AI データマネジメント講座
「AI データマネジメント講座」では AI社会を担う人材(AI人材)を養成します
「AI時代に活用できる能力を身につけたい」.そうした人が集まる24回の講座である. 2018年10月に開始した.来年度の継続開講を予定している. 最新のAIの技術の実習、グループワーク等によるAI活用実習を行う. そのための教材は広く公開している(クリエイティブコモンズ BY NC SA としている).
URL は https://www.kkaneko.jp/a/ai.html
名称: AI データマネジメント講座
講師: 金子邦彦
理念
この講座で行うこと
- 人工知能、統計、数理、データの取り扱い(画像や種々の数値データのデータマネジメント)をテーマとする
- 最新、最先端の技術を実際に使う.コンピュータとプログラムを使う.実践力のアップを行う
- 演習を行う。演習課題を各自で作ることも行う.失敗したとき「なぜ失敗したのか」が自分でわかる、仲間に教えてもらえる、という環境と雰囲気を参加者全員で作る.「実機」での演習が大事であるし、「なぜ動くのか」という数理も大事である
運営の指針
- Windows パソコンや小型コンピュータ Raspberry Pi で、確認、演習しながら、理解を深める
- 集合してのグループ学習である.アクティブな態度を歓迎する
- 評価基準を示し、保証を与える
ご準備いただきたいもの
- Windows ノートパソコン
- インターネット接続できるもの
- マウス
- メモリは 4から 8ギガバイト程度以上
- ディスクの空き容量をある程度必要とします
- Raspberry Pi
- 本体
- 給電用のACアダプタ
- マイクロSDカード
- ネットワークケーブル
- Windows パソコン側にも、ネットワークケーブルの口があること
参考 Web ページ
- 初心者のための TensorFlow 2.0 入門
https://www.tensorflow.org/tutorials/quickstart/beginner?hl=ja
後半パート
原則、週1回の開催。月曜日か木曜日。15時30分スタート。
- 8/19
全体発表会
以下を原案とし検討中
- 司会進行
- プレゼン(3グループ、25分) (全員が評点を与える)
- 表彰5部門,
グループ対象のもの:最優秀賞、奨励賞、
グループ対象のもの:アイデア賞、技術賞、魅力的なプレゼン賞
評価項目: 1.今までの取り組みと今後の予定 ・「何を」,「どこで」,「だれが」,「どのように」が丁寧に説明されている ・今まで行ったこと,今後行うべきことが明確である.実現可能性が高い 2.成長性,貢献性,収益性 ・今後の成長や発展が期待できる取り組みである ・ニーズ(必要性)が把握できている. ・当該企業や関連企業の発展に貢献できる 3.技術性 ・先行の関連する技術がよく調査されている ・実験データ,実験項目が明確に示されている ・「これまでにない新しい技術,サービス」である.新しい価値,使いやすさの改良がなされている 4.全体構成 ・背景,目的,理念が丁寧に説明されている ・「何のために,プロジェクトに取り組んだか」がわかりやすく説明されている 5.熱意,意欲 ・資料がよく準備されていて,分かりやすい ・発表者の意欲,熱意を感じさせる
- 8/5
各個人の発表
- 各自 5から10分以内程度
- 取り組み状況:実験項目,実験結果,考察,実験実施者
- 8/19 までの予定:実験項目,実験結果,考察,実験実施者.
参考資料: [PDFファイル], [パワーポイントファイル]
気をつけてほしいこと: 聴くときは尊敬の気持ちを持つ。「自分にとって役立つことは何か」という気持ちも持って聴く
中休み(5分程度)
グループ発表準備
構成例(原案)は次の通りとするが,各グループ内で相談して変えて良い
- タイトル,氏名,所属(必須)
- 「誰に使ってもらうか」
- 「どう役に立つか」
- 成功の確認方法
成功したことをどうやって確認するか
- 成功の鍵: 「成功のために,グループで,一番努力したこと」は何か
- 従来技術のうち,役に立つもの
技術名のリスト,それぞれが「正しく動作する」ことの裏付け資料やデータなどの説明
- 従来技術では何が足りないのか
従来技術を,自分のパソコンで再現しただけでは,何が足りないのか
- 競合優位: 「たくさんある類似のものの中で,『何が優れている』とアピールしたいか」
- 確証: 「競合優位」で書いたことを,確かめる方法
- 使用するソフト、機器のリスト(Windows, RaspberryPi, Python等も書く)
- 実験項目,実験結果,考察,実験実施者
- 他のグループの協力が必要か
- 商品化,サービス開始のための費用(予算).
