PyTorchの学習でおすすめの本と動画【2024年最新】

関連記事の紹介

• 自然言語処理については、この記事を読んで下さい
• 機械学習については、この記事を読んで下さい
• Kaggleについては、この記事を読んで下さい
• 機械学習で使う数学については、この記事を読んで下さい
• MLOpsについては、この記事を読んで下さい
• Pythonについては、この記事を読んで下さい
• データ分析については、この記事を読んで下さい
• 統計学については、この記事を読んで下さい

動画教材

【Hands Onで学ぶ】PyTorchによる深層学習入門

▼ 興味がある方は、画像をクリック

人気急上昇中のAIフレームワークであるPyTorchを用いて深層学習の様々なモデルを構築し、機械学習・深層学習の基礎を固めましょう。
機械学習・深層学習を"知識として知っている"人から、"使える・使いこなせる"人へとステップアップしませんか?

【PyTorch+Colab】PyTorchで実装するディープラーニング -CNN、RNN、人工知能Webアプリの構築

▼ 興味がある方は、画像をクリック

人気急上昇中の機械学習フレームワーク、PyTorchを使って深層学習を学ぶコースです。
CNNによる画像認識、RNNによる時系列データ処理、AIアプリの構築などを学びます。
開発環境にはGoogle Colabolatoryを使用します。

PyTorch for Deep Learning in 2023: Zero to Mastery

▼ 興味がある方は、画像をクリック

英語版です。
かなり人気のコースで、PyTorchを使うエンジニアになりたい人にオススメです。

中級者向け

つくりながら学ぶ！PyTorchによる発展ディープラーニング

ディープラーニングの発展・応用手法を実装しながら学習していきます。
扱う内容

• 転移学習、ファインチューニング：少量の画像データからディープラーニングモデルを構築
• 物体検出（SSD）：画像のどこに何が映っているのかを検出
• セマンティックセグメンテーション（PSPNet）：ピクセルレベルで画像内の物体を検出
• 姿勢推定（OpenPose）：人物を検出し人体の各部位を同定しリンク
• GAN（DCGAN、Self-Attention GAN）：現実に存在するような画像を生成
• 異常検知（AnoGAN、Efficient GAN）：正常画像のみからGANで異常画像を検出
• 自然言語処理（Transformer、BERT）：テキストデータの感情分析を実施
• 動画分類（3DCNN、ECO）：人物動作の動画データをクラス分類

基本的なニューラルネットワークの作り方だけではなく、最新技術についての実装の方法が書いてあり、物体検出、自然言語処理など幅広い範囲まで網羅されています。

最短コースでわかる PyTorch &深層学習プログラミング

人気のAIフレームワーク「PyTorch」で、ディープラーニングプログラミングができるようになる本です。
ディープラーニングのアルゴリズムが原理からわかります。
人気の本です。

対象読者

• 企業でディープラーニングプログラムを業務で利用している、あるいはこれから利用しようとしているITエンジニアや研究者
• 理工系の大学・大学院の学生で研究の一環としてディープラーニングのプログラムを開発する必要がある方
• まだPythonもKeras/TensorFlowも知らないが、ディープラーニングプログラミングをこれから勉強してみたいという方

Python機械学習プログラミング［PyTorch＆scikit-learn編］

後半では、PyTorchによるさまざまなディープラーニングの手法を説明。
PyTorchの仕組みを示したあと、CNN／RNN／Transformerといったモデルの実装を解説。
敵対的生成ネットワーク、グラフニューラルネットワーク、強化学習もカバー。

PyTorchではじめるAI開発

本書で紹介する「AI開発」では、必ずしもすべての章で、ニューラルネットワークの構造(ニューロン同士の接続の仕方)を一から新しく作成するようなことはしませんが、ModelZOOやGitHub上で公開されているモデルも、積極的に採用するようにしています。
また、利用できる学習済みのモデルが公開されている際には、それをダウンロードして使用するようにします。
本書では、章によって、異なるAIを開発しますが、その際には、公開されているモデルをそのまま流用して「広義のAI」のみを作成したり、あるいは公開済みのモデルを転移学習・ファインチューニングしたりと、その都度、もっとも近道であると思われるスキームを利用して、「AI開発」を行います。

PyTorch実践入門

「Deep Learning with PyTorch: Build, train, and tune neural networks using Python tools」の和訳本です。
訳はイマイチですが、内容はいいです。
浅く広くな感じの本です。

限られたデータでニューラルネットワークを訓練する方法、訓練済みモデルのデプロイ方法など『ディープラーニング・プロジェクトのベストプラクティス』を提示します。

• ディープラーニングのメカニズムを解説
• Jupyter Notebook上でサンプルコードを実行
• PyTorchを用いたモデル訓練の実施
• 実データを使用するプロジェクトをベースに実践的解説
• 本番環境へのさまざまなモデルデプロイ方法

PyTorch自然言語処理プログラミング word2vec／LSTM／seq2seq／BERTで日本語テキスト解析！

自然言語処理で特に重要なディープラーニング技術であるword2vec、LSTM、seq2seq、そしてBERTを取り上げます。
少し難易度が高めの本です。

ディープラーニング実装入門　PyTorchによる画像・自然言語処理

機械学習の手法の中でもとくにディープラーニングに注目し、その実践のための知識を基礎からまとめています。
概念としての「人工知能」「機械学習」「ディープラーニング」の紹介から、数学知識のまとめ、プログラミングとフレームワークの利用方法、環境の構築までを解説していきます。

PyTorchニューラルネットワーク実装ハンドブック

本書は、画像や文書の分類処理について学べるように、畳み込みネットワークからリカレントネットワーク、敵対的生成ネットワーク(GAN/LSGAN/CGAN)、物体検出までを実例を交えて体系的に解説します。
逐次丁寧に意味を解説しているので非常にありがたいです。