di-1. 画像分類
•Download as PPTX, PDF•
0 likes•60 views
YouTube の URL https://youtu.be/pBJy3TjSxh8 -------------------- 人工知能応用: https://www.kkaneko.jp/cc/aa/index.html -------------------- 金子邦彦研究室ホームページ: https://www.kkaneko.jp/index.html -------------------- 画像分類 人工知能でできることとして，画像分類について説明します． 画像分類は，画像に対して，ラベルとその確率を得ることです． ラベルというのは，画像分類した結果の，画像の種類を表すキーワードのことです． このラベルと確率を精度よく自動で求めるために，人工知能を使うことができます． 画像分類の例 画像に対して，いくつかのラベル， それぞれのラベルに対しての確率が得られています． 例えば，この結果を見ると，この画像，ラベルが lab_coat である確率が，約 0.98 のように結果が得られています． このように，１枚の画像に対して，複数のラベルとそれぞれの確率を得ること． それが画像分類です． 画像分類は，画像を扱う他の人工知能，例えば，物体検出などの基礎になっています． 画像分類の説明は以上です． 視聴ありがとうございました．
Report
Share
Report
Share
Recommended
cs-8. 表計算ソフトウエアを用いたデータの扱い
【トピックス】
Office 365 と Excel, 散布図での色分け，クラスタ分析, Excel のルックアップ, 絶対参照, 相対参照
【概要】
Excelを用いたデータ分析の手法は種々ある。
まず、クラスタ分析は、市場セグメンテーション、顧客分析、製品分析に役立つものである。
色付き散布図は、視覚的なデータ分析に役立つ。
また、Excelのルックアップ機能は、大量のデータから必要な情報を効率よく取り出すことができる。
Excelの活用では、絶対参照と相対参照の理解が大切である。
これらの参照方法は、Excel作業の効率化だけでなく、精度向上にも寄与する。
【関連するページ等】
・コンピューターサイエンス（全１５回）
https://www.kkaneko.jp/cc/cs/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/vUJKLwNQn44
【関係する外部ページ】
・Microsoft 365
https://portal.office.com
cs-7. 乱数，シミュレーション
【トピックス】
Office 365 と Excel, 乱数, Excelの乱数の機能, 乱数とシミュレーション, 円周率を求める, 到着間隔を分析する
【概要】
乱数は予測不可能な数である。
ゲームやシミュレーションでは乱数が重要な役割を果たし、現実世界のランダム性を模倣する。
乱数の分布には一様分布や正規分布などがあり、それぞれに適した用途がある。
コンピュータは「シード」と呼ばれる初期値を元に乱数を生成し、シードを変更することで乱数のパターンを変えることができる。
Excelでは乱数を生成する機能があり、モンテカルロシミュレーションや待ち行列シミュレーションなど、多様なシミュレーションに活用できる。
【関連するページ等】
・コンピューターサイエンス（全１５回）
https://www.kkaneko.jp/cc/cs/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/22MbFeFAYNE
【関係する外部ページ】
・Microsoft 365
https://portal.office.com
cs-6. データベースとデータサイエンス
【トピックス】
データベースとデータサイエンス, 表計算ソフトウエア, Office 365 と Excel, Excel の基本, 散布図, 合計, 平均, 分布, 密度
【概要】
データベースは、特定の主題のデータを整理・保存・管理するためのデータの集合体である。
データベースは、日常生活の情報管理にも役に立っており、
オンラインコミュニケーション、リアルタイムのサービス提供、AIの学習・予測、サイバーフィジカルシステムの実現など、
様々な分野で利用される。
データサイエンスは、データから有益な情報を抽出し、予測・判断を行うためのもので、AIや情報処理と関連している。
Excelを使用すると、パソコン上でデータサイエンスを実行することが可能で、データの集計、平均の算出、散布図やヒストグラムの作成など、
データから有益な情報を引き出すためのツールとして活用できる。
データベースとデータサイエンスを理解し、知識とスキルを習得することは、将来的に大きな利点につながる。
【関連するページ等】
・コンピューターサイエンス（全１５回）
https://www.kkaneko.jp/cc/cs/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/hafgkLQ2fzs
【関係する外部ページ】
・Microsoft 365
https://portal.office.com
総務省が公開しているデータを使用．
年次 出生数 死亡数
1985 1432 752
1990 1222 820
