Computer Vision Video Lectures
1.0.0
コンピューター ビジョンの分野に関連するビデオ講義を備えた、無料で高品質な大学レベルのコースの厳選されたリスト。
Signals and Systems 6.003 (MIT)、デニス・フリーマン教授
[コース]
Signals and Systems 6.003 は、離散時間信号と連続時間信号の表現 (特異点関数、複素指数関数と幾何学、フーリエ表現、ラプラス変換と Z 変換、サンプリング) および線形時間の表現に焦点を当て、信号とシステム解析の基礎をカバーしています。 - 不変システム (差分および微分方程式、ブロック線図、システム関数、極と零点、畳み込み、インパルスおよびステップ応答、周波数応答)。アプリケーションは、フィードバックと制御、通信、信号処理など、工学と物理学から幅広く利用されています。
デジタル信号処理 ECSE-4530 (レンセラー工科大学)、Richard Radke
【コース】 【YouTube】
このコースでは、デジタル信号処理アルゴリズムの理論、設計、実装を包括的に扱います。コースの前半では、周波数領域と Z 変換の解析に重点を置きます。コースの後半では、マルチレート信号処理、フィルター設計、適応フィルター処理、量子化器設計、パワー スペクトル推定など、信号処理の高度なトピックを調査します。このコースはアプリケーションにかなり依存しており、通信、制御、または画像処理の将来の学習に強力な理論的基盤を提供します。このコースは当初大学院レベルで提供されていましたが、2009 年に上級レベルに再編されました。
デジタル信号処理 (EPFL)、パオロ・プランドーニ、マルティン・ヴェッタリ
[コース]
4 つのコースからなるこのシリーズでは、デジタル信号処理の基礎を基礎から学びます。離散時間信号の基本的な定義から始めて、フーリエ解析、フィルター設計、サンプリング、補間、量子化を経て、実際の通信システムを詳細に分析するのに十分な完全な DSP ツールセットを構築します。理論と実践の間のギャップを埋めるために、実践的な例とデモンストレーションが定期的に使用されます。
画像とビデオの処理: 病院に立ち寄り、火星からハリウッドまで (デューク大学)、ギレルモ・サピロ教授
【コース】 【YouTube】
このコースでは、デジタル画像とビデオがどのように作成、変更、保存、使用されるかの背後にある科学を学びます。コンピューターやデジタル カメラがどのように画像を形成するのか、ハリウッド映画でデジタル特殊効果がどのように使用されているのか、火星探査車がどのようにして数百万マイルの宇宙に写真を送信できたのかに至るまで、デジタル イメージングの広大な世界を見ていきます。
このコースは人間の視覚システムがどのように機能するかを調べることから始まり、次にデジタル画像を機能させる工学、数学、コンピューター サイエンスについて学びます。画像の調整に使用される基本的なアルゴリズムを学び、ビデオ画像のエンコードと圧縮のための JPEG および MPEG 標準を検討し、さらに画像のセグメンテーション、ノイズ除去、フィルタリングについて学びます。最後に、医療で使用される画像処理技術について説明します。
デジタル画像処理入門 ECSE-4540 (レンセラー工科大学)、Richard Radke
【コース】 【YouTube】
分析と実装の両方の側面をカバーする画像処理分野の入門書。トピックには、人間の視覚システム、カメラと画像形成、画像のサンプリングと量子化、空間および周波数領域の画像強調、フィルター設計、画像復元、画像コーディングと圧縮、形態学的画像処理、カラー画像処理、画像セグメンテーション、および画像が含まれます。再建。消費者向けデジタル イメージング、セキュリティと監視、医療画像処理から抽出された現実世界の例と課題。このコースは、大学院の画像処理およびコンピュータ ビジョンの広範なコースの優れた基盤となります。
デジタル画像およびビデオ処理の基礎 (ノースウェスタン大学)、Aggelos K. Katsaggelos 教授
[コース]
