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

4.の項目のTensorflowのページ情報が古いままでHPに"get started Tensorflow"のチュートリアルがありません。またTensorflowのコードも新しいものになっており、レクチャーと多くの個所が違っています。

損失のパラメーター調整の時にエラーが出て、その解決に時間を多く割きました。 動画ではcategorical_crossentropyを最初に使用して精度は低いけどエラーは発生しませんでしたが、私の環境ではエラーが発生しました。その時点で動画を止めてそのエラー解決に時間を割きました。（Verの違いでエラー発生有無が変わった？） 結果的に自力で調べてsparse_categorical_crossentropyを使用してエラー回避しましたが、続きを再生するとそのやり方を行っており、 であれば最初からそのパラメーターを使用してほしかったです。 こういった動画学習は講師と違うことが起きると先に進まずに、そこで一時停止して問題を解決しようとする方が多いと思うので、講師のやり方は良くないです。

説明が速過ぎて、追っていくのが大変です。また、tensorflowの紹介ページの内容が既に変更されていて、動画と合っていないので、聞きながら整合を取るのが大変でした。 また、Anacondaでの環境整備がビデオの順番にやってもうまく行かず、モジュールのバージョン違い等の影響もあるのでしょうが、動画制作時点と現在とでは状況が変わっていて、そのまま真似することができません。勉強するよりもそちらのトラブルシュートの方に２倍以上時間がかかった上、何をやっても環境整備ができないので諦めて、グーグルコラボ上で同じ作業をやる羽目になってしまいました。受講生にとっては大変不親切な状況です。

とても分かりやすかったです。バージョン違いによるエラーの解消の方法まで実演をしていただき、Kaggleを使った学習方法も理解することができたのが大きな収穫でした。 序盤のほうで、後で解説するのでとりあえず今は理解を保留にしておいて大丈夫である点を明確に示してくださっているので、安心して学習を続けられました。感謝申し上げます。

Good for beginners who just started deep learning. Learners who already had experience in deep learning might find this course a bit easy.