- 商品化,サービス開始により得られる収益見込み
中休み(5分程度)
全体での情報交換
実施方法は相談します.8/19 の発表準備が始まっているグループは,それを使用.各個人の発表については相談.
中休み(5分程度)
8/19 発表準備
遅くとも 17時 50分までに終了
- 7/29
- TensorFlow を用いた予測(Google Colaboratory を使用)
- 15:30 - 15:40(目安) : 各自の個人ワーク
- 人工知能に関する最新技術、最新ニュースの調査(7/22 に指示の個人ワーク)の全体説明(全員)
人工知能に関する最新技術、最新ニュースの調査(7/22 に指示の個人ワーク)は,全員提出済み
各自,前に出て,説明する.
- 15:40 - 15:45(目安) : 準備(各自で)
- 15:45 - 16:10(目安) : 各自,全員に向けて発表する.
聴いているとき.他の人の発表の中で,「将来,自分の仕事などで役に立ちそうなこと」をメモすること.
- 中休み,トイレ休憩(5分)
- 全体発表会 (8/19) の準備を行うこと
考え方:各自が実験を行い,実験結果などを全体発表会で発表し,評価を受ける.評価は個人を対象にするものと,グループを対象にするものがある. 全体発表は,グループの代表 1名で行ってもよいし,複数名で行っても良い(グループの中で決めること)
- 16:15 - 16:25(目安) グループ・ディスカッション
- 16:25 - 17:00(目安) 各自の作業
内容
- 全体発表会の発表項目と内容について,ブループの全員で相談すること
- グループでの発表者を決めること.1名でもよいし,複数名でもよい.
- 全体発表会の準備の分担について,グループの中で,確認すること.
- 全員が,最終発表会までに,実験を行うこと.
実験に関する作業分担をグループ内で相談. 実験ができずに困っている人は,打ち明けること.グループの中で助け合うこと
- 各自の実験については,各自が決める(各自の「行いたい」ことができるように,グループを運営)
実験手順,実験結果,考察,実験実施者 [PDFファイル], [パワーポイントファイル]
- 全体発表会では「誰が,何の実験を行ったか」も含めて発表すること.評価は個人を対象にするものと,グループを対象にするものがある.
留意事項: 今後のスケジュール(案)は次の通り
- 8/5: 発表リハーサル.
全員発表.全員が,自分の取り組み(目標,実験項目,実験結果,考察)を説明する
- 8/19: 全体発表.
グループ発表.パワーポイントを使用.審査(全員が審査員になる).
8回目
- レポート作成
グループワーク,事務局に提出し,確認を受けること
提出締め切り:8月3日
- 機材やソフトの準備状況(最終発表会に間に合うもの)
- 最終発表会までに行う実験項目
- 実験にあたって,グループ外のメンバーの協力を必要とするか
- 人工知能の応用例
- レポート作成
個人ワーク,事務局に提出すること(7/27 まで). 7/29 に全員に披露.
人工知能に関わる次のトピックスの中から、自分の興味のあるものを1つ選びなさい.(あるいは,自分で自由にトピックスを定めてよい)
そして、図書館やインターネットで調べなさい. 2から3名程度のグループを作って調べた場合には,グループの仲間が調べたことを書き写してください(空欄のままではいけません).
- フェイク写真やフェイクニュースの合成:
人工知能を使ったフェイク写真やフェイクニュースの生成は可能か? どのようなものがあるか?
- ディープラーニングの最新技術:
「CNN」や「RNN」や「LSTM」など,ディープラーニングの最新技術によって,どのようなことができるようになってきたか?
- スマートスピーカー:
日本語を理解し、人間と会話ができるコンピュータはどのような仕組みか?
- 3次元コンピュータグラフィックス:
人間の表情、恐竜の肌、未来や遠い星の景色など、リアルな3次元コンピュータグラフィックスの作品が製作されるとき,人工知能はどのように役に立っているか? そのことについて,どのようなニュースがあるか?
- ロボット応用:
人工知能が搭載された最新のロボットには,どのようなものがあるか? そのことについて,どのようなニュースがあるか?