このコースでは、画像およびビデオ処理の基礎について説明します。画像とビデオを空間、時空間、周波数領域の 2 次元および 3 次元信号として記述および分析するための数学的フレームワークを提供します。このクラスでは、画像/ビデオの強化、回復、圧縮などの基本的な処理タスクの背後にある理論を学ぶだけでなく、最先端の技術とツールを使用してこれらの主要な処理タスクを実際に実行する方法も学びます。 。最適化ツールボックスから統計手法に至るまで、さまざまなツールを紹介し、使用します。現代の画像およびビデオ処理においてスパース性が果たす特別な役割についても強調します。いずれの場合も、特定のアプリケーション ドメインに関連するサンプル画像とビデオが利用されます。
画像および多次元信号処理 EENG 510 (コロラド鉱山学校)、William Hoff
【コース】 【YouTube】
このコースでは、最先端の画像および多次元信号処理技術を応用できるようにするための理論的背景を学生に提供します。このコースでは、画像、ビデオ シーケンス、ボリューム データなどの多次元データの処理に関する実践的な問題を解決する方法を学生に教えます。学生が解決することが期待される問題の種類は、多次元データからの自動計測と、多次元データの復元、再構築、または圧縮です。これらの問題を解決するために使用されるツールには、さまざまな特徴抽出方法、フィルタリング技術、セグメンテーション技術、および変換方法が含まれます。
デジタル画像処理 (IIT カンプール)、PK Biswas 教授
【コース】 【YouTube】
画像処理および分析 ECS 173 (カリフォルニア大学デービス校)、オーウェン カーマイケル教授
【コース】 【YouTube】
カメラ、3 次元表面センサー、医療機器によって生成された画像から高レベルの情報を自動抽出する技術。一般的なアプリケーションには、さまざまなタイプの画像内のオブジェクトの検出や、医療画像に表示される生物学的標本の集団の記述が含まれます。
デジタル画像処理 EE225B (カリフォルニア大学バークレー校)、Avidh Zakhor 教授
[コース]
このコースでは次のトピックを扱います: 2 次元シーケンスとシステム、分離可能なシステム、投影スライス計算、投影と部分フーリエ情報からの再構成、Z 変換、さまざまな方程式、再帰的計算可能性、2 次元 DFT と FFT、2 次元 FIR フィルター設計。人間の目、知覚、心理物理学的視覚特性、測光と測色、光学と画像システム。画像強調、画像復元、幾何学的画像修正、形態学的画像処理、ハーフトーン処理、エッジ検出、画像圧縮: スカラー量子化、可逆符号化、ハフマン符号化、算術符号化辞書技術、波形および変換符号化 DCT、KLT、アダマール、多重解像度符号化ピラミッド、サブバンドコーディング、フラクタルコーディング、ベクトル量子化、動き推定と補償、標準: JPEG、MPEG、H.xxx、前処理および後処理、スケーラブルな画像とビデオコーディング、ノイズの多いチャネルを介した画像およびビデオ通信。
デジタル画像処理 I EE637 (パデュー大学)、Charles A. Bouman 教授
【コース】 【YouTube】
強調、圧縮、復元、再構築、分析のためのデジタル画像処理技術の紹介。 2-D 信号とシステム、画像解析、画像セグメンテーションなどの幅広いトピックをカバーする講義と実験室実験。無彩色視覚、カラー画像処理、カラー画像システム、画像鮮明化、補間、デシメーション、線形および非線形フィルタリング、画像の印刷および表示。画像圧縮、画像復元、断層撮影。
定量的ビッグイメージング: 画像から統計へ (チューリッヒ工科大学)、KS Mader、M. Stampananii
【講座】 【YouTube】 【GitHub】
この講義は、イメージング データから堅牢で定量的なメトリクスを抽出するという困難なタスクに焦点を当て、純粋な信号処理とイメージングの実験科学の間のギャップを埋めることを目的としています。このコースは、テクニック、スケーラビリティ、科学に基づいた分析に焦点を当てます。
コンピューター ビジョンの最初の原理、Shree Nayar
【ウェブサイト】 【YouTube】