1995 1187 922
2000 1191 962
2005 1063 1084
2010 1071 1197
cs-5. 人工知能の概要
【トピックス】
人工知能とは, 人工知能でできること, 人工知能の種類, 人工知能による合成, 人工知能の現状, 人工知能の歴史, 人工知能による社会の変化
【概要】
人工知能(AI)はコンピュータに知的能力を持たせる技術である。
思考、判断、学習等を可能にし、人間の業務を補助、代行する。
AIは自然言語処理、認識や推論、音声認識等の応用があり、膨大なデータを迅速に処理し、ミスを減らし、新たな価値を創出する。
AIは知的なITシステムと機械学習の二つの大きな分類があり、各々が異なる特性と利点を持つ。
敵対的生成ネットワーク（GAN）のような技術は、リアルな合成画像を生成する一方、倫理的な問題も生じる可能性がある。
AIの活用は注意を要し、誤った結果を出す可能性や偏りを持つことなどを認識する必要がある。
AI技術は急速に進歩し、仕事の在り方や社会の構造、クリエイティブな活動に大きな影響を与える。
【関連するページ等】
・コンピューターサイエンス（全１５回）
https://www.kkaneko.jp/cc/cs/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/76Xa2ZGqpy0
【関係する外部ページ】
人工知能による合成
・ Google によるオンラインデモ: https://cloud.google.com/vision
・ 顔の合成: https://www.whichfaceisreal.com
・ OpenAI での写真の合成，イラストの合成: https://openai.com/blog/dall-e/
・ 顔の表情など：https://cloud.google.com/vision/docs/drag-and-drop
・ どちらが実在で，どちらがフェイクの顔か： https://www.whichfaceisreal.com/
・ イラストの合成 (Waifu Labs): https://waifulabs.com/">
創作、グラフィックス
・ AutoDraw: https://www.autodraw.com/
・ magenta.tensorflow.org の AutoEncoder のデモ: https://magenta.tensorflow.org/sketch-rnn-demo
・ affinelayer.com の Edges2cats のデモ: https://affinelayer.com/pixsrv/index.html
翻訳
・ DeepL: https://www.deepl.com/translator
ニューラルネットワークの仕組み
・ playhground.tensorflow.org: https://playground.tensorflow.org
cs-4. プログラミング入門
【トピックス】
プログラミング, Python Tutor での Python プログラム実行, プログラムによる問題解決, 計算誤差, さまざまなプログラミング言語
【概要】
プログラミングは、プログラムを設計し作成する活動で、
コンピュータに指示を出し、所定の作業を遂行するものであり、
アイデアを形にする創造的なプロセスです。
また、複雑な作業を自動化し、効率化することが可能です。
しかし、プログラミングには注意点があり、
コンピュータにもできないことに注意してください。
まずは、コンピュータの計算が常に完全に正確であるとは限らないことや、
人間がプログラムを作る際には、書き間違いや勘違いなどのミスが起こり得ることを意識することが大切です。
これらの理由から、プログラムが期待通りに動いているかを確認するテストは重要であり、
ミスの回避のためにもプログラミングのさまざまなテクニックを今後学んでいくことが大切です。
【関連するページ等】
・コンピューターサイエンス（全１５回）
https://www.kkaneko.jp/cc/cs/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/blBX7q2hdCQ
・プログラミング: https://www.kkaneko.jp/pro/index.html
【関係する外部ページ】
・Python Tutor: http://www.pythontutor.com/
ページ２８～３１の演習
print(100 * 200)
x = 100
ページ３６～４０の演習
import datetime
now = datetime.datetime.now()
print(now)
import math
print( math.gcd(24, 18) )
import math
print( math.sqrt(7) )
import math
print( 3 * 3 * math.pi )
import math
print( (1/2) * 4 * 6 * math.sin(60 * math.pi / 180) )
ページ４４～４８の演習
print(1/3)
print(1/6)
print(1/9)
print(0.333333333333333 * 3)
print(100 * 1.1)
print(150 * 1.1)
print(200 * 1.1)
