概要:
画像認識AIとロボティクスの入門講座です。コースの最初の部分では、ディープ ラーニングにおける画像認識 AI の基礎を扱います。学生は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、トレーニング、評価する方法を学びます。第2部では、画像認識AIのロボティクスへの実装について取り上げます。小型ロボットJetBotを用いて実習することで、実際にロボットを制御するために画像認識 AI を使用する方法を学びます。
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、AI とロボティクスに関するいくつかの課題に取り組みます。 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。
|
|
週 |
授業内容 |
週ごとの到達目標 |
| 前期 |
| 1stQ |
| 1週 |
概要説明 |
この講義の目的について説明できる。
|
| 2週 |
概要説明 |
人工知能の歴史と現状について概要を理解する。D2:1,3
|
| 3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D2:1,3
|
| 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D2:1,3
|
| 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。D2:1,3
|
| 6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。D2:1,3
|
| 7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。D2:1,3
|
| 8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。D2:1,3
|
| 2ndQ |
| 9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。D2:1,3
|
| 10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。D2:1,3
|
| 11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。
|
| 12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。
|
| 13週 |
画像分類モデルの転移学習 |
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。D2:1,3
|
| 14週 |
画像分類モデルの転移学習 |
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。D2:1,3
|
| 15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。D2:1,3
|
| 16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。D2:1,3
|
| 後期 |
| 3rdQ |
| 1週 |
JetBot入門 |
JetBotをセットアップできる。
|
| 2週 |
JetBot入門 |
JetBotをセットアップできる。
|
| 3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。D2:1,3
|
| 4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。D2:1,3
|
| 5週 |
JetBot経路追従自律走行 1 |
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。D2:1,3
|
| 6週 |
JetBot経路追従自律走行 1 |
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。D2:1,3
|
| 7週 |
JetBot経路追従自律走行 2 |
回帰モデルを使用して JetBot に経路追従自律走行機能を実装できる。D2:1,3
|
| 8週 |
JetBot経路追従自律走行 2 |
回帰モデルを使用して JetBot に経路追従自律走行機能を実装できる。D2:1,3
|
| 4thQ |
| 9週 |
JetBot自律走行レースコンペティション，ラウンド1 |
CNN以外の深層学習モデルについて理解する。D2:1,3
|
| 10週 |
JetBot自律走行レースコンペティション，ラウンド1 |
CNN以外の深層学習モデルについて理解する。D2:1,3
|
| 11週 |
JetBot自律走行レースコンペティション，ラウンド1 |
チームメイトと協力してJetBot自律走行レースコンペティションに取り組むことができる
|
| 12週 |
JetBot自律走行レースコンペティション，ラウンド２ |
チームメイトと協力してJetBot自律走行レースコンペティションに取り組むことができる
|
| 13週 |
JetBot自律走行レースコンペティション，ラウンド２ |
チームメイトと協力してJetBot自律走行レースコンペティションに取り組むことができる
|
| 14週 |
JetBot自律走行レースコンペティション，ラウンド２ |
チームメイトと協力してJetBot自律走行レースコンペティションに取り組むことができる
|
| 15週 |
最終プレゼンテーション |
AIやロボティクス技術を活用した新たな研究開発プロジェクトの提案ができる。D2:1,3
|
| 16週 |
最終プレゼンテーション |
AIやロボティクス技術を活用した新たな研究開発プロジェクトの提案ができる。D2:1,3
|