First Principles of Computer Vision は、コロンビア大学工学応用科学部コンピュータ サイエンス学部の教員である Shree Nayar 氏が講義を行う一連の講義です。コンピューター ビジョンは、「見る」機械を構築する企業です。このシリーズは、ビジョンの物理的および数学的基礎に焦点を当てており、コンピューター ビジョンに関する予備知識のない学生、実践者、愛好家向けに設計されています。
コンピューター ビジョン CAP5415 (UCF)、ムバラク シャー博士
【2012年度講座】 【2014年度講座】 【2012年度YouTube】 【2014年度YouTube】
コースは入門レベルです。コンピューター ビジョンの基本的なトピックを取り上げ、コンピューター ビジョン研究の基本的なアプローチをいくつか紹介します。
コンピューター ビジョン CS-6476 の概要 (ジョージア工科大学)
[コース] [Udacity]
コンピューター ビジョン EENG 512 (コロラド鉱山学校)、ウィリアム ホフ
【YouTube】
このコースでは、画像形成と低レベルの画像処理から始めて、この分野の概要を説明します。次に、画像から特徴を抽出し、形状と位置を測定し、物体を認識するための理論と技術について詳しく説明します。
3D コンピュータ ビジョン CS4277/CS5477 (シンガポール国立大学)、Gim Hee Lee
【YouTube】
これは、新型コロナウイルス感染症 (COVID-19) の影響で NUS でのオンライン学習用に録画された 3D コンピューター ビジョンの入門コースです。取り上げられるトピックは次のとおりです。 講義 1: 2D および 1D 射影幾何学。講義 2: 剛体の運動と 3D 射影幾何学。講義 3: 円点と絶対円錐曲線。講義 4: ロバストなホモグラフィー推定。講義 5: カメラのモデルとキャリブレーション。講義 6: シングルビュー計測学。講義 7: 基本的かつ必須のマトリックス。講義 8: 点または線からの絶対姿勢推定。講義 9: 点および/または線からの 3 視点幾何学。講義 10: Structure-from-Motion (SfM) とバンドル調整。講義 11: 2 ビューおよびマルチビュー ステレオ。講義 12: 一般化されたカメラ。講義 13: 自動キャリブレーション。
コンピューター ビジョンにおけるマルチ ビュー ジオメトリ (IT Sligo)、Sean Mullery
【YouTube】
コンピューター ビジョン (カンプール工科大学)、ジャヤンタ ムコパディヤイ教授
[コース]
このコースでは、イメージング幾何学とシーンの理解に関連する理論と計算を包括的にカバーします。また、この分野で適用されるクラスタリング、分類、深層学習技術についても説明します。
コンピューター ビジョン CS-442 (EPFL)、パスカル フア
[コース]
学生はコンピュータ ビジョン分野の基本的なテクニックを学びます。必要に応じて画像処理技術を適用する方法を学びます。ここでは、標準的なビデオ カメラを使用して取得した白黒画像とカラー画像に焦点を当てます。エッジ検出、セグメンテーション、テクスチャ特性評価、形状認識などの基本的な処理テクニックを紹介します。
Computer Vision CS 543 (イリノイ大学)、Derek Hoiem
【コース】【録画】
このコースでは、シングルビューおよびマルチビューのジオメトリ、ライティング、線形フィルター、テクスチャ、特徴点、トラッキング、RANSAC、K 平均法クラスタリング、セグメンテーション、EM アルゴリズムなど、コンピューター ビジョンの基本的な概念とアルゴリズムの多くを取り上げます。 、認識など。宿題では、これらの概念の多くを実践します。これは調査コースであるため、どのトピックについても深く掘り下げることはありませんが、コースの最後には、視覚関連のさらなる調査と応用の準備が整っている必要があります。
視覚効果のためのコンピューター ビジョン ECSE-6969、Richard Radke
【コース】 【YouTube】
