人工知能のプログラム実行体験と探求（Google Colaboratory上）

ローカルLLM

• rinna/Japanese GPT-1B によるテキスト生成 Colab プログラム

  Colab のページ（ソースコードと説明）: https://colab.research.google.com/drive/1sn1FccLOSJ8JMqNvZZiIvMdUjzho-y0b?usp=sharing

  
• rinna/gemma-2-baku-2b によるテキスト生成 Colab プログラム

  Colab のページ（ソースコードと説明）: https://colab.research.google.com/drive/1osXWRtW-0HWnZh9haU5VMydpc867SolQ?usp=sharing

  

人工知能 + 自然言語処理

• DINO ViT-S/16による視覚特徴抽出とK-meansクラスタリング Colab プログラムによる実験・研究スキルの基礎

  【概要】DINO ViT-S/16モデルを用いて画像から視覚特徴を抽出し、K-meansクラスタリングにより自動的にグループ化するプログラムです。ラベル付けなしで画像の視覚的類似性に基づいた分類を実現し、結果を3次元散布図とグリッド表示で視覚化します。

  Colabのページ（ソースコードと説明）: https://colab.research.google.com/drive/134FIOIpkp2vVQi8WdBW-fMshoyLh6IIQ?usp=sharing

  
• 日本語文書トピックモデリング・固有表現抽出 Colab プログラム

  【概要説明】 [PDF], [パワーポイント]

  Colab のページ（ソースコードと説明）: https://colab.research.google.com/drive/1EbjqpewsIEXVYgOEO_NqhAvMHhaOo3dD?usp=sharing

  
• 単語の特徴ベクトルと類似検索（Word2vec を使用）の Colab プログラムによる実験・研究スキルの基礎

  Colab のページ（ソースコードと説明）: https://colab.research.google.com/drive/1E86OSq90AyI1z-ULE6hNoVmpCJ_7fCR8?usp=sharing

  
  
• 現在デバッグ中. fastTextを使用した日本語単語の特徴ベクトルと類似検索の Colab プログラムによる実験・研究スキルの基礎

  【概要】fastTextライブラリを用いて日本語単語の300次元ベクトル表現を取得し、コサイン類似度計算や類似語検索を行うプログラムである。辞書にない新語にも対応し、単語埋め込み技術の動作原理を実践的に学習できる。

  Colabのページ（ソースコードと説明）: https://colab.research.google.com/drive/1HtjErY_mM2YEaAWrVCqYFklNyoerFtrI?usp=sharin

  現在デバッグ中

人工知能 + コンピュータビジョン（画像ファイル用）

画像分類

• YOLO11によるImageNet画像分類 Colab プログラムによる実験・研究スキルの基礎

  【概要】YOLO11の事前学習済みモデルを使用してImageNetの1000クラスに画像を分類するプログラムである。Google Colabで動作し、画像をアップロードすると上位3つの分類結果と信頼度を表示する。実験計画の立て方、結果の考察方法、トラブルシューティングについても解説する。

  Colabのページ（ソースコードと説明）: https://colab.research.google.com/drive/1y_GMeDc5ZZvLqOTeDWLT6RMEUrng33ex?usp=sharin

  

物体検出

• RT-DETRv2物体検出実験 Colab プログラム（インタラクティブなパラメータ調整機能付き）による実験・研究スキルの基礎

  【概要】 Google Colabで動く物体検出AI（RT-DETRv2）。人・車・動物など80種類を検出。画像をアップロード後、スライダーで信頼度閾値を調整、リアルタイムで検出結果を確認。誤検出と見逃しのトレードオフを理解。

  Colab のページ（ソースコードと説明）: https://colab.research.google.com/drive/1gJOMdEc5VZbtNmFh403iYuoT6bUMAcmm?usp=sharing

  
• YOLOv10物体検出実験 Colab プログラム（インタラクティブなパラメータ調整機能付き）による実験・研究スキルの基礎

  【概要】Google Colabで動く物体検出AI（YOLOv10）。人・車・動物など80種類を検出。画像をアップロード後、スライダーで信頼度閾値とIOU閾値を調整、リアルタイムで検出結果を確認。誤検出と見逃しのトレードオフを理解。

  Colab のページ（ソースコードと説明）: https://colab.research.google.com/drive/1YBmft77poFgRnc6K9VFMm89SKP1ZNKwo?usp=sharing

  
• YOLOv10物体検出実験 Colab プログラム物体検出プログラムによる実験・研究スキルの基礎

  【概要】 Google Colabで動く物体検出AI（YOLOv10）の説明。画像から人・車・動物など80種類の物体を自動検出。プログラミング初心者の学生向けに、実験・研究の基礎スキルも解説。

  Colab のページ（ソースコードと説明）: https://colab.research.google.com/drive/1VYEaaWa731OcMfr4YnzsvIbybDHtrnUM?usp=sharing

