到達目標
(1) 畳み込みニューラルネットワークを利用した画像認識 AI を開発できる。
(2) 画像認識 AI をロボットやハードウェアの制御に使用できる。
(3) AI やロボティクスに関する新しいプロジェクトを提案できる。
ルーブリック
| 理想的な到達レベルの目安 | 標準的な到達レベルの目安 | 未到達レベルの目安 |
| 評価項目1 | CNNを使った高性能な画像認識AIを実装でき，その方法を説明できる。
| CNNを使った画像認識AIを実装できる。
| CNNを使った画像認識AIを実装できない。 |
| 評価項目2 | 画像認識AIを利用した自動運転アルゴリズムをロボットに実装し、その方法を説明できる。 | 画像認識AIを利用した自動運転アルゴリズムをロボットに実装できる。 | 画像認識AIを利用した自動運転アルゴリズムをロボットに実装できない。 |
| 評価項目3 | AI やロボティクスに関する新しいプロジェクトを考案し，その具体的な計画や方法を提案できる。
| AI やロボティクスに関する新しいプロジェクトを考案できる。
| AI やロボティクスに関する新しいプロジェクトを考案できない。 |
学科の到達目標項目との関係
学習・教育到達度目標 ２（コンピュータ・プログラミング）
説明
閉じる
学習・教育到達度目標 ４
説明
閉じる
教育方法等
概要:
画像認識AIとロボティクスの入門講座である。はじめにディープラーニング技術を用いた画像認識 AI の基礎を扱います。Pythonを用いてディープニューラルネットワークモデルを構築し，データセットを用いてモデルを学習し，評価する方法を学ぶ。次に画像認識AIのロボティクスへの応用について学ぶ。画像認識AIを用いて小型ロボットの自律走行を実装することで，ロボットを制御するための画像認識 AI の利用方法を学ぶ。
授業の進め方・方法:
この授業はNCKU(国立成功大学、台湾)とNITKC(香川高専、日本)の合同授業です。 NCKU と NITKCの学生が少人数のチームを組み，講義，演習，課題を通じてAI とロボティクスに関する基礎技術の習得を目指します。 講義は英語で行われます。
注意点:
この授業の受講要件は以下の通りです。
(1) Numpy、Matplotlib、Google Colab などの一般的な Pythonパッケージやツールを使用して基本的な Pythonプログラミングを作成した経験があること。
(2) NCKU(国立成功大学、台湾) の学生と協力しながら課題に取り組む意欲があること。
授業の属性・履修上の区分
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
| 前期 |
| 1stQ |
| 1週 |
ガイダンス |
この講義の目的や進め方を理解する。
|
| 2週 |
人工知能概論 |
人工知能の歴史と現状について概要を理解する。
|
| 3週 |
Pythonプログラミングの基礎 |
Pythonパッケージを適切に利用して目的のプログラムを作成できる。
|
| 4週 |
DLフレームワークPyTorch入門 |
PyTorchを使って簡単なデータ作成，数値計算ができる。
|
| 5週 |
PyTorchを使ったシンプルなニューラルネットワーク（多層パーセプトロン）の構築 |
シンプルなニューラルネットワークを構築しIris Datasetを高精度に分類できる。
|
| 6週 |
畳み込みニューラルネットワークを使った画像分類モデルの構築 |
畳み込みニューラルネットワークを構築しCIFAR10などの画像データ高精度に分類できる。
|
| 7週 |
畳み込みニューラルネットワークの学習テクニック |
データの水増し，データの標準化，ドロップアウトなどの技術を畳み込みニューラルネットワークの学習に利用できる。
|
| 8週 |
畳み込みニューラルネットワークの学習テクニック |
転移学習を用いて畳み込みニューラルネットワークを学習させることができる。
|
| 2ndQ |
| 9週 |
画像分類コンペティション開始 |
チームメイトと協力して画像分類コンペティションに取り組むことができる。
|
| 10週 |
JetBot入門 |
JetBotをセットアップできる。
|
| 11週 |
分類モデルを使った衝突回避自律走行タスク |
JetBotが障害物を回避しながら自律走行できるよう画像分類モデルを実装できる。
|
| 12週 |
物体検出モデル，画像分類コンペティション終了，結果発表 |
画像分類モデルと物体検出モデルの違いを説明できる。
|
| 13週 |
テクニカルチームプレゼンテーション |
画像分類コンペティションへの取り組みを英語で発表できる。
|
| 14週 |
JetBot経路追従自律走行 |
画像分類モデルを使用して JetBot に経路追従自律走行機能を実装できる。
|
| 15週 |
JetBot自律走行レースコンペティション |
自律走行機能を実装したJetBotでレースに参加する
|
| 16週 |
テクニカルチームプレゼンテーション |
JetBot自律走行コンペティションへの取り組みを英語で発表できる。
|
| 後期 |
| 3rdQ |
| 1週 |
最終プロジェクト |
最終プロジェクトにチームで取り組む。
|
| 2週 |
最終プロジェクト |
最終プロジェクトについて英語で発表できる。
|
| 3週 |
|
|
| 4週 |
|
|
| 5週 |
|
|
| 6週 |
|
|
| 7週 |
|
|
| 8週 |
|
|
| 4thQ |
| 9週 |
|
|
| 10週 |
|
|
| 11週 |
|
|
| 12週 |
|
|
| 13週 |
|
|
| 14週 |
|
|
| 15週 |
|
|
| 16週 |
|
|
モデルコアカリキュラムの学習内容と到達目標
| 分類 | 分野 | 学習内容 | 学習内容の到達目標 | 到達レベル | 授業週 |
評価割合
| 試験 | コンペ成績 | レポート | 発表 | 最終課題 | その他 | 合計 |
| 総合評価割合 | 0 | 20 | 40 | 20 | 20 | 0 | 100 |
| 基礎的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 専門的能力 | 0 | 20 | 40 | 20 | 20 | 0 | 100 |
| 分野横断的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |