PyTorchと実験で理解するディープラーニング

PyTorchと実験で理解するディープラーニング｜Mike X Cohen

数学と実装を結び付け、モデルや設定を変える実験から深層学習を学ぶ。

Python入門から、NumPy・PyTorch、勾配降下、ニューラルネットワークの構築へ進む。学習・検証・テストの分離や、正則化、転移学習、オートエンコーダも学習範囲として示されている。

原題：A deep understanding of deep learning (with Python intro)

学習・基礎と実装：線形代数・微分・統計の基礎をNumPyとPyTorchの実装に結び付ける。／確認 2026-09-15／https://www.udemy.com/course/deeplearning_x/

学習・モデルの学習：勾配降下、順伝播・逆伝播とニューラルネットワークの構築を扱う。／確認 2026-09-15／https://www.udemy.com/course/deeplearning_x/

学習・実験と評価：学習率などを変える実験、検証データの分離、正則化による汎化を学ぶ。／確認 2026-09-15／https://www.udemy.com/course/deeplearning_x/

対象：数学とコードを使って深層学習の仕組みを学びたい人。形式：オンデマンド動画講座（公開シラバスを確認）。言語：英語（日本語字幕の対応は未確認）。利用条件：一部講義にプレビューの案内あり。全講座の受講条件・現在価格はUdemyで確認。

確認事項（編集部）：Pythonの入門を含むが、数式・コードを使う長時間の講座。公開シラバスの確認であり、教材コードの再配布条件や全講義の内容を確認したものではない。

出典：Mike X Cohen / Udemy「A deep understanding of deep learning (with Python intro) — 講師公開の講座概要・シラバス」／公開・更新日：ページで特定せず／確認日：2026-09-15／https://www.udemy.com/course/deeplearning_x/

PyTorchと実験で理解するディープラーニング

関連ページ