仕事でPythonでtensorflowを使用している初心者（プログラマーではありません）です。Deep learning(以下DL)を全く知らなくても、C/C++かpythonを少しでも知っていてDLに興味がある人には星４かな。私にとっては、拾うものもありましたが、目的が違ったため星３くらいです。理由は以下の通りです。 　C/C++かpythonを全く知らないとついていくのは厳しいと思います。逆に、これらの言語を少しでも触ったことあれば、DLを全く知らなくても、概略をつかむことができると思います。個人的に講座に期待したものは、数学的背景と、マニュアルの読みかたですが、もの足りませんした。特にTensorflowのマニュアルとその読み方がなかったのが、残念です。概略を知るにはよくできているが、対象が誰かわからない。 　 【１】良かった点 (a)JupyterのNoteBook（NB)の使用 （初心者はvisual studio(VS)やVS-codeより機能が少なく簡便。私は、以前VS等の環境操作ができるまで苦労しました。初心者以外はNBは説明でしか使用しないと思いますが、GitHubでも使用されることがあり知って損はない。） (b)kaggleサイトの利用（新しい世界をしる） (例題の選択は適切で、メインだけで組まれており順に追っていける。GitHubなどで公開されているprogram(以下prg)は幾つものFileを呼び、あちこち飛ぶのでprg全体の見通しも悪く、私はコード解析に無用な時間がかかっています） (c)３つの例題が興味を引く 　①手書き数字の判別（複雑見えるが数10行で分かりやすい） 　②マークの分類（①の簡単な変更で、改造の仕方が分る。） 　③犬猫の判別（kaggleを知るのによい） (d)DLで最も基本の多層ニューラルネットワーク(NN)と畳み込みNN(CNN)の両方を扱っている。 (e）数学的背景や、prg全体の流れに触れられている。 （どの講義でもあるが、ないと始まらない） 　　 【２】改良すべき点 (a)pythonを全く知らない人は無理だろう。 （C/C++をかじってあれば問題ない。この講義で使用している関数は少ないので、2,3枚程度の”Pythonの簡単な説明書”と10分の講義で解決できそう。prg中の内包表記など初心者にはわかりにくいものは別紙にするといい。紙を見ながら講義を聞けたらすべて解決できそう。説明書は必要最低限に抑えることです。） (b)初めのうちは、個別の操作を繰り返し説明しながら操作してほしい。例えば、NoteBookで行を追加するときは操作しながら「<Enter>を押します」、実行(run)するときは「Shift+<Enter>を押します」などを繰り返すと受講者はわかりやすい。または、操作時にテロップを入れてもいいかも。操作が分からなくて挫折する初心者も多い。現実の講義では、途中で操作がわからないまま講義は先に進むので致命的です。 (c)個別のprg中のコマンドや変数の内容がわからない。 (kerasとpythonの本質的な問題を含む。変数が定義なしで使用できるので、後から追えない。） (d)Tensorflowやkerasのマニュアルの読み方がない (現在DLを勉強する際の本質的問題かも） (e)prg全体の流れの説明をもう少し工夫したほうが初心者には親切。 例えば①データの取得、②データの設定、③評価,,,に分けて、各ステップでで”必要不可欠”な変数と関数を示すなど。DLで不可欠な変数と関数は非常に少なく(合わせても全部で10個を超えるくらいですかね）、多くは簡潔？に書くためだけに使用しており初心者には不要です。GitHubなど、簡潔？に書こうとして、わかりにくくなっていると思います。 (f)数学的背景にもっと時間を割いていほしい。 関数の数学の意味が分からないと、高速化やモデルの改良で後々困る。補講部分を充実させてもらえると嬉しい。 (g)Udemy全体に言えることですが、本のように後で見返すことができない。ざっとlessonごとの内容と結論が書かれたものがあるといいと思います。 (h)改善点ではありませんが、from keras.models import Sequentialが通りませんでした。エラー表示は、Keras requires TensorFlow 2.2 or higher. で、普通にやるとは、TensorFlow 2.1がinstallされます。Netで調べてupgradeしましたが結局通りらず、元のtensorfloも通らなくなりました。初めから環境を作り直し、TensorFlow 2.1を使用し、Prgを書き換えました。 　　 【３】総合 初心者がアプリや装置の使い方を構築するのに、必要な点は以下の３点で、これを足掛かりにさらに進められるかは、自分次第だと思います。 (a)敷居をとる（意外と難しい。人に教わるのが楽） (b)全体の枠をつくる。(独学でやると異常に時間がかかる。独学は価値があるが挫折しやすい） (c)マニュアルの読み方を知る。 本講座では、以下の通り。 　(a)は、合格。 　(b)は、不満はある。 　(c)は、無し（kaggleの読み方はある） prgのある程度の知識があって、DLの全くの初心者なら、割いた時間の価値があると言っていいでしょう（星４）。でも、発展を望む場合、厳しい（星３）。 　本講座を受講するか迷っておられる方は、とりあえず取ってみて、数時間やってみて、気に入らなかったら返金してもらったらどうでしょうか。 　 【４】受講者の独り言（昔からプログラム(prg)を組んできた古人に） prg言語を本で勉強した人は、この講座にかかわらず、prgのトラブルの解決にネット調べることに慣れる必要があります。初心者でも、トラブルの解決がネットでできないとDLや新しいPrgの独学は無理です。本講座でもNetやQ&Aを参考にして進めていきます。以前のようにPrg言語やLibraryが数年に一度しかVersion UPされず、しかも上位互換という状態ではありません。1ケ月でprg環境は変わっており、環境をUP dateすると、動いたprgが動きません。DLの分野では、prgやLibraryの改定に書籍の改定が全く追いついていません。仕事開始時にベテランに、参考書かWEBサイトを聞いたら「無い。Q&Aが一番参考になる」と言われ、実際うわさや伝承文学状態です。こうなると、Fortran77、Basic、C、matlab？(必ずしも上位互換ではない)の最大の利点は、古いと言われてもVersion UPをしないことですかね。実際、Fortran99に改定した科学分野のOpen sourceを、再度Fortran77に戻した例を知っています。10年前のPrgが今でも安心して動きます。 　 以上ですが、最後まで読んでいただいてありがとうございます。