このコースでは、コマーシャル、ミュージック ビデオ、映画でますます一般的になりつつある高度な視覚効果の基礎となる研究トピックに重点を置きます。トピックには、ハリウッドで定期的に使用されている古典的なコンピューター ビジョン アルゴリズム (ブルー スクリーン マット、モーションからの構造、オプティカル フロー、フィーチャ トラッキングなど) や、将来の効果の基礎を形成するエキサイティングな最近の開発 (自然画像マット、マルチ画像合成、画像リターゲット、ビュー合成など）。モーション キャプチャと 3 次元データ取得の背後にあるテクノロジーについても説明します。舞台裏のビデオの分析とハリウッドの視覚効果アーティストへの詳細なインタビューにより、数学的概念が現実世界の映画制作に結び付けられます。
画像処理およびコンピュータ ビジョン (CBCSL)、アレイクス M. マルティネス
【YouTube】
コンピュータービジョンの古代の秘密 (ワシントン大学)、ジョセフ・レドモン
【コース】 【YouTube】
このクラスはコンピュータ ビジョンの一般的な入門です。フィルタリング、エッジ検出、ステレオ、フローなどの画像処理の標準技術 (昔ながらのビジョン) だけでなく、新しい機械学習ベースのコンピュータ ビジョンもカバーしています。
アドバンスト コンピュータ ビジョン CAP6412 (UCF)、ムバラク シャー博士
【2019年度講座】【YouTube】
これは、大学院生が最先端の研究に触れることができる高度なコンピューター ビジョンです。各クラスでは、特に深層学習の活用など、現在の研究の活発な分野に関連した最近の研究論文 1 つについて話し合います。コンピューター ビジョンは何十年にもわたって非常に活発な研究分野であり、研究者は重要で困難な問題の解決に取り組んできました。ここ数年、人工ニューラル ネットワークを含むディープ ラーニングは、コンピューター ビジョンに破壊的な影響を及ぼしてきました。ディープラーニングの採用により、困難な問題の解決において非常に短期間で大きな進歩が見られ、画像とビデオの分類、ローカリゼーション、セマンティック セグメンテーションなどで非常に印象的な結果が得られました。新しい技術、データセット、ハードウェアおよびソフトウェア ライブラリがほぼ毎年登場しています。日。ディープ コンピューター ビジョンは、ロボット工学、自然言語理解、コンピューター グラフィックス、マルチモーダル解析などの研究に影響を与えています。
コンピューター ビジョン I: 変分法 (ミュンヘン工科大学)、ダニエル クレマース教授
【コース】 【YouTube】
変分法は、高次元のコスト関数を最適化するための最も古典的な手法の 1 つです。コンピューター ビジョンやその他の研究分野における多くの課題は、変分法として定式化できます。例としては、ノイズ除去、ブレ除去、画像セグメンテーション、トラッキング、オプティカル フロー推定、ステレオ画像からの深度推定、または複数のビューからの 3D 再構成が含まれます。
この授業では、変分法の基本概念であるオイラー・ラグランジュ計算と偏微分方程式を紹介します。コンピューター ビジョンと画像解析のそれぞれの課題を変分問題としてどのように設定できるか、またそれらをどのように効率的に解決できるかについて説明します。クラスの終わりに向けて、変分設定で最適解または最適に近い解を計算できる凸定式化と凸緩和について説明します。
コンピューター ビジョン II: マルチ ビュー ジオメトリ (ミュンヘン工科大学)、ダニエル クレマース教授
【コース】 【YouTube】
この講義では、画像形成の基本的な概念である透視投影とカメラの動きを紹介します。目標は、複数の画像から 3 次元の世界とカメラの動きを再構築することです。この目的を達成するために、さまざまな画像内の点と、動きと 3D 構造を計算できるそれぞれの制約との間の対応関係を決定します。講義で特に重点を置くのは、剛体の運動と透視投影の数学的記述です。カメラの動きと 3D ジオメトリを推定するために、スペクトル手法と非線形最適化手法の両方を利用します。
アドバンスト コンピュータ ビジョン (CBCSL)、アレイクス M. マルティネス
【YouTube】
コンピュータビジョンに関する大学院サマースクール (IPAM at UCLA)
[コース]
写真測量 I および II (ボン大学)、Cyrill Stachniss
【コース】 【YouTube】
モバイル センシングとロボティクス I (ボン大学)、Cyrill Stachniss
[コース]