- 人工知能向けコンピュータ:
人工知能向けコンピュータの最新のものには,どのようなものがあるか? そのことについて,どのようなニュースがあるか?
- プログラムの本質:
普通のプログラムと,人工知能のプログラムの一番の違いは何か?
- プログラミング言語:
人工知能のプログラミングを行うとき,どのようなプログラミング言語が使われているか? そして,そのプログラミング言語で,人工知能がうまく動くために,どのような機能や,モジュールなどがあるか?
- ヒューマンコンピュータインタラクション:
人間にとって本当に使いやすく、便利なコンピュータシステムはどうあるべきか? 何が問題か? そして,人工知能の技術で,何が解決されようとしているか? そのことについて,どのようなニュースがあるか?
- ゲーム:
人工知能は,人間よりも種々のゲーム(将棋などのテーブルゲーム,パソコンなどで動くビデオゲーム)をうまく行うことができるか? そのことについてどのようなニュースがあるか? なぜ,人工知能は人間よりも高いスコアを出すことができるのか?
- データベース:
人工知能の学習(訓練)に使われているデータベースにはどのようなものがあるか?
- 人工知能の限界:
「人間が人工知能を利用しても解けない問題」は存在するか? それは、どのような問題なのか?
- フェイク写真やフェイクニュースの合成:
- 最適化
- 最適化の応用例
資料: 最適化の応用例 [PDF], [パワーポイント]
Google Colaboratory のページ: https://colab.research.google.com
import numpy as np from scipy.optimize import minimize def rosen(x): """The Rosenbrock function""" return sum(100.0*(x[1:]-x[:-1]**2.0)**2.0 + (1-x[:-1])**2.0) x0 = np.array([1.3, 0.7, 0.8, 1.9, 1.2]) res = minimize(rosen, x0, method='nelder-mead', options={'xtol': 1e-8, 'disp': True}) print(res.x)
- ニューラルネットワークの過学習
資料: ニューラルネットワークの過学習 [PDF], [パワーポイント]
7回目
- コンピュータビジョンに関するクラウドサービス の紹介
Microsoft Cognetive Service を動かす
説明資料: 説明資料 [PDF], [パワーポイント],
さまざまな機能がある. https://docs.microsoft.com/ja-jp/azure/cognitive-services/computer-vision/ で確認できる
- Python の主な機能,Pythonで人工知能
6回目
Linux の操作技術,その他
- ラスベリーパイのセットアップと動作確認
「動かない人」
- 講座時間中に個別対応.
SDカードのコピーと動作確認で, 1人あたり 10分から 20分
- 自分で解決したい人へ:
ラブベリーパイ用のファイルを配布準備中:
- グループ発表.
「4回目」のときの宿題は,「提出期限は 7/1 を目安とします 」と案内しています. これを使う
1人:
- タイトル,氏名,所属
- 「誰に使ってもらうか」,「どう役に立つか」
- 成功の鍵: 「成功のために,グループで,一番努力したいこと」は何か
- 現在の準備状況
使用する機材,ソフトウェア
- 競合優位: 「たくさんある類似のものの中で,『何が優れている』とアピールしたいか」
- 確証: 「競合優位」で書いたことを,確かめる方法
- 実験項目
- 実験結果がどうなれば成功か
- 「コンピュータビジョン」の技術のうち,役に立ちそうなもの(前回内容)
- 「コンピュータビジョン」の技術だけでは足りないもの
- 「コンピュータビジョン」の技術だけでは足りないものについて,何を使うかを決めていますか
5回目
- Raspbian でのコマンド操作
パソコン演習: Raspbian でのコマンド操作
- spyder3 を起動してみる
MobaXTerm で,次のコマンドを実行する.spyder バージョン 3 を起動しなさい.警告メッセージはすべて無視すること.
spyder3 &
spyder の右下が Python コンソールになっていることを確認
- 次のプログラムによる演習実施.エラーメッセージが出た場合には個別対応.