  
• YOLO11物体検出実験 Colab プログラム（インタラクティブなパラメータ調整機能付き）による実験・研究スキルの基礎

  【概要】Google Colabで動く物体検出AI（YOLO11）。人・車・動物など80種類を検出。画像をアップロード後、スライダーで信頼度閾値とIOU閾値を調整、リアルタイムで検出結果を確認。誤検出と見逃しのトレードオフを理解。

  Colab のページ（ソースコードと説明）: https://colab.research.google.com/drive/1YBmft77poFgRnc6K9VFMm89SKP1ZNKwo?usp=sharing

  

インスタンスセグメンテーション

• YOLO11を用いたCOCOインスタンスセグメンテーション Colab プログラムによる実験・研究スキルの基礎

  【概要】YOLO11x-segモデルを使用して画像内の複数物体を自動検出し、ピクセル単位で輪郭を抽出するプログラムである。Google Colab環境で動作し、プログラムの利用方法、技術的背景、実験・研究の基礎スキルまでを包括的に解説する。COCOデータセットで学習された80クラスの物体認識が可能であり、検出結果は日本語で表示される。

  Colabのページ（ソースコードと説明）: https://colab.research.google.com/drive/1TLO0Bthg-NDqfTQkz_oB5l__G9OfMkLH?usp=sharing

  
• PixelLib インスタンスセグメンテーション Colab プログラム（インタラクティブなパラメータ調整機能付き）による実験・研究スキルの基礎

  【概要】 Google Colabで動く物体検出AI（PixelLib）。人・車・動物など80種類を検出。画像をアップロード後、スライダーで信頼度閾値を調整、リアルタイムで検出結果を確認。誤検出と見逃しのトレードオフを理解。

  Colab のページ（ソースコードと説明）: https://colab.research.google.com/drive/1Ri1v_O4A5vXRSSEBgt4umKC1l3SoWp9U?usp=sharing

  

顔情報処理

• InsightFace SCRFD 500M 顔検出実験 Colab プログラム（インタラクティブなパラメータ調整機能付き）による実験・研究スキルの基礎

  【概要】 Google Colabで動くInsightFaceのSCRFD 500Mモデルを使用した顔検出プログラム。 スライダーで信頼度閾値とNMS閾値を調整し、パラメータが検出結果に与える影響を確認できる。顔検出技術の実験や検証、パラメータチューニングの学習に活用できる。

  Colab のページ（ソースコードと説明）: https://colab.research.google.com/drive/1ZGgXf2wHmXmOiO1oIrQqhwJGH0Fqe08r?usp=sharing

  
• MediaPipe による顔検出 Colab プログラムによる実験・研究スキルの基礎

  【概要】MediaPipeライブラリを使用した顔検出プログラムの利用ガイド。画像内の顔を自動検出し、位置や特徴点を可視化する。BlazeFaceアルゴリズムを採用し、モバイル環境でも高速に動作する。Google Colab環境で実験・研究スキルを学ぶための実装例も提供する。

  Colabのページ（ソースコードと説明）: https://colab.research.google.com/drive/18bN3_pLhAnGAJnvQljZoUUjVhVqI_MLe?usp=sharing

  
• InsightFace buffalo_l 顔認識実験プログラムによる実験・研究スキルの基礎

  Colab のページ（ソースコードと説明）: https://colab.research.google.com/drive/13fXJ4f2dF-53YI_6i_rAJl17cuYuLE91?usp=sharing

  
• MediaPipe、DeepFaceによる顔検出、感情分析 Colab プログラムによる実験・研究スキルの基礎

  【概要】静止画像から人物の顔を検出し、感情を7分類（怒り、嫌悪、恐怖、喜び、悲しみ、驚き、無表情）で自動判定するプログラムの利用ガイドです。MediaPipeとDeepFaceを組み合わせた二段階処理により、顔の位置特定と感情推定を実現します。実験計画の立て方から結果の検証方法まで、研究スキルの基礎を学べます。

  Colabのページ（ソースコードと説明）: https://colab.research.google.com/drive/11JxfeS_V-xO6ihy38rwNpTWalhQxyysy?usp=sharing

  
• facelib による顔検出、年齢・性別推定、表情認識 Colab プログラムによる実験・研究スキルの基礎

  【概要】このページでは、画像から人物の顔を自動検出し、年齢・性別・表情を推定するプログラムの使い方と技術的背景を解説する。実験・研究の基礎スキルとして、実験計画から結果の考察まで具体的な手順を示す。

  Colabのページ（ソースコードと説明）: https://colab.research.google.com/drive/1uJt_EG16ADcxLiUuFa0zc4jBSRuba0mh?usp=sharing

  

