いつかは取り組みたいCourseraのコース『Deep Learning Specialization』-後半-
Deep Learning Specializationで何を学べるか、ということを今回は見てみたいと思います。
前回の日記で書いていた各コースの所要時間とレベルとPyrhonと
Week毎の時間をまとめてみました。
どうやらTensorflowがWeek2とWeek4で必要なことが見えてきました。
コース前にはある程度勉強してから望みたいと思います。
大きく言うと
コース1つ目のNeural Network and Deep LearningはCoursera Machine Learningで
学んだ内容をPythonでやることになりそうだと思いました。
FeedForwardやBackpropagationなどの説明があるとコースのシラバスにあったので
そう判断しました。
コース2つ目のImproving Deep Neural Networks;: Hyperparameter tuning, Regularization and OptimizationはTensorflowを使うのが大きく違いそうです。
Week1はBias/Variance/RegularizationなどCourser MachineLearningで学んだ内容と
同じにみえます。Week2にはmini-batch gradientというCourser MachineLearningでは
Week10で概念を学んでプログラム実践はしていないものです。Large Scale Machine Learningという大項目の中にmini-batch gradientは入っていたのでDeep Learningぽくて
楽しみです。
コース3つ目のStructure Machine Learning Projectsは
どのアルゴリズムを用いたほうがいいかを学ぶと説明されています。
単語でいうとtest/trainなどありますが、説明文にはAndrew Ng先生の経験則から
伝授すると書かれていて魅かれるものがあります。
コース4つ目のConvolutional Neural NetworksはいわゆるCNNのようです。
あまり詳しくわかっていないのですが、このConvolutional Neural Networksは
よくみる単語でした。これをTensorflowで実践できるようです。
コース5つ目のSequence ModelはいわゆるRNNのようです。
これもわかってないのですがRecurrent Neural Networkもよく見る単語でした。
言語や音声を認識するのに効果的と紹介されており、Pythonで実践するようです。
Tensorflowなのかほかのライブラリなのかは明記されていないので、
事前学習をどうしようかはまた違う調査が必要だと思いました。
とりあえずここまでで概念でいえばCNNとRNNの事前学習と
プログラミングではTensorflowが必要ということがわかりました。
PythonにはNumpyやPandasやKarasがあるみたいで、
その相関なのか使いどころなのかがよくわかっていないので、
これも事前勉強すると学習期間の短縮=安く受講につながるかなと思いました。
事前学習どころがわかったので、どう学習するか次回考えてみます。
↓コースの説明の貼り付けです。