モバイル センシングとロボティクス II (ボン大学)、Cyrill Stachniss
【コース】 【YouTube】
ロボット マッピング (ボン大学)、Cyrill Stachniss
【コース】 【YouTube】
この講義では、モバイル ロボットを使用した環境モデリングのコンテキストにおけるさまざまなトピックと技術を取り上げます。カルマン フィルター、情報フィルター、粒子フィルターのファミリーを備えた SLAM などの技術について説明します。さらに、グラフベースのアプローチ、最小二乗誤差の最小化、場所認識と外観ベースのマッピングの手法、およびデータの関連付けを調査します。
バイオメトリクス (IIT Kanpur)、Phalguni Gupta 教授
【コース】 【YouTube】
生体認証の特徴とその目的、画像処理の基礎、基本的な画像操作、フィルタリング、強調、鮮明化、エッジ検出、平滑化、強調、閾値処理、位置特定の紹介。フーリエ級数、DFT、DFT の逆関数。生体認証システム、識別および検証。 FAR/FRR、システム設計の問題。ポジティブ/ネガティブの識別。生体認証システムのセキュリティ、認証プロトコル、照合スコア分布、ROC 曲線、DET 曲線、FAR/FRR 曲線。予想される全体的なエラー、EER、生体認証に関する神話、および虚偽表示。適切な生体認証の選択。生体認証属性、Zephyr チャート、マルチ生体認証の種類。マルチモデルシステム、正規化戦略、融合法、マルチモデルの同定に関する検証。生体認証システムのセキュリティ、生体認証システムの脆弱性、回避、秘密取得、品質管理、テンプレートの生成、相互運用性、データ ストレージ。認識システム: 顔、署名、指紋、耳、虹彩など。
CS231n 視覚認識のための畳み込みニューラル ネットワーク (スタンフォード)
【コース】 【YouTube】
このコースでは、これらのタスク、特に画像分類のためのエンドツーエンド モデルの学習に重点を置き、ディープ ラーニング アーキテクチャの詳細を深く掘り下げます。 10 週間のコース中、学生は独自のニューラル ネットワークの実装、トレーニング、デバッグを学び、コンピューター ビジョンにおける最先端の研究について詳細に理解します。最終的な課題には、数百万パラメータの畳み込みニューラル ネットワークをトレーニングし、それを最大の画像分類データセット (ImageNet) に適用することが含まれます。私たちは、画像認識の問題の設定方法、学習アルゴリズム（バックプロパゲーションなど）、ネットワークのトレーニングと微調整のための実践的なエンジニアリングのトリックを教えることに重点を置き、実践的な課題と最終コースプロジェクトを通じて学生を指導します。このコースの背景と資料の多くは、ImageNet Challenge から引用されます。
コンピューター ビジョンのための深層学習 (ミシガン大学)、ジャスティン ジョンソン
[コース]
このコースでは、コンピューター ビジョン用のニューラル ネットワーク ベースのディープ ラーニング手法を詳しく説明します。このコースでは、学生は独自のニューラル ネットワークの実装、トレーニング、デバッグを学び、コンピューター ビジョンにおける最先端の研究について詳しく理解します。学習アルゴリズム、ニューラル ネットワーク アーキテクチャ、視覚認識タスク用のネットワークのトレーニングと微調整のための実践的なエンジニアリング トリックについて説明します。
畳み込みニューラル ネットワーク、Andrew Ng 教授
[コース]
このコースでは、畳み込みニューラル ネットワークを構築し、それを画像データに適用する方法を学びます。ディープラーニングのおかげで、コンピューター ビジョンはわずか 2 年前に比べてはるかにうまく機能しており、これにより、安全な自動運転から正確な顔認識、放射線画像の自動読み取りに至るまで、数多くのエキサイティングなアプリケーションが可能になっています。
畳み込みネットワーク、イアン・グッドフェロー
【YouTube】
感覚システム 9.04 (MIT)、ピーター H. シラー教授、M. クリスチャン ブラウン教授
【コース】 【YouTube】
