![[image]](https://www.kkaneko.jp/info/logo_png.png){kind=logo}
金子邦彦研究室
▶ 支援 ▶ AI データマネジメント講座
金子邦彦研究室
▶ 支援 ▶ 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
この講座で行うこと
運営の指針
参考 Web ページ
https://www.tensorflow.org/tutorials/quickstart/beginner?hl=ja
原則、週１回の開催。月曜日か木曜日。１５時３０分スタート。
全体発表会
以下を原案とし検討中
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
各個人の発表
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
成功したことをどうやって確認するか
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
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
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．
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．
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）
内容
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
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]
留意事項： 今後のスケジュール（案）は次の通り
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
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）．
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
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）．
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？
「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？
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？
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？
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？
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？
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？
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？
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？
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？
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)
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]
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
Linux の操作技術，その他
「動かない人」
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
ラブベリーパイ用のファイルを配布準備中：
「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：
使用する機材，ソフトウェア
パソコン演習: Raspbian でのコマンド操作
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
![[image]](../tools/raspbian/245.png)
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]
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．
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
https://blogs.msdn.microsoft.com/bluesky/2016/05/06/microsoft-cognitive-services-api-overview/
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：
使用する機材，ソフトウェア
1人：
説明資料: 形態素解析と構文解析 [パワーポイント], [PDF]
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）．
グループワーク課題： 利用する既存の技術を考える
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
説明資料: OpenCV について [パワーポイント], [PDF]
サイト内の関連 Web ページ
Raspberry Pi でカメラをつなぎ顔検出(目安：2時間)
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)
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
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
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
キーワード: Linux, Raspberry Pi, 動画像処理，Google Colab
第13回目の続き
次の理念のもと進めています．
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
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
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
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
頭部の姿勢推定
頭部の姿勢推定
瞳孔の検出
赤いマークは目の下の中央、緑のマークが瞳孔
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
表情判定
顔識別
肌色部分の抽出
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
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）
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
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
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
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
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
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
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]
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
説明資料: Python の numpy[PDF], [パワーポイント]
説明資料: Windows で TensorFlow + Keras + Python 環境を作る（Chocolatey を利用）
資料
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~
本サイトは金子邦彦研究室のWebページである．
資料等の公開では，原則，「クリエイティブコモンズ BY NC SA」として公開するようにしている． PDFファイル，パワーポイントファイルなどには， 「クリエイティブコモンズ BY NC SA」を明記するとともに，ロゴを記載するようにしている（作業が間に合っていない分もあるのでご容赦ください）．
公開している資料をご利用になる場合の，再配布の条件，剽窃の防止などについて，別ページ »で説明 再配布や資料改変の際には，そのページをご確認ください．
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．
問い合わせ先： 金子邦彦（かねこ くにひこ） ![[image]](https://www.kkaneko.jp/info/kanekomail.png)