- ニューラルネットワークの仕組み
説明資料: 説明資料 [PDF], [パワーポイント],
ニューラルネットワークを作るプログラム
import tensorflow as tf from tensorflow.keras import layers num_classes = 3 input_dim = 4 m = tf.keras.Sequential( [ layers.Dense(units=64, input_dim=input_dim, activation='relu'), layers.Dense(units=num_classes, activation='softmax'), ] )
ニューラルネットワークの確認表示
print(m.summary())
ニューラルネットワークの学習を行うプログラム
import numpy as np x = np.array( [[0, 0, 0, 0], [0, 0, 0, 1], [0, 0, 1, 0], [0, 0, 1, 1], [0, 1, 0, 0], [0, 1, 0, 1], [0, 1, 1, 0], [0, 1, 1, 1], [1, 0, 0, 0], [1, 0, 0, 1], [1, 0, 1, 0], [1, 0, 1, 1], [1, 1, 0, 0], [1, 1, 0, 1], [1, 1, 1, 0], [1, 1, 1, 1]]) y = np.array( [0, 0, 0, 2, 0, 1, 0, 0, 0, 0, 1, 0, 2, 0, 0, 0]) epochs = 500 m.compile(loss=tf.keras.losses.categorical_crossentropy, optimizer=tf.keras.optimizers.SGD(lr=0.01, momentum=0.9, nesterov=True)) m.fit(x, tf.keras.utils.to_categorical(y), epochs=epochs)
ニューラルネットワークを使ってみる
m.predict( np.array([[0, 1, 0, 1]]) )
第1層と第2層の間の結合の重みを表示
m.get_weights()[2]
- ニューラルネットワークのデモサイト
ラズベリーパイは使わずに Windows パソコンで行う.Webブラウザを使う.
- クラウドサービス(Azure) に関する演習と宿題
Windowsパソコンで,次の Web ページの手順を試しておくこと
https://docs.microsoft.com/ja-jp/azure/cognitive-services/computer-vision/quickstarts-sdk/python-sdk
- 「Microsoft Cognitive Services の概要」の中で,自分のグループに関係あるものを選んでおくこと. そして,実験計画の中に入れておくこと.
https://blogs.msdn.microsoft.com/bluesky/2016/05/06/microsoft-cognitive-services-api-overview/
- 「Microsoft Cognitive Services の概要」の中で,自分のグループに関係あるものを選んでおくこと. そして,実験計画の中に入れておくこと.
4回目
-
- 今後の取り組み内容を明らかにする(グループワーク)
取り組み内容: 何を実験するかを明らかにする.既存の技術の何を組み合わせるのかを仮に決めておく.
資料: 見やすいプレゼンテーション資料 [PDF], [パワーポイント]
課題:グループワーク(2名). プレゼンテーション資料を作成しなさい.提出期限は 7/1 を目安とします
1人:
- タイトル,氏名,所属
- 「誰に使ってもらうか」,「どう役に立つか」
- 成功の鍵: 「成功のために,グループで,一番努力したいこと」は何か
- 現在の準備状況
使用する機材,ソフトウェア
- 競合優位: 「たくさんある類似のものの中で,『何が優れている』とアピールしたいか」
1人:
- 確証: 「競合優位」で書いたことを,確かめる方法
- 実験項目
- 実験結果がどうなれば成功か
- 「コンピュータビジョン」の技術のうち,役に立ちそうなもの(前回内容)
- 「コンピュータビジョン」の技術だけでは足りないもの
- 「コンピュータビジョン」の技術だけでは足りないものについて,何を使うかを決めていますか
- 自然言語処理
説明資料: 形態素解析と構文解析 [パワーポイント], [PDF]
- コンピュータビジョン
- 画像ファイル表示
パソコンなどで Web ブラウザを開く.
パソコンで開いた Web ブラウザの中身を,ラズベリーパイの spyder にコピー&ペーストできる(上の手順のように ssh -X ... を使っている場合).
- 画像のノイズ除去
- カラー画像を濃淡画像に変換
- ヒストグラム平坦化
- OTSU の方法による 2値化
- 適応的 2値化
- GrabCut 法による前景背景分離
- オープニングによる 2値画像からの小領域除去
- 2値画像の領域から面積などを求める
- 画像ファイル表示
3回目
グループワーク課題: 利用する既存の技術を考える
- 準備
Windows パソコンからラブベリーパイに,リモートログインする,
次のコマンドを実行する.
