AI×IoT・画像認識パック

画像認識は深層学習が非常に得意としており、既に人間の正確性(精度)を越している例も存在します。
このパッケージでは、画像認識で頻繁に扱われる手法であるCNN(畳み込みニューラルネットワーク)を学ぶことにより、
男女の画像から性別を判断するなど、画像を扱った深層学習モデルの作成や、IoTデバイス(Raspberry Pi)への実装を目指します。

パッケージ内容

  
・はじめてのAI
  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。

  

・機械学習概論
  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。


・Python入門

  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。

・統計学基礎
  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。

ライブラリ「NumPy」基礎(数値計算)
  「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。

・ライブラリ「Pandas」基礎(表計算)

  「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。

・ライブラリ「Matplotlib」基礎(可視化)
  「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。

・ソラコム流、ラズパイで始めるIoT
  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。

 
・機械学習におけるデータ前処理

  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(回帰)
  「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)
  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
  「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。

・ディープラーニング基礎
  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
  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。

・スクレイピング入門
  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。

・CNNを用いた画像認識
  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。

・IoTデバイスへの機械学習モデルのデプロイ
  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。

パッケージ内容

・はじめてのAI

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。

・機械学習概論

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。

・Python入門

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。

・統計学基礎

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。

・ライブラリ「NumPy」基礎(数値計算)

「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。

・ライブラリ「Pandas」基礎(表計算)

「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。

・ライブラリ「Matplotlib」基礎(可視化)

「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。

・ソラコム流、ラズパイで始めるIoT

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。

・機械学習におけるデータ前処理

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(回帰)

 「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)

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

 「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。

・ディープラーニング基礎

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

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。

・スクレイピング入門

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。

・CNNを用いた画像認識

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。

・IoTデバイスへの機械学習モデルのデプロイ

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。

 

AI×IoT・画像認識パック お申し込みフォーム

※学生対象プランをご希望の方はこちらからお申し込みください。

※本日より5日後以降の日にちをご指定ください。