人工知能（AI）を搭載したTwitterボットを作ろう【Seq2Seq+Attention+Colab】
ディープラーニングを用いた自然言語処理技術を活用し、対話が可能なTwitterボットを構築するコースです。Attentionを導入したSeq2SeqのモデルをGoogle Colaboratoryで訓練し、生成された文章を自動投稿します。
What you will learn
Seq2Seqを用いた対話モデルの構築。
Attentionの導入による自然な応答文の生成。
再帰型ニューラルネットワーク（RNN）の実装。
Twitter APIの使い方。
Twitterボットのデプロイ方法。
自然言語処理の基礎。
PyTorchの使い方。
Why take this course?
人工知能（AI）を搭載したTwitterボットを構築するコースです。
Seq2Seq、Attentionなどのディープラーニング技術を使ってモデルを訓練し、Twitterへの投稿や返答が可能なボットを構築します。
また、このために必要な基礎としてTwitter APIの使い方、ディープラーニング用フレームワークPyTorchの使い方、 基本的な自然言語処理などを学びます。
独自の人工知能ボットを構築し、世界に公開できるようになりましょう。
注: 本コースに先立ちYouTubeでのライブ講義【Live人工知能】がありました。本コースの動画はこのライブ講義をUdemy用に再構成したものになります。
コースの内容は以下の通りです。
Section1. 講座の概要とTwitter API
→ コースの概要を把握し、Twitter APIを設定します。
Section2. RNNとSeq2Seq
→ ディープラーニングの関連技術、再帰型ニューラルネットワーク（RNN）とSeq2Seqを学びます。Seq2Seqは、系列(sequence)を 受け取り、別の系列へ変換するモデルで、自然言語処理でよく利用されます。文章などの入力を圧縮するencoderと、出力を展開するdecoderからなりますが、機械翻訳、文章要約、対話システムなどに応用されています。
Section3. 自然言語処理の基礎
→ 自然言語をニューラルネットワークで扱う方法を学びます。
Section4. モデルの訓練
→ Seq2Seqを使い、チャットボット用のモデルを訓練します。
Section5. Attentionの導入
→ Seq2SeqのモデルにAttensionという技術を導入します。Attentionは、時系列データの特定の部分に 注意を向けるように学習させていく方法で、より自然な応答文の生成を可能にします。
Section6. Twitterボットのデプロイ
→ 訓練したモデルをデプロイし、Twitterボットを構築します。
本コースはディープラーニング用フレームワークとしてPyTorchを使用します。
PyTorchはオープンソースの機械学習ライブラリで、簡潔さ、柔軟性、速度のバランスに優れているため人気が急上昇中です。
また、簡潔な記述が可能なため、最新の研究成果の実装によく使われています。
開発環境にはGoogle Colabを利用するので、環境構築にはほとんど手間がかかりません。
GPUが無料で利用できるので、コードの実行時間も短縮できます。
Screenshots
Reviews
Charts
Price
Rating
Enrollment distribution
