Reddit で強く推奨: 20 時間の体系的なディープラーニングと強化学習コース | 無料

[[383847]]

この記事はAI新メディアQuantum Bit（公開アカウントID：QbitAI）より許可を得て転載しています。転載の際は出典元にご連絡ください。

「ジグソースタイル」の学習とはお別れしましょう!

最近、ディープラーニングと強化学習に関する一連の無料コースが Reddit のネットユーザーの注目を集め、690 件を超える「いいね！」を獲得しました。

これは、豊富な形式を備えているだけでなく、基本的な理論と特定のアプリケーションを統合し、幾何学や統計などの関連理論を結び付けて複雑な問題を解決するのに役立つためです。

初心者にとっては、素晴らしい学習パッケージと言えます。

このコースは、ダーラム大学コンピューターサイエンス学部の助教授であるクリス・ウィルコックス氏が考案したものです。彼は次のように述べています。

他のコースと比較すると、このコースセットは幅広いトピックをカバーしており、十分にコンパクトであると思います。

一緒に学んでいきましょう〜

コース

コースはディープラーニングと強化学習の 2 つのセクションに分かれており、それぞれ 10 レッスン、合計約 20 時間です。

ビデオに加えて、 PPT、Colab コード例、およびいくつかの関連論文も提供されています。

ディープラーニングコースのレッスン 1 から 5 では、次のような理論に重点を置いています。

レッスン 1: はじめに
レッスン 2: 数学的原理とバックプロパゲーション。
レッスン 3: PyTorch プログラミング: コーディング セッション。
レッスン 4: 一般化するためのモデルを設計する。
レッスン 5: 生成モデル

レッスン 6 から 10 では、次の内容を含む応用に重点を置いています。

レッスン 6: 敵対的モデル
レッスン 7: エネルギーベースのモデル
レッスン 8: シーケンシャル モデル
レッスン 9: フロー モデルと暗黙的ネットワーク
レッスン 10: メタ学習と多様体学習。

David Silver のコースを改訂した強化学習に関するコースです。

△デビッド・シルバーの講座概要

学習しやすいように、各ビデオを約 50 分に短縮し、高度な導出部分は省略していますが、より多くの例とコードを追加しています。

コース設定は以下の通りです。

レッスン 1: 基礎;
レッスン 2: マルコフ決定プロセス
レッスン 3: OpenAI ジム ツールキット。
レッスン 4: 動的プログラミング
レッスン 5: モンテカルロ法
レッスン 6: 時間差分法
レッスン 7: 関数の近似;
レッスン 8: ポリシー勾配法
レッスン 9: モデルベースのアプローチ
レッスン 10: 拡張メソッド。

学習プロセスがどのようなものか詳しく見てみましょう。

ディープラーニング コースの「レッスン 5: 生成モデル」PPT を例に挙げます。

目次は冒頭に記載されています。コースは定義、密度推定、発散測定、生成ネットワークの 4 つのパートに分かれており、各パートは異なるサブセクションに分かれています。

ダイバージェンス テストの KL ダイバージェンス (相対エントロピー) セクションを例に挙げると、まず、相対エントロピーを使用して 2 つの分布の差を測定する方法を説明し、対応する計算式を示します。また、ワンクリックでグラフ計算機に直接移動することもできます。

△desmos電卓ページ

PPT はグラフィックとテキストが豊富でありながらも簡潔で、各セクションは基本的に 1 ～ 2 ページしか占めません。

同様に、Deep Learning Coder セクションでは、ワンクリックで Colab コードの例を表示することもできます。

内容がわかりやすく、操作もシンプルで便利なので、初心者にもとても優しいです。

ネットユーザーの注目

このコースは多くのネットユーザーから認められており、著者を「マントを着た英雄」と呼ぶ人もいる。

PyTorch から Keras に「逃げた」ネットユーザーは、作者が彼に再び PyTorch を使わせたと言っています。

ネットユーザーが一般的に懸念している問題について：

「コースは主にコードや理論に重点を置いていますか？」

「このコースに必要な数学の知識は何ですか？」

「強化学習を学ぶには、機械学習アーキテクチャに精通している必要がありますか？」

…

著者は返答の中で、それぞれについて次のように説明しました。

このコースでは、コードと理論の両方を扱います。コースの前半は理論的な内容が中心で、後半は最新のテクノロジーに焦点を当てています。これは両方のコースに当てはまります。

途中で多くの Colab コード例、方程式、アルゴリズムが提供され、数学表記法は 2 番目のレッスンで紹介されます。

高度な数学的背景は必要ありません。必要な数学的知識は 2 回目のレッスンで紹介されます。

2 番目のレッスンが難しすぎる場合は、「機械学習のための数学」という本で勉強することをお勧めします。

このコースには厳密な前提条件はありませんが、ディープラーニングに関する 2 番目のレッスンと、『機械学習の数学的基礎』の第 2 章と第 6 章を参照する価値があるかもしれません。

強化学習の基本的なアルゴリズムについては主に理論的なものではありません。しかし、関数近似器を使用してメソッドを拡張する場合、ディープラーニング モデル (特に畳み込みニューラル ネットワーク、再帰型ニューラル ネットワーク) の構築に関する実践が役立ちます。

あなたの心の中の疑問にも答えられましたか?

次に、以下のリンクをクリックして学習を開始してください。

コースリスト:
https://www.reddit.com/r/MachineLearning/comments/lqrek7/n_20_hours_of_new_lectures_on_deep_learning_and/