このコースでは、感覚知覚の神経基盤を調べます。焦点は、哺乳類の神経系の生理学的および解剖学的研究、ならびに動物と人間の行動研究にあります。トピックには、視覚パターン、色と奥行きの知覚、聴覚反応と音の定位、体性感覚の認識が含まれます。
視覚知覚と脳 (デューク大学)、Dale Purves
[コース]
学習者は、知覚をガイドとして使用しながら、視覚が直面する問題について学びます。このコースでは、私たちが見ているものが視覚系によってどのように生成されるのか、視覚にとっての中心的な問題は何か、視覚認識が脳の働きについて何を示すのかについて考えます。その証拠は、神経科学、心理学、視覚科学の歴史、そして哲学が貢献したものから引き出されるでしょう。議論は視覚系の解剖学と生理学に基づいて行われますが、焦点は知覚にあります。私たちは物理世界を奇妙な方法で見ていますが、その理由を理解することが目標です。
ハイレベルビジョン (CBCSL)
【YouTube】
機械学習 CS229 (スタンフォード)、Andrew Ng 教授
【コース】 【YouTube】
このコースでは、機械学習と統計的パターン認識について幅広く紹介します。トピックには、教師あり学習 (生成/判別学習、パラメトリック/ノンパラメトリック学習、ニューラル ネットワーク、サポート ベクター マシン) が含まれます。教師なし学習 (クラスタリング、次元削減、カーネル法)。学習理論 (バイアス/分散のトレードオフ、VC 理論、大きなマージン)。強化学習と適応制御。このコースでは、ロボット制御、データマイニング、自律ナビゲーション、バイオインフォマティクス、音声認識、テキストおよびウェブデータ処理など、機械学習の最近の応用についても説明します。
機械学習 CS156 (カリフォルニア工科大学)、Yaser Abu-Mostafa 教授
【コース】 【YouTube】
これは、カリフォルニア工科大学のヤセル・アブ・モスタファ教授による機械学習の入門コースで、基礎理論、アルゴリズム、応用をカバーします。機械学習 (ML) を使用すると、観測データから蓄積された経験に基づいて計算システムのパフォーマンスを適応的に向上させることができます。 ML テクニックは、完全な数学的仕様が存在しない (そして多くのシステムをカバーしている) システムを構築するために、エンジニアリング、科学、金融、商取引で広く適用されています。このコースは理論と実践のバランスをとり、数学的側面とヒューリスティックな側面をカバーします。
コンピュータービジョンのための機械学習 (ハイデルベルク大学)、Fred Hamprecht 教授
【コース】 【YouTube】
このコースでは、いわゆる「構造化予測」を可能にする高度な機械学習手法について説明します。目標は、自明ではない方法で相互作用する複数の予測を行うことです。そして、トレーニング中とテスト時の両方で、これらの相互作用を考慮します。
ロボティクスとコンピューター ビジョンのための機械学習 (ミュンヘン工科大学)、ルドルフ トリーベル博士
【コース】 【YouTube】
この講義では、学生はコンピュータ ビジョンやロボット工学アプリケーションで最も頻繁に使用される機械学習手法を紹介します。講義の主な目的は、既存の手法の広範な概要を取得し、コンピュータ ビジョンとパターン認識の文脈でその動機と主なアイデアを理解することです。
インテリジェント システムのための機械学習 CS4780 (コーネル大学)、キリアン ワイバーガー教授
【コース】 【YouTube】
このコースの目標は、機械学習の分野を紹介することです。このコースでは、どの問題にどの学習アルゴリズムを使用するかを決定し、独自の学習アルゴリズムをコード化し、それを評価およびデバッグするための基本的なスキルを学びます。
機械学習とパターン認識の概要 (CBCSL)、Aleix M. Martinez
【YouTube】
応用機械学習 COMS W4995 (コロンビア)、アンドレアス C. ミュラー
【コース】 【YouTube】
このクラスでは、機械学習とデータ サイエンスへの実践的なアプローチを提供します。このクラスでは、データの準備、モデルの選択、評価など、SVM、ランダム フォレスト、勾配ブースティング、ニューラル ネットワークなどの実世界のデータセットへの機械学習手法の適用について説明します。このクラスは、scikit-learn で利用可能なオープン ソース実装とすべての実装の tensor フローに完全に依存しているという点で、COMS W4721 を補完します。モデルの適用とは別に、機械学習モデルの本番化に関連するソフトウェア開発ツールと実践についても説明します。