仕事でPythonでtensorflowを使用している初心者（プログラマーではありません）です。 Deep learning(以下DL)を全く知らなくても、C/C++かpythonを少しでも知っていてDLに興味がある人には星４かな。私にとっては、拾うものもありましたが、目的が違ったため星３くらいです。理由は以下の通りです。 　C/C++かpythonを全く知らないとついていけません。逆に、これらの言語を触ったことあれば、DLを全く知らなくても、概略をつかむことができると思います。個人的に講座に期待したものは、数学的背景と、マニュアルの読みかたですが、もの足りませんした。特にtensorflowのマニュアルとその読み方がなかったのが、残念です。概略を知るにはよくできているが、対象が誰かわからない。 　 【１】良かった点 (a)JupyterのNoteBookの使用 （初心者はvisual studio(VS) codeより機能が少なく簡便。初心者は、VS等の環境操作で、かなりとまどうことが多いです。初心者以外は説明でしか使用しないと思いますが、GitHubでも使用されることがあり知って損はない。） (b)kaggleサイトの利用（新しい世界をしる） (例題の選択は適切で、メインだけで組まれており順に追っていける。GitHubなどで公開されているprogram(以下prg)は幾つものFileを呼び、あちこち飛ぶのでprg全体の見通しも悪く、初心者にはコード解析に無用な時間がかかります） (c)３つの例題が興味を引く 　①手書き数字の判別（複雑見えるが数10行で分かりやすい） 　②マークの分類（①の簡単な変更で、改造の仕方が分る。） 　③犬猫の判別（kaggleを知るのによい） (d)DLで最も基本の多層ニューラルネットワーク(NN)と畳み込みNN(CNN)の両方を扱っている。 (e）数学的背景や、prg全体の流れに触れられている。 （どの講義でもあるが、ないと始まらない） 　　 【２】改良すべき点 (a)pythonを全く知らない人は無理だろう。 （C/C++をかじってあれば問題ない。この講義で使用している関数は少ないので、2,3枚程度の”Pythonの簡単な説明書”と10分の講義で解決できそう。prg中の内包表記など初心者にはわかりにくいものは別紙にするといい。紙を見ながら講義を聞けたらすべて解決できそう。説明書は必要最低限に抑えることです。） (b)初めのうちは、個別の操作を口頭で繰り返し説明しながら操作してほしい。例えば、NoteBookで行を追加するときは操作しながら「<Enter>を押します」、実行(run)するときは「Shift+<Enter>を押します」などを繰り返すと受講者はわかりやすい。または、操作時にテロップを入れてもいいかも。操作が分からなくて挫折する初心者も多い。現実の講義では、途中で操作がわからななると講義は先に進むので致命的です。 (c)個別のprg中のコマンドや変数の内容がわからない。 (kerasとpythonの本質的な問題を含む。変数が定義なしで使用できるので、後から追えない。） (d)Tensorflowやkerasのマニュアルの読み方がない (現在DLを勉強する際の本質的問題かも） (e)prg全体の流れの説明をもう少し工夫したほうが初心者には親切。 例えば①データの取得、②データの設定、③評価,,,に分けて、各ステップでで”必要不可欠”な変数と関数を示すなど。DLで不可欠な変数と関数は非常に少なく(合わせても全部で10個を超えるくらいですかね）、多くは簡潔？に書くためだけに使用しており初心者には不要です。GitHubなど、簡潔？に書こうとして、わかりにくくなっている。 (f)数学的背景にもっと時間を割いていほしい。 関数の数学の意味が分からないと、高速化やモデルの改良で後々困る。補講部分を充実させてもらえると嬉しい。 (g)Udemy全体に言えることですが、本のように後で見返すことができない。ざっとlessonごとの内容と結論が書かれたものがあるといいと思います。 (h)改善点ではありませんが、from keras.models import Sequentialが通りませんでした。エラー表示は、Keras requires TensorFlow 2.2 or higher. で、普通にやるとは、TensorFlow 2.1がinstallされます。Netで調べてupgradeしましたが結局通りらず、元のtensorfloも通らなくなりました。初めから環境を作り直し、TensorFlow 2.1を使用し、Prgを書き換えました。 　　 【３】総合 初心者がアプリや装置の使い方を構築するのに、必要な点は以下の３点で、これを足掛かりにさらに進められるかは、自分次第だと思います。 (a)敷居をとる（意外と難しい。人に教わるのが楽） (b)全体の枠をつくる。(独学でやると異常に時間がかかる。独学は価値があるが挫折しやすい） (c)マニュアルの読み方を知る。 本講座では、以下の通り。 　(a)は、合格。 　(b)は、不満はある。 　(c)は、無し（kaggleの読み方はある） prgのある程度の知識があって、DLの全くの初心者なら、割いた時間の価値があると言っていいでしょう（星４）。でも、発展を望む場合、厳しい（星３）。 　迷っておられる方は、とりあえず取ってみて、数時間やってみて、気に入らなかったら返金してもらったらどうでしょうか。 　 【４】受講者の独り言（昔からプログラム(prg)を組んできた古人に） この講座にかかわらず、prg言語を本で勉強した人は、prgのトラブルの解決にネット調べることに慣れる必要があります。初心者でも、トラブルの解決がネットでできないとDLやPrgの独学は無理です。本講座でもNetやQ&Aを参考にして進めていきます。以前のようにPrg言語やLibraryが数年に一度しかVersion UPされず、しかも上位互換という状態ではありません。1ケ月でprg環境は変わっており、環境をUP dateすると、動いたprgが動きません。DLの分野では、prgやLibraryの改定に書籍の改定が全く追いついていません。仕事開始時にベテランに、参考書かWEBサイトを聞いたら「無い。Q&Aが一番参考になる」と言われ、実際うわさや伝承文学状態です。こうなると、Fortran77、Basic、C、matlab？(必ずしも上位互換ではない)の最大の利点は、古いと言われてもVersion UPをしないことですかね。実際、Fortran99に改定した科学分野のOpen sourceを、再度Fortran77に戻した例を知っています。10年前のPrgが今でも安心して動きます。 　ついでに、VS-Codeを単独でインストールして使用すると、環境によって、Pythonのpathは通るが、TensorflowのPathが通らないことがあり、de-bagができないことがあります（私は、Netで調べて家では簡単にPathが通りましたが、会社では通りませんでした）。本講座でanacondaのHomeのJupyterで使用できるので、同様にanacondaのHomeにあるVS-Codeで立ち上げたら、会社でも全くの修正なしで通りました。大変苦労していただけに、これだけでも、本講座は役に立った。 　 以上ですが、最後まで読んでいただいてありがとうございます。