人体セグメンテーション

• MediaPipe BlazePose 人体セグメンテーションプログラムによる実験・研究スキルの基礎

  Colab のページ（ソースコードと説明）: https://colab.research.google.com/drive/12omaU0G52at_FT6EKk2NHJ58meR-Vykg?usp=sharing

  

人体姿勢推定

• MediaPipe BlazePose ３次元姿勢推定プログラムによる実験・研究スキルの基礎

  【概要説明】 [PDF], [パワーポイント]

  【概要】MediaPipe BlazePoseを用いた静止画像からの3次元姿勢推定プログラムである。Google Colab環境で動作し、人体の33個のキーポイントを検出する。検出信頼度とモデル複雑度をスライダーで調整でき、2次元および3次元で可視化される。パラメータ調整が検出結果に与える影響を観察できる。

  Colab のページ（ソースコードと説明）: https://colab.research.google.com/drive/13nOMSW0Dzx_LjN9XEG99jtvgMACl4m9V?usp=sharing

  
  
• MediaPipe による 3次元人体姿勢推定 Colab プログラムによる実験・研究スキルの基礎

  【概要】MediaPipe Poseライブラリを使用して静止画像から人体の33箇所の関節を3次元座標で自動検出し、姿勢を分析するプログラムである。プログラムの利用方法、技術的背景、実験・研究スキルの基礎について解説する。

  Colabのページ（ソースコードと説明）: https://colab.research.google.com/drive/1mLABILHrBPlMkaEY-ZR8j5cDcHsSyVo5?usp=sharing

  
• YOLO11 による2次元人体姿勢推定 Colab プログラムによる実験・研究スキルの基礎

  【概要】YOLO11-poseモデルを用いて画像から人体の17個のキーポイントを検出する姿勢推定プログラムである。Google Colaboratory上で動作し、公式サンプル画像での自動デモとユーザがアップロードした画像の処理が可能である。検出結果は座標、信頼度とともに視覚化され、スポーツ分析、フィットネス、医療分野での姿勢評価等に活用できる。

  Colabのページ（ソースコードと説明）: https://colab.research.google.com/drive/11JLs4DFQ85-Ce0BENQo-RU7tTDnkfu8d?usp=sharin

  

視線推定，注視点推定

• Gaze-LLE 注視点推定 Colab プログラムによる実験・研究スキルの基礎

  【概要】画像内の人物の視線方向を自動検出し、注視点をヒートマップと矢印で可視化するプログラムである。Gaze-LLEモデルとDINOv2エンコーダを用いて、複数人物の視線を高精度に推定し、フレーム内スコアによる信頼性評価と統合可視化機能を提供する。

  Colabのページ（ソースコードと説明）: https://colab.research.google.com/drive/1pOd8ZHB9sP2Ld8v1Ce10qpbPBAYmlIMa?usp=sharing

  

ナンバープレート認識

• 日本語・英語ナンバープレート検出・認識（YOLO, EasyOCR を使用） Colab プログラムによる実験・研究スキルの基礎

  Colab のページ（ソースコードと説明）: https://colab.research.google.com/drive/1e7bUBWUkv7nK4xH9r7_3q2fTDs4MvFK7?usp=sharing

  
• OpenALPR 英語ナンバープレート検出・認識 Colab プログラムによる実験・研究スキルの基礎

  Colabのページ（ソースコードと説明）: https://colab.research.google.com/drive/1ETW9seqqInEhK5k9_BdoEaLozluHncro?usp=sharing

  

マルチモーダル

• GroundingDINOによる検出システム

  【概要】GroundingDINOを用いた物体検出システムの利用ガイドと技術解説。建築異常、道路インフラ、医療・安全設備など6つの専門分野に特化した検出モードを提供し、Google Colab上で画像から対象物を自動検出する。テキストプロンプトによるゼロショット物体検出により、事前学習なしで任意の物体を検出可能。

  【概要説明】 [PDF], [パワーポイント]

  Colabのページ（ソースコードと説明）: https://colab.research.google.com/drive/1ANPMe_8lkV5V-sa6fe7miJHDO546Uzlf?usp=sharing

  

人工知能 + コンピュータビジョン（カメラ用）

• YOLOv10カメラ物体検出実験プログラム（インタラクティブなパラメータ調整機能付き）による実験・研究スキルの基礎

  【概要】カメラを使用。Google Colabで動く物体検出AI（YOLOv10）。人・車・動物など80種類を検出。画像をアップロード後、スライダーで信頼度閾値とIOU閾値を調整、リアルタイムで検出結果を確認。誤検出と見逃しのトレードオフを理解。

  Colab のページ（ソースコードと説明）: https://colab.research.google.com/drive/1d72VqaauEbMIIRTv45nnPF6FAtlX_HA0?usp=sharing