確率的および統計的機械学習 (テュービンゲン大学)、Philipp Hennig 教授、U. von Luxburg 教授
【コース】 【YouTube】
講義の焦点は、機械学習のアルゴリズムと理論の両方の側面にあります。標準アルゴリズムの多くを取り上げ、優れた機械学習アルゴリズムを構築するための一般原則と理論的結果について学びます。トピックは確立された結果からごく最近の結果まで多岐にわたります。
プログラマーのための機械学習入門 (fast.ai)、Jeremy Howard
【コース】 【YouTube】
Jeremy Howard (Kaggle の 2 年連続ナンバー 1 競合他社、Enlitic 創設者) によって教えられました。最も重要な機械学習モデルを、ゼロから自分で作成する方法や、データの準備、モデルの検証、データ製品の構築における重要なスキルを含めて学びます。レッスン時間は約 24 時間で、約 8 時間を予定する必要があります。週に数時間、12 週間かけて教材を完成させます。このコースは、サンフランシスコ大学のデータ サイエンス修士課程で記録された授業に基づいています。少なくとも 1 年間のコーディング経験があり、高校数学で学んだことを覚えているか、知識を更新するために独自の学習を行う準備ができていることを前提としています。
機械学習入門 ECE 5984 (バージニア工科大学)、Dhruv Batra 教授
【コース】 【YouTube】
Deep Learning CS230 (スタンフォード)、Andrew Ng 教授、Kian Katanforoosh
【コース】 【YouTube】
ディープラーニングは、AI で最も求められているスキルの 1 つです。このコースでは、深層学習の基礎を学び、ニューラル ネットワークの構築方法を理解し、機械学習プロジェクトを成功に導く方法を学びます。畳み込みネットワーク、RNN、LSTM、Adam、Dropout、BatchNorm、Xavier/He 初期化などについて学びます。
ディープラーニング専門分野、Andrew Ng 教授、Kian Katanforoosh
[コース]
5 つのコースで、深層学習の基礎を学び、ニューラル ネットワークの構築方法を理解し、機械学習プロジェクトを成功に導く方法を学びます。畳み込みネットワーク、RNN、LSTM、Adam、Dropout、BatchNorm、Xavier/He 初期化などについて学びます。ヘルスケア、自動運転、手話朗読、音楽生成、自然言語処理のケーススタディに取り組みます。理論を習得するだけでなく、それが産業界でどのように応用されるかについても学びます。これらすべてのアイデアを、私たちが教える Python と TensorFlow で実践します。
ディープラーニング EE-559 (EPFL)、フランソワ・フルーレ
[コース]
このコースは、PyTorch フレームワークの例を使用した深層学習の徹底的な入門です: 機械学習の目的と主な課題、テンソル演算、自動微分、勾配降下、深層学習特有の手法 (バッチノーム、ドロップアウト、残差ネットワーク)、画像理解、生成モデル、敵対的生成モデル、リカレント モデル、アテンション モデル、NLP。
深層学習入門 6.S191 (MIT)、Alexander Amini および Ava Soleimany
【コース】 【YouTube】
コンピューター ビジョン、自然言語処理、生物学などへの応用を含む、深層学習手法に関する MIT の入門コースです。学生は深層学習アルゴリズムの基礎知識を習得し、TensorFlow でニューラル ネットワークを構築する実践的な経験を積みます。コースは、スタッフおよび業界スポンサーのパネルからのフィードバックを伴うプロジェクト提案コンテストで終了します。前提条件として微積分 (つまり導関数の計算) と線形代数 (つまり行列の乗算) を想定しています。途中で他のすべてを説明していきます。 Python の経験は役に立ちますが、必須ではありません。
