Welcome to Mashykom WebSite


以下の web site は人工知能を基礎から学習したいと思う人たち向けの学習素材を提供します。入門編から中級レベルまでになっています。
なお、プログラミングに必要な言語(Python, C++, Javascript,など)の説明も付けました。
各ページで使用されるコードは GitHub repository 及びGoogle Colaboratoryにアップされています。
github repository へアクセスするためには、GitHub のアカウントが必要です。
また、Googleのアカウントを登録しておけば、Python 環境が用意された Colaboratory で GPU を用いた機械学習が無料で実行できます。





Introduction to AI & Deep Learning

  1. Deep Learning入門
  2. Deep Learning の代表的モデル
  3. Deep Learning における最適化手法
  4. PyTorch 入門
  5. TensorFlow 入門
  6. Scikit-learn 入門
  7. OpenCV 入門
  8. Ubuntu 20.04LTS での Python 環境構築
  9. 機械学習の Python API とGoogle Colabの活用

  10.  最初に、人工知能(AI)の理論的基礎をなすニューラルネットワークの理論、特に、多層パーセプトロン・モデルを初心者向けに説明します。多層パーセプトロンを拡張した畳み込みニューラルネットワーク(CNN)および、ディープニューラルネットワーク(DNN)の有用性を説明します。Deep Learning で必須の偏微分計算における逆伝播法と勾配法についても簡単に説明します。その後、CNN モデルをコンピュータに実装するための Python API を説明します。最初に、近年広範囲な利用が進む PyTorch の使用法について入門的な説明をします。さらに、OpenCV, Scikit-Learn、および、機械学習の各種ライブラリを紹介します。また、Google Colabの無料GPUサービスの活用法についても簡単に説明します。

    neuron.jpeg


AIの実例1:Deep Learning for Computer Vision

  1. TensorFlow を用いた画像分類の実例
  2. TensorFlow を用いた物体検出の実例
  3. Pytorch で画像分類と転移学習
  4. Pytorch を用いた物体検出の実例
  5. Pytorch を用いたYOLOモデルの学習
  6. Caffe2 と Detectron2 を用いた機械学習
  7. DCGAN 、 CycleGAN & StyleGAN の Python 実装
  8. Deep Learningによる Anomaly Detection
  9. Deep Dream と Style Transfer の Python 実装
  10. Intel Movidius を用いた物体検出の実例

  11.  Python APIを用いて、人工知能の骨格である機械学習の基本的モデルとなっている畳み込みニューラルネットワーク(CNN)および、ディープニューラルネットワーク(DNN)を実装します。Deep Learning を実装するために活用される主要な Python API である、Scikit-Learn 、 TensorFlow 、 Pytorch 、Caffe2、Detectron2 などのインストール方法や基本的な使用方法を説明します。また、敵対的生成ネットワーク (GAN, Generative Adversarial Networks) の改良版の DCGAN 、CycleGAN 、 Style Transfer などのモデルを Python で実装して、活用する方法を説明します。

    ssd_1.jpg YOLO_3.jpg


AIの実例2:Deep Learning for Natural Language Processing

  1. MeCab+Gensim+fastText による日本語処理
  2. spaCy と GiNZA を用いた日本語処理
  3. BERT(Pytorch_transformers)を用いた日本語処理
  4. MeCab+NLTK による自然言語処理
  5. Chatbots and AI Assistants
  6. RNNやLSTM を用いた時系列データの予測

  7.  Deep Learning を用いた自然言語処理に必要な構文解析問題やテキスト分類問題を説明して、それらの解決のために必要なPython ライブラリの実装について説明します。日本語処理に必須の MeCab の説明から始めます。その後、Gensim や FastText を活用した日本語処理の方法を説明します。一般的なPython API ライブラリとして、GiNZA + SpaCY およびBERT(Pytorch_transformers)を用いたNLP、テキストマイニングや単語推論なども取り上げます。そして、NLTK を用いた言語処理についても説明します。RNN 、 LSTM を用いた時系列データの予測問題も取り上げます。また、会話ロボットのchatbotsの仕組みについても説明して、chatbotsの構築方法を取り上げます。

    RNN_mojule.png


Programming Language for Computer

  1. Python Tutorials - Basics
  2. Python Tutorials - Applications
  3. Ubuntu 20.04LTS での Python 環境構築
  4. NetworkX 2.x で Social Network の作成
  5. C++言語のTutorials
  6. Make と Cmake を用いたC++ソースのビルド
  7. JavaScriptを用いたWebデザイン
  8. jQueryを用いたWebデザイン

