トップページ -> サポートページ -> AI データマネジメント講座
[サイトマップへ], [サイト内検索へ],

AI データマネジメント講座

サイト構成 データベース関連技術 データの扱い インストール,設定,利用 プログラミング 情報工学の講義実習資料 サポートページ 連絡先,業績など

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

運営の指針


ご準備いただきたいもの

参考 Web ページ


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。

  • 7/29

    8回目

    7回目

    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

  • 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. これを使います

    1人:

    1. タイトル,氏名,所属
    2. 「誰に使ってもらうか」,「どう役に立つか」
    3. 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
    4. 現在の準備状況

      使用する機材,ソフトウエア

    5. 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」
    6. 確証: 「競合優位」で書いたことを,確かめる方法
    7. 実験項目
    8. 実験結果がどうなれば成功か
    9. 「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)
    10. 「コンピュータビジョン」の技術だけでは足りないもの
    11. 「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

    4回目

        

    1. 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], [HTML]

      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:

      1. タイトル,氏名,所属
      2. 「誰に使ってもらうか」,「どう役に立つか」
      3. 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
      4. 現在の準備状況

        使用する機材,ソフトウエア

      5. 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:

      1. 確証: 「競合優位」で書いたことを,確かめる方法
      2. 実験項目
      3. 実験結果がどうなれば成功か
      4. 「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)
      5. 「コンピュータビジョン」の技術だけでは足りないもの
      6. 「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
    2. 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]

      説明資料: Google の翻訳サービスを使ってみる [パワーポイント], [PDF]

    3. コンピュータビジョン

      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

      2回目

      サイト内の関連 Web ページ

      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、頭部の向きの推定、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
      をご準備ください
      1. 資料: Raspberry Pi を使ってみる [PDF], [パワーポイント]
      2. 資料: リモート接続ソフト MobaXterm Personal 版のインストール(Windows 上)
      3. 資料: Raspbian (2019-06-20版)をダウンロードし SD カードに書き込む
      4. 資料: Windows パソコンからラスベリーパイ(Raspberry Pi)のアプリを開く
      5. 資料: Raspberry Pi で virtualenv, TenforFlow 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

      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:PDF版 , パワーポイント版

      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、頭部の向きの推定、瞳孔の検出

      虹彩と 68 ランドマークについて

      頭部の向きの推定

      頭部の向きの推定

      瞳孔の検出

      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「MSVC 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、隔離された Python 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

      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、実習はできます)

      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、隔離された Python 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「 sample2.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 でビデオを表示してみる * 今後、ソフトウエ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 で濃淡画像を使う

          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 で濃淡画像を使う

        • Python + 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

          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,ビデオ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

          説明資料: Python + 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 + OpenCV 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

          説明資料: Python + OpenCV で前景分離,ステレオマッチング,点や線の描画

        • Python + 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など

          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: Python + 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など

        • 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. 画像の分類、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: 画像分類(ResNet50 を使用)を行ってみる

        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

      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

      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

      3回目 (11/5) :Python 開発環境

      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

      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)

      1. 小型コンピュータ Raspberry Pi に最新の OS をインストールする
      2. Raspberry Pi で TenforFlow 1.11, Keras 2.2.4, OpenCV, Dlib, その他関連ソフトウエア環境を整える

      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~
      


      本サイトのサイトマップは,サイトマップのページをご覧下さい. 本サイト内の検索は,サイト内検索のページをご利用下さい.