画像処理トピックス

• ガウシアンフィルタによる実験・研究スキルの基礎

  【概要】Google Colab上でガウシアンフィルタのパラメータ（カーネルサイズとシグマ）をスライダーで調整し、元画像とフィルタ適用後の画像を表示する。ガウシアンフィルタの動作原理やパラメータを学ぶ教育目的に有用。リアルタイムで結果が更新され、パラメータの影響を直感的に理解できる。

  Colab のページ（ソースコードと説明）: https://colab.research.google.com/drive/1IXvZt3wXc6OWsIIjn-bg2Cv1MDPc0iAI?usp=sharing

  

３次元トピックス

• 3次元データクラスタリング、3次元ベクトル場アニメーション表示プログラムによる実験・研究スキルの基礎

  Colab のページ（ソースコードと説明）: https://colab.research.google.com/drive/1gPoWZXBRn1CLuA0Ybc3e0BgBeDTZKGiZ?usp=sharing

  

データサイエンストピックス

• 主要4カ国のGDP成長率分析（2000-2019）（折れ線グラフと基本的な統計量）

  Colab のページ（ソースコードと説明）: https://colab.research.google.com/drive/1A6cyqXWP0BijDNffNbM7XtL7sw7FGY3a?usp=sharing

  
• 表形式データの処理と分析：DataFrame操作、欠損値処理、統計量算出、可視化

  Colab のページ（ソースコードと説明）: https://colab.research.google.com/drive/1gafrOx5HrepqtUbspUIFKeD_obE6of1u?usp=sharing

  
  
  
  
  
• Iris データセットの探索的データ分析

  Colab のページ（ソースコードと説明）: https://colab.research.google.com/drive/1Dqsy_3jsz_yoCW35t9cN-h7f6Eu_PwFM?usp=sharing

  
  
  
• 日本の県庁所在地の気象データ30日間予測

  Colab のページ（ソースコードと説明）: https://colab.research.google.com/drive/18EjIgCeAoM-UTLkjwKrBncP4KAjPjuwQ?usp=sharing

  
• Apple Inc. (NASDAQ:AAPL) の一日後の予測と検証

  本プログラムは AI による将来予測を学ぶためのものです。実際の将来予測に使用することはリスクが高く推奨できません。

  Colab のページ（ソースコードと説明）: https://colab.research.google.com/drive/1cQqBvawPcU8YTnXh4R7NRUcAnI4i4X6f?usp=sharing

  
  

Google アカウントとGoogle Colaboratory

1. Google アカウントについて

Google アカウントは、Googleが提供する各種サービスを利用するために必要なアカウントである。Gmail、Google Drive、Google Colaboratoryなどのサービスを使用できる。

2. Google アカウントの入手手順

Google アカウントを持っていない場合は、以下の手順でアカウントを作成する。

1. Webブラウザで https://accounts.google.com にアクセスする
2. 「アカウントを作成」をクリックする
3. 画面の指示に従い、氏名、ユーザー名、パスワードなどの必要な情報を入力する
4. 本人確認のため、電話番号の入力を求められる場合がある
5. 利用規約とプライバシーポリシーを確認し、「同意する」をクリックする
6. アカウント作成が完了する

注意事項：

• 大学が提供するGoogleアカウント（大学のメールアドレス）がある場合は、それを使用する
• パスワードは他人に推測されにくいものを設定する

3. Google Colaboratoryについて

Google Colaboratory（通称：Google Colab）は、Googleが提供するクラウド上でPythonプログラムを実行できるサービスである。Webブラウザ上でプログラムを記述し、実行できる。

Google Colaboratoryの特徴：

• 自分のパソコンにPythonをインストールする必要がない
• 無料で利用できる（一部制限あり）
• Googleのサーバー上でプログラムが実行される
• 作成したノートブック（プログラムファイル）はGoogle Driveに保存される

4. Google アカウントの有無による違い

Google アカウントがない場合：

• Google Colaboratoryのページを閲覧することのみ可能である
• プログラムを編集または実行することはできない

Google アカウントがある場合：

• プログラムを編集できる（コードの追加、修正、削除）
• プログラムを実行できる（結果を確認できる）
• 自分のノートブックを作成し、Google Driveに保存できる
• 他の人とノートブックを共有できる

5. Google Colaboratoryの利用開始方法

Google アカウントを取得した後、以下の手順でGoogle Colaboratoryの利用を開始する。

1. Webブラウザで https://colab.research.google.com にアクセスする
2. Googleアカウントでログインする
3. 新しいノートブックを作成する、または既存のノートブックを開く
4. プログラムを記述し、実行する

初回利用時の注意：

• 初回アクセス時に、Google Driveへのアクセス許可を求められる場合がある
• 「許可」をクリックし、Google ColaboratoryがGoogle Driveにアクセスできるようにする
• これにより、作成したノートブックが自動的にGoogle Driveに保存される