sudo apt install libopencv-dev sudo apt install python3-opencv python3-opencv-apps sudo pip3 install rope wrapt sudo apt install python3-spyder sudo apt install spyder3
- 参考資料: OpenCV とコンピュータビジョン
説明資料: OpenCV について [パワーポイント], [PDF]
2回目
サイト内の関連 Web ページ
- Dlib(Raspberry Pi)
Raspberry Pi でカメラをつなぎ顔検出(目安:2時間)
- 文字認識(Windows パソコン)(目安:10分)
1回目
宿題:今日の討論を受けて,「春休み課題」をより良く書き直して提出しなさい (6/3 まで)
前半パート
座学と演習(Windowsパソコン, RaspberryPi を使用)の組み合わせを特徴とします. 演習の実施形態については、初回に相談します
- 1-6回: Windows パソコンでディープラーニングを動かす。Pythonのエコシステム 無線LAN接続できる Windows パソコンを準備ください
キーワード: Python, Python 開発環境, モジュール, パッケージ, Python 環境, 配列(アレイ), 画像, Keras と TensorFlow のインストールと動作確認,ニューラルネットワーク
- 7-12回: ディープラーニングでできること.さまざまなディープラーニング 無線LAN接続できる Windows パソコンを準備ください。カメラ付きのパソコンがありますと便利です(カメラはなくても大丈夫です)
キーワード: OpenCV, CNN, RNN, LSTM, GAN, パラメータ,モデル,ハイパーパラメータ,ソースデータの前処理 Keras RetinaNet, R-CNN 系列(Faster R-CNN)
10 回目:顔のランドマーク、頭部の姿勢推定、瞳孔の検出
11 回目:AIの仕組み
12 回目:将来予測、データセットの取り扱い
- 13-16回: Raspberry Pi でのディープラーニング Raspberry Pi。無線LAN接続でき、有線のイーサネット接続もできる Windows パソコンを準備ください
キーワード: Linux, Raspberry Pi, 動画像処理,Google Colab
- 17-24回: データ処理(数理統計、機械学習)、ディープラーニングによる演習
資料
14回目、小型コンピュータ Raspberry Pi で人工知能を動かしてみる
第13回目の続き
13回目、小型コンピュータ ラズベリーパイ(Raspberry Pi)の セットアップ (3/12)
- 事前準備したマイクロSDカード
- Raspberry Pi(ACアダプタも)
- 無線LAN接続でき、有線のイーサネット接続もできる Windows パソコン
- ネットワークケーブル
- 資料: Raspberry Pi を使ってみる [PDF], [パワーポイント]
- 資料: リモート接続,ファイル転送ソフト MobaXterm Personal 版のインストール(winget を使用しない)と利用(Windows 上)
- 資料: Raspbian (2019-06-20版)をダウンロードし SD カードに書き込む
- 資料: Windows パソコンから Raspbian システムにリモート接続,アプリを開く
- 資料: Raspberry Pi で virtualenv, TensorFlow 1.11, Keras 2.2.4 をインストール
12回目、データセットの取り扱い
- オブジェクト、メソッド、引数
- データの取り扱い、散布図、記述統計量、ヒストグラム
- データのグループ化
11回目、グループワーク
次の理念のもと進めています.
- 豊富な体験は、想像力(イマジネーション)の源泉になる.
