AI×IoT・画像認識パック

Grow with Googleの「はじめてのAI」講座では、AI に関わる基本知識だけでなく、事例や具体的に AI がどのような仕組みで動いているかも紹介します。AI の基礎を理解し、AI をどう活用できるかのヒントが つかめるように、本講座で学びます。※こちらの講座はGrow with Googleの講座です。Grow with Google のコンテンツは、すべて Google により無料で公開されているものです。

学習の流れやデータの使い方、精度評価の方法などを学べる機械学習の入門講座です。

機械学習で最も使われるプログラミング言語「Python」の基礎を学びます。文字の出力、変数の概要、条件分岐、ループなど、「Python」の基本的な使い方をマスターしましょう。

データ分析の基礎となる統計学を学べる初学者向けの講座。変数とグラフから相関係数までを取り扱います。

「Python」のベクトルや行列計算を高速に行うためのライブラリ「NumPy（ナンパイ）」の基礎を学びます。「NumPy」を用いることで、効率的な科学技術計算が可能になり、機械学習分野に必須のライブラリです。

「Python」のデータ分析用ライブラリ「Pandas（パンダス）」の基礎を学びます。「Pandas」を用いることで数表や時系列データの計算が楽になり、定量データ解析には必須のライブラリです。

「Matplotlib」というライブラリを用いてデータを可視化する方法を学びます。折れ線グラフ、円グラフ、ヒストグラム等の作成から、3Dグラフを作成する方法まで学びます。

AIの優劣を左右するのは「データの質」。よりよいデータ分析に役立つ活きたデータを、IoT（Internet of Things）で収集してみましょう。本コースでは「ラズパイ」の略称で知られる小型パソコン「Raspberry Pi」と「モバイル通信」を組み合わせ、どこからでもリアルタイムのデータ収集ができるデバイスを作ります。IoTを始めるのに、特別な技術は要りません。※ Raspberry Pi、Raspberry Piアダプター、Sense HAT、SDカード、その他周辺機器のご用意をいただくことでより実践的な学習が可能です。ご用意いただかなくてもご受講は可能です。

Pythonで機械学習を行う際に必要となる様々な前処理を学びます。CSVやExcel、DBからのデータの取得、欠損値への対応方法など、実務で必須となる前処理をスマートに実装するためのライブラリについてコード例を確認しながら習得します。

 「教師あり学習」とは、正解ラベル付きのデータセットを使って、機械学習モデルを作る手法です。その中でも、今回は数値予測を行うための「回帰」モデルの扱い方について学びます。

教師あり学習（分類）では、画像や文章などをカテゴリ分けする 「分類」モデルの手法の紹介やハイパーパラメーターのチューニングなどについて学びます。

 「教師なし学習」とは、正解ラベルが付いていないデータセットを使い、機械学習モデルを作る手法です。今回は、クラスタリングや主成分分析といったアルゴリズムの手法について学びます。

深層学習（ディープラーニング）のアルゴリズムの詳細と実装の基礎を学びます。今回はディープラーニングのなかで最も基礎的なアルゴリズムであるDNN（ディープニューラルネットワーク）を用いて手書き文字認識に挑戦します。

データクレンジングとは、機械学習モデルにデータを読み込ませるために、データの欠損値や画像の前処置を行う手法です。CSVデータの扱い方や欠損値の処理、OpenCVを用いた画像加工の方法などを学習します。

webページから必要な情報を自動で抜き出す作業を、スクレイピングと言います。このコンテンツでは主にBeautifulSoupを用いたスクレイピングの手法を紹介します。

深層学習（ディープラーニング）のアルゴリズムのなかで、主に画像認識で用いられ活用の幅が広いCNN（Convolutional Neural Network）の実装の基礎を学びます。今回はCNNを用いて手書き文字認識や一般物体認識に挑戦し、精度向上のテクニックや転移学習の実装に関して触れます。

Microsoft Azureを用いて、IoT Edge デバイス(Raspberry Pi)に機械学習モデルをデプロイする方法を学習し、IoT Edge デバイスで 処理した情報をIoT Hub(クラウド)に送ります。※azureアカウント、Raspberry Pi、周辺機器のご用意をいただくことでより実践的な学習が可能です。ご用意いただかなくてもご受講は可能です。