実装した後、畳み込みネットワーク、転移学習、モデルの保存へ広げます。
TensorFlow API の異なるレベルを意図的に比較します。変数と GradientTape による低レベル計算、tf.keras の Sequential と Functional、モデルのサブクラス化を扱い、実データと合成データを使った実装課題を完成させます。
学習内容
- Eager Execution で TensorFlow のテンソルと変数を作成・操作する
tf.GradientTapeで導関数を計算し、勾配を追跡する- 低レベル演算、層、Keras モデルで線形回帰を実装する
- 低レベル TensorFlow 実装を補完して多項式回帰を当てはめる
- 独自コード、Sequential、Functional、モデルサブクラスで浅い分類器を構築する
- 手書き数字と自動車安全性データを準備・分類する
- Fashion-MNIST 向けの VGG と LeNet-5 を構築し、学習済み VGG16 ベースを適応する
- 重み、モデル全体、低レベル checkpoint を保存・復元する
このコースの対象者
Python と入門的な機械学習を理解し、テンソルから CNN まで TensorFlow 2 をコード中心で学びたい方に向いています。Notebook は初級とされていますが進行は速く、配列、回帰、分類、ニューラルネットワーク層の基本的な役割を理解していることを前提にします。デプロイや本番 serving は扱いません。
前提知識： Python、NumPy 形式の配列演算、導関数、回帰、分類、ニューラルネットワークの初歩を推奨します。Jupyter Notebook の経験も役立ちます。
学習環境： 9 つのアクティビティはすべて、用意された Ubuntu 22.04 Jupyter 環境で実行します。Notebook には説明、実行例、データ読み込み、完成させる実装部分があります。
よくある質問
TensorFlow の構文だけを学ぶ入門ですか？
いいえ。構文と自動微分から、回帰、浅い分類、VGG 形式と LeNet-5 の CNN、転移学習、モデル保存まで進みます。
どのデータセットを使いますか？
生成回帰データ、scikit-learn の手書き数字、Car Evaluation、Fashion-MNIST を使い、回帰、表形式分類、画像分類を練習します。
すべて最新の TensorFlow 2 API 形式ですか？
いいえ。中心は Eager、GradientTape、tf.keras ですが、一部のセルには tf.train.AdamOptimizer など初期 TensorFlow 2 時代の名前が残っています。新しい環境に応用するときは現行ドキュメントを確認してください。
1 つの最終プロジェクトがありますか？
ありません。代わりに、多項式回帰、自動車安全性分類、LeNet-5 形式ネットワークの実装課題を、ガイド付き Notebook とともに進めます。