スライドの作り方、話し方、プログラム構成など大変素晴らしい内容だと思いました。kaggleサイトが作成時と変わってしまっているらしく、同じようなページを探すのに苦労しましたが、これは仕方のないことですね。何度も見てスキルを身につけたいと思います。

有料なのに、毎回音の大きさが随分違う。小さい音の回の後に大きい音の回があると、ビクッとする。 バージョンアップがあるとはいえ、Webの表示がだいぶ変わっており、解説と違ったためビデオを止めてググりまくってしまった。 結果、この講座じゃない無料で同内容のものをたくさん見ることとなってしまった。しかも最新情報で。 そちらの方が音が均一で聴きやすいというおまけ付き。残念。 ひととおり、こういう項目を勉強すればよいという理解にはいいかも。 まあ、それなら目次見るだけでよかったかな。

理論と実践を同時に説明していただき、理解が進んだ。ただ、tensorflowのコードの書き方が以前と異なっていたり、最後の方はほとんどコピペに頼っていたのであまり実力が高まった気がしなかった。また、CPUだとクラッシュしてしまう場面もあり、少し戸惑った。 総じて全体像は掴めたので良かった。

Kaggleのコードを実際に読み解いて使う手順の紹介がとてもためになりました。新しい課題に取り組むとき、似た領域の課題がないか調べ、そこから始めるようにしてみたいと思います。モデルのチューニングのノウハウのところは、引数として与えるパラメータの組み合わせを変える、という程度にとどまっていたので、もう少しいろいろな改善方法の例を示していただけると、もっと実践的な内容になるのではないかと思いました。

Chainer の本が難しくて頓挫していた私には、ちょうど良い難易度でした。モデルを作って実際に動かすところまで、表面的ではありますが、スピーディーに実践できました。ライブラリのバージョンに注意する必要がある等の説明も、本筋からは離れつつも重要なポイントでした。非力なマシンだとモデルのトレーニングに時間がかかるので、Google Colaboratory を使いました (ちょっとコツが必要でした)。 途中、データの形 (どの次元に何が並んでいるか) が分からなくなりましたが、Jupyter notebook なので、自分で確認するのも楽でした。 この後は他のコンペに手を出すより、もう少し深く理論を理解したいのと、他の技術 (LSTM など) について学んでみたいと思いました。

機械学習が簡単にできるようになっている。 実際にいろいろと動かすことで分かることも多かった。 Kaggleへの参加は挑戦だと思う。 CUDA関係と思うが不明なエラーが何回か出た。リセットが有効という指導に従い再起動したらうまく動いて、とりあえず最後まで全部動かせたのは良かった。

結構なスピード感で進みます。全くのpythonと機械学習の初心者では一度で全て把握することは難しいです。自分で調べたりして必死についていく努力が必要かと思います。 一方、QAでは質問したことに対し、プラスして実際の現場の話などを入れてくれ、とても親切に対応して下さいます。

説明が明確で、一貫していてわかりやすいです。 特に初心者がつまづきそうな部分を実例を交えて説明してくださっているので講義の通りにfollowすれば一通り良い演習になります。 KaggleにKernelを投稿するところまで説明していただければ、星５つです。