- グループワークは楽しく、やる気が出る.人に教えることで、自分も上達する
説明資料:
いままでの資料を振り返りながら、人工知能+データベース+コンピュータビジョン/データのビジュアライゼーションを使って、試してみたい実験、試しに作ってみたいアプリケーションプログラムを考えなさい
さまざまな分野を考えることができる。ゲーム、映画・テレビ、画像やビデオを使うオンラインサービス、セキュリティ、工場等での製品検査、交通(自動運転、交通流観測、車両誘導など)、セキュリティ、個人認証、ロボット
- 過去の資料の振り返り(20分)
- 2−3名のグループを作り、ディスカッション(20分)
各個人で1テーマでもよいし、グループで1テーマでもよい
- 各グループ口頭発表
気をつけてほしいこと:
聴くときは尊敬の気持ちを持つ。「自分にとって役立つことは何か」をいう気持ちを持って聴く
自分の「興味のあるポイント」、「何を深く学びたいか」のポイントを定める
実際に自分のパソコン、ラスベリーパイで試す(自分で解決できる課題は何か)ことを見極める。チャレンジのとき、どういう課題がありそうか、それをどうやって自力で解決できそうか。
チャレンジによって、自分の何の能力が上達するかも考えておく
- 他の人の発表も参考の上、 レポートとして報告しなさい。レポートをグループで作成したときは、全員の氏名を明記。
紙かワードファイルで提出。提出締め切りは次回(1/24)とします
10回目、顔のランドマーク、頭部の姿勢推定、瞳孔の検出
頭部の姿勢推定
頭部の姿勢推定
瞳孔の検出
- TobiasRoeddiger/PupilTracker のインストールと動作確認(瞳孔の検出)(Dlib,Python を使用)(Windows 上)
赤いマークは目の下の中央、緑のマークが瞳孔
9回目、顔検出、顔識別
事前のインストール作業
Windows のコマンドプロンプトを管理者として開き 「activate ai」を実行したのち、 その管理者として開いたコマンドプロンプトを用いて、 次の資料の中の「マイクロソフト C++ ビルドツール (Build Tools) のインストール」と「Dlib のインストール」の部分を行っておくこと
Windows で, Anaconda をインストールし、Python の仮想環境 + Keras + TensorFlow + OpenCV + spyder + Dlib 環境を作る(Chocolatey を利用)
※ 講座の時間中にファイルの回覧などを行う場合があります
顔検出、顔のランドマーク検出
- ipazc/MTCNN のインストールと動作確認(顔検出)(Python を使用)(Windows 上)
- Dlib による顔検出を行う Python プログラム(Dlib, Python を使用)(Windows 上)
- Dlib による顔のアラインメント,顔データの増量,顔のランドマーク,顔のコード化(Dlib,Python を使用)(Windows 上)
表情判定
顔識別
肌色部分の抽出
7, 8回目 (12/6) :コンピュータビジョンと OpenCV、一般物体認識、画像セグメンテーション
復習: 第4回の資料「Python の numpy」を読み返し、「配列」について復習しておくこと
準備:Raspberry Pi は、必要になったときに連絡します.お待ちください
準備:この回では「カメラ」があると便利です.カメラ内蔵のノートパソコン、あるいは USB カメラです(なくても、実習はできる)
準備:準備作業(以前行ったもの)を終えていない人は終えておくこと
Windows で, Anaconda をインストールし、Python の仮想環境 + Keras + TensorFlow + OpenCV + spyder + Dlib 環境を作る(Chocolatey を利用)
準備:次の資料で「このページで説明のために使用するビデオ」のところにある指示「 sample1.mp4, 1-1.avi, 00008.MTS を、C:\image の下に保存 」を終えておくこと
説明資料: Python + OpenCV 4 でビデオを表示してみる * 今後、ソフトウェアのインストールなどの事前準備は、予習とすることがあります. 予習は、当日の朝まで掲載します
- 7. OpenCV とコンピュータビジョン
- OpenCV について [パワーポイント], [PDF]
- Python + OpenCV 4 で濃淡画像を使う(イメージヒストグラム,ヒストグラム平坦化,ノイズ除去,2値化,輪郭抽出)
トピックス:カラー画像から濃淡画像への変換,イメージヒストグラム,ヒストグラム平坦化,濃淡画像のノイズを加える、ノイズを除去する,OTSU の方法による2値化,輪郭抽出
次の資料で「前準備」の部分は終わっている、spyder を起動するときは、スタートメニューの「spyder(ai)」を使ってください
※ エラーが出たときは個別に対処します
説明資料: Python + OpenCV 4 で濃淡画像を使う(イメージヒストグラム,ヒストグラム平坦化,ノイズ除去,2値化,輪郭抽出)
- OpenCV でビデオカメラ画像の表示,ファイル書き出し,濃淡画像処理(Python を使用)
トピックス:カメラ画像の表示,カラー画像から濃淡画像への変換,動画ファイルの書き出し・ヒストグラム平坦化,OTSU の方法による2値化,輪郭抽出
次の資料で「前準備」の部分は終わっている、spyder を起動するときは、スタートメニューの「spyder(ai)」を使ってください
- Python + OpenCV 4 で前景分離,ステレオマッチング,点や線の描画
次の資料で「前準備」の部分は終わっている、spyder を起動するときは、スタートメニューの「spyder(ai)」を使ってください
- OpenCV でビデオのフレーム間差分,トラッキングビジョン,オプティカルフロー(Python を使用)
次の資料で「前準備」の部分は終わっている、spyder を起動するときは、スタートメニューの「spyder(ai)」を使ってください
- イメージ・スティッチング
次の資料で「前準備」の部分は終わっている、spyder を起動するときは、スタートメニューの「spyder(ai)」を使ってください
説明資料: イメージ・スティッチング
- 8. 画像分類、一般物体認識
資料準備中。実習のときにソフトのインストール、データのダウンロードなどを予定している
次の資料で「前準備」の部分は終わっている、spyder を起動するときは、スタートメニューの「spyder(ai)」を使ってください
説明資料: で学習済みの ResNet50 を用いた画像分類(TensorFlow を利用)
説明資料: 物体検出(SSD を使用)を行ってみる
6回目 (11/26) :強化学習を動かしてみる
- 強化学習ツールキットを動かしてみる
説明資料: 人工知能の概要 [PDF], [パワーポイント],
次の資料の「Python の仮想環境の作成」から開始してください。その前は、すでに、終わっています
- パソコン実習資料: Windows で Unity ML-Agents + Python 環境を作る(Chocolatey, Anaconda を利用)(Chocolatey, Anaconda を利用)
- 説明ビデオ: YouTube にあります.