  9.  オブジェクト指向言語の代表である Python のインストール方法、および、基本的な文法と使用法を説明します。Jupyter Notebook を使用したソースコードの実行、Matplotlib の使用方法、経済モデルのシミュレーションなどを紹介します。さらに、NetworkX を用いた社会的経済的ネットワークの作成・分析についても解説します。プログラミング言語の筆頭であるC/C++言語の簡単なチュートリアルのページを配置しました。Web 作成に必須のHTMLとCSSの書き方の基本と、JavaScript ファイルの活用方法の初歩を説明します。続いて、jQuery の説明をして、CodePenを利用します。


    Matplot_Path_patch_demo



Computer graphics

  1. OpenGL を用いて 3D CG を作成する
  2. WebGL を用いて Web 上に3D CGを表示する
  3. Three.js を使用して Web に 3D CG を表示する
  4. Blender で 3D アニメーション CG を作成する

  5.  WebGLとは、Webブラウザ上(ホームページ上)で、三次元のCGをリアルタイムに表示して動かせるオープンソースのグラフィックAPIです。OpenGLから派生したOpenGL ESの3D APIをWebブラウザに移植したものです。WebGLを用いて3DCGを作成することを試みます。JavaScrict ライブラリのThree.js を使用して Web に 3D CG を表示してみます。3DCGアニメーションを作成するための統合環境アプリケーションで、オープンソースのフリーウェアのBlender の活用についても説明します。

    上側の描画は、WebGLで描いた3D CG の例です。下側は、Blender で 3D アニメーション CG の例です。

WebGL Demo
Sintel.png


Raspberry Pi & IoT

  1. Raspbian OS のインストール
  2. Raspberry Pi で 機械学習
  3. Coral USB accelerator + RasPi で edge computing
  4. Raspberry Pi で IoT: 画像処理
  5. Movidius NCS + RasPiでライブ映像から物体検出
  6. Raspberry Pi で IoT: 電子工作

  7.  Raspberry Pi をIoT 向けの computer Board として利用した deep learning や computer vision の処理を試みます。Raspberry Pi に Web カメラ、または、PiCameraを接続して、ライブ映像からの物体検出をリモートPCを介して実行します。さらに、Raspberry Pi に Google Coral TPU Accelerator や Intel Movidius NCS をUSB 接続して、ライブ映像から物体検出を行います。

    raspi.png



Introduction to Robotics

  1. RaspberryPi への Ubuntu Mate のインストール
  2. ROS(Robot Operating System) を用いたロボットの操作
  3. Raspberry Pi Mouse ロボットの操作の実際

  4.  RaspberryPiへUbuntu Mateをインストールして、ROS(Robot Operating System)の活用法を説明します。Raspberry Pi RT/Robot を実際に使って、PCやスマホからリモートコントロールして、ロボットの操作を実行します。

    pimouse.JPG



Deep Learning for Mobile Devices

  1. Tensorflow Lite を用いて IoT 機器で機械学習
  2. iOS モバイル機器に Core ML アプリを実装
  3. Xcode と Swift 入門
  4. Metal で computer graphics を作成

  5.  Tensflow Lite を活用したIoT機器への機械学習アプリのインストール方法を説明します。コンピュータビジョンの機械学習機能を容易にAppに組み込むことができます。また、iOS機器に物体検出のDeep Learning を組み込むために、XcodeやSwiftの初歩的な解説を行います。フェイストラッキング、顔検出、ランドマーク、テキスト検出、矩形検出、バーコード検出、オブジェクトトラッキング、画像レジストレーションなどの機能に対応しています

    classifications.png

ご質問、コメントなどは こちらからメール送信して下さい。


右側の画像は Google Deep Dream Generator を用いて描画しています。原画は左側にある画像です。関連するページはNeural Style Transferです。

enoshima_3.jpg

江ノ島に落ちる夕日:腰越海岸から

example_3

AIでゴッホ風に画像編集した江ノ島に落ちる夕日

minato_miraiの画面

コンチネンタルホテルとコスモクロック21

example_2

AIで画像編集したみなとみらい

pictures/nobeyama1.jpg

野辺山:遠くに八ヶ岳を望む

example_1

AIで画像編集した野辺山

shishiiwa

平沢峠:獅子岩

example_4

AIで画像編集した獅子岩

aka.jpeg

八ヶ岳連峰の赤岳

example_5

AIで画像編集した八ヶ岳連峰

akai_hashiの画面

八ヶ岳高原ラインの赤い橋:東沢渓谷

example_6

AIで画像編集した赤い橋


このページのトップに戻る

The Top Page of Mashykom World
Last updated 2021.5.3(first version uploaded in 2010.1.18 on MGU website)