プログラマーのための実践的な深層学習 (fast.ai)、Jeremy Howard
【コース】 【YouTube】
fastai と PyTorch を使用したプログラマーのための深層学習: 博士号を持たない AI アプリケーション。
知覚のための深層学習 ECE 6504 (バージニア工科大学)、Dhruv Batra 教授
【コース】 【YouTube】
このコースでは、ニューラル ネットワークの基礎の再確認から最近の開発まで、学生は最先端の研究に触れることができます。
ディープラーニングと人工知能の講義 (MIT)
【コース】 【YouTube】
ディープラーニング入門 11-785 (カーネギーメロン大学)
【コース】 【YouTube】
このコースでは、ディープ ニューラル ネットワークの基礎と、さまざまな AI タスクへの応用について学びます。コースが終了するまでに、学生はこの主題にかなり慣れ、ディープラーニングをさまざまなタスクに適用できるようになることが期待されます。また、このテーマに関する現在の文献の多くを理解し、さらなる学習を通じて知識を広げることができるようになります。
コンピュータグラフィックス CMU 15-462/662 (カーネギーメロン大学)
【ウェブサイト】 【YouTube】
カーネギー メロン大学のコンピューター グラフィックス入門クラスの講義ビデオ。
コンピュータグラフィックス (ユトレヒト大学)、Wolfgang Huerst
【YouTube】
2012 年 4 月から 2012 年 6 月まで、オランダのユトレヒト大学の Wolfgang Hürst 氏が行ったコンピューター グラフィックスに関する入門講義の記録。
コンピュータグラフィックス ECS175 (カリフォルニア大学デービス校)、Kenneth Joy 教授
【YouTube】
コンピューター グラフィックス (ECS175) では、3 次元コンピューター グラフィックスの基本原理を説明します。焦点は、3 次元空間に物体を配置するための初歩的な数学テクニック、光が表面でどのように反射するかを決定するために必要な幾何光学、および基本的な 3 次元空間を生成するために必要なアルゴリズムとテクニックを実装するためのコンピュータ システムと方法の利用方法です。立体的なイラスト。詳細なトピックには、変換ジオメトリ、仮想カメラと光源の位置決め、複雑なオブジェクトの階層モデリング、複雑なモデルのレンダリング、シェーディング アルゴリズム、および曲面オブジェクトのレンダリングとシェーディングの方法が含まれます。
コンピュータグラフィックス CS184 (カリフォルニア大学バークレー校)、ラヴィ・ラマモーティ
[コース]
このコースは 3 次元コンピュータ グラフィックスの基礎を学ぶ入門コースです。取り上げられるトピックには、2D および 3D 変換、OpenGL を使用したインタラクティブ 3D グラフィックス プログラミング、シェーディングとライティング モデル、ベジェ曲線と B-スプライン曲線を使用した幾何学的モデリング、レイ トレーシングとグローバル イルミネーションを含むコンピュータ グラフィックス レンダリング、アンチエイリアシングとテクスチャ マッピングのための信号処理が含まれます。そしてアニメーションとインバースキネマティクス。完全な 3D グラフィックス プログラムを作成する能力だけでなく、グラフィックスの数学的側面と幾何学的側面の両方に重点が置かれます。
レンダリング / レイ トレーシング コース (ウィーン工科大学)、Károly Zsolnai-Fehér
【コース】 【YouTube】
このコースは、基本的なレンダリング方法と最先端のレンダリング方法の概要を説明することを目的としています。レイトレーシングやパストレーシング、フォトンマッピング、その他多くのアルゴリズムなどのオフライン手法が紹介され、さまざまな改良が説明されています。幾何光学、光およびカメラモデルとの表面および媒体の相互作用など、関連する物理学の基本が概説されています。モンテカルロ法の装置が導入されており、いくつかのアルゴリズムで頻繁に使用され、層状サンプリングとメトロポリスハースト法の形での洗練が説明されています。