ML-Agents ツールキットに付属の事前学習済みモデルを Unity で動かしてみる(ミニ実演)(8分34秒, 説明音声つき)
- 説明ビデオ: YouTube にあります. ML-Agents ツールキットで学習を行ってみる(ミニ実演)(7分56秒, 説明音声つき)
5回目 (11/22) :モジュール, パッケージ, Python 環境,ニューラルネットワークの処理手順
- Python のモジュールとパッケージ、Python 環境
説明資料: Python のモジュールとパッケージ [PDF], [パワーポイント]
説明資料: Python 環境 [PDF], [パワーポイント]
- ニューラルネットワーク
説明資料: 機械学習とニューラルネットワーク [PDF], [パワーポイント]
パソコン実習資料: Keras を用いてニューラルネットの作成、学習、予測を行ってみる
4回目 (11/8) : 配列(アレイ), 画像, Keras と TensorFlow のインストールと動作確認
- TensorFlow と Keras の動作確認
- 画像データセット,Python の配列(アレイ)
説明資料: Python の numpy[PDF], [パワーポイント]
3回目 (11/5) :Python 開発環境
- AI 学習と AI 応用開発ができる環境
- Windows で TensorFlow + Keras + Python 環境を作る(Chocolatey を利用)
説明資料: Windows で TensorFlow + Keras + Python 環境を作る(Chocolatey を利用)
2回目 (10/29) :Python プログラミング演習、プログラミングと情報システム
- 説明ビデオ: 「プログラミングについて知っておきたい大切なこと」についてのビデオ(音声つき)が YouTube にあります.
- 説明ビデオ: 「Google Colaboratoryで始めるPythonプログラミング入門」についてのビデオ(音声つき)が YouTube にあります.
- 説明ビデオ: 「Python の標準ライブラリ」についてのビデオ(音声つき)が YouTube にあります.
- 説明ビデオ: 「式の抽象化,関数」についてのビデオ(音声つき)が YouTube にあります.
1回目 (10/11) :人工知能とは何か、人工知能で我々の暮らしはどのように変わるのか
資料
参考資料 (10/5更新)
- 小型コンピュータ Raspberry Pi に最新の OS をインストールする
- 説明ビデオ: YouTube にあります .
- 説明資料: Raspbian のインストールと Windows からのリモート接続 [HTML 版]
- Raspberry Pi で TensorFlow 1.11, Keras 2.2.4, OpenCV, Dlib, その他関連ソフトウェア環境を整える
- 説明資料: Raspberry Pi で TensorFlow 1.11, Keras 2.2.4, OpenCV, Dlib, その他関連ソフトウェア環境を整える
スケジュール
2019年度 ・5/23 ・5/27 ・6/3 ・6/10 ・6/24 ・7/1 ・7/18 ・7/22 2018年度 ・10月11日 15:30~ ・10月29日 15:30~ ・11月5日 15:30~ ・11月8日 15:00~ ・11月22日 16:00~ ・11月26日 15:30~ ・12月6日 13:30~16:45 (2コマ) ・12月10日 15:30~ ・12月17日 15:30~ ・1月7日 15:30~ ・2月18日 15:30~ ・3月12日 16:00~