cs-3. パノラマ画像，ストリートビュー，３次元コンピュータグラフィックス
【トピックス】
パノラマ画像, Google Map のストリートビュー, ３次元コンピュータグラフィックス, Google Earth の３次元地図, Blender, ポリゴン
【概要】
パノラマ画像は広い視野をカバーする画像であり、
イメージスティッチング技術により作成できる。
Google Mapsのストリートビュー機能はさまさまな視点からの体験を可能にし、
Google Earthはオンライン地球儀として地形などを再現している。
３次元コンピュータグラフィックスは、ゲームや映画制作、製造や医療分野での利用に至るまで広範な応用が存在し、
ポリゴンを用いて精緻な３次元モデルを構築可能。
Blenderはフリーの３次元モデリングツールで、光源や反射、質感を設定してリアルな映像を作成可能であり、
カメラワークやキャラクターの動きのアニメーションも扱える。
これらの技術はデジタル空間での現実再現と、それに対する柔軟な操作を可能にする。
【関連するページ等】
・コンピューターサイエンス（全１５回）
https://www.kkaneko.jp/cc/cs/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/JfsXT9ZQefA
・Blenderインストール手順の記事:
https://www.kkaneko.jp/db/win/blenderinst.html
・Blender の使い方の記事:
https://www.kkaneko.jp/db/cg/index.html
【関連する外部ページ】
・360 cities
https://www.360cities.net/
・Google Earth を利用して作成された映像作品 (Vimeo で公開）（作者; Matteo Archondis）
https://vimeo.com/203253308
・Google Map
https://www.google.co.jp/maps
・Google Earth
https://earth.google.com/web/@34.4524151,133.22710341,192.05817929a,48.02713513d,35y,27.31498228h,77.75385678t,0r
・Blender のサイト
https://blender.jp/
cs-2. コンピュータによる画像制作，人工知能でできること，情報のコード化，デジタル画像，画素
【トピックス】
情報化社会の到来, 情報のコード化, 情報とデータ, デジタル画像, 画像制作とコンピュータ
【概要】
情報化社会では、個人がコンピュータとネットワークを通じて情報の自由な共有と高速な処理が可能で、
これにより生活やビジネスの様相が変わった。
ソフトウェアの種類は多岐にわたり、一部はコンテンツ制作やプログラミングなどの作業効率化を目指している。
コンピュータ上で画像やイラストの制作も可能で、自由に利用可能なソフトウェアやデータも存在する。
情報のコード化は特定の記号や符号で情報を表現する手法で、例えばデジタル画像は小さなドット（画素）で構成されています。
情報化社会では不正確や悪意ある情報、プライバシー侵害の危険も伴い、情報の取り扱いや個人情報保護には注意が必要である。
【関連するページ等】
・コンピューターサイエンス（全１５回）
https://www.kkaneko.jp/cc/cs/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/89Kiy7yaTMQ
【関係する外部ページ】
・WikiPedia: https://ja.wikipedia.org/wiki">
・OpenStreetMap: https://openstreetmap.jp
・ルーブル美術館のバーチャルツアー: https://www.louvre.fr/en/online-tours
・Fluid Paint: https://david.li/paint/
・Silk: http://weavesilk.com/
・WebGL Fluid Simulation: https://paveldogreat.github.io/WebGL-Fluid-Simulation/
・AutoDraw: https://www.autodraw.com/
・Variational Auto-Encoder: https://magenta.tensorflow.org/sketch-rnn-demo
・edges2cats: https://affinelayer.com/pixsrv/index.html
cs-1. 無料ソフトウエア，無料データ，エコシステム，Scratch プログラミング，Scratch のキャラクタ
【トピックス】
コンピュータサイエンスで学ぶこと, 無料ソフトウエア, 無料データ, エコシステム, 情報工学の世界, Scratch プログラミング, Scratch のキャラクタ, Scratch のキャラクタの制御
【概要】
コンピュータは人間の知的能力を増幅し、
プログラミングなどによる創造的な活動を可能にする強力なツールであり、社会に大きな影響を及ぼす。
その一方で、コンピュータの計算には誤差が含まれる可能性があり、バグを完全に認識できないなど注意点もある。
情報化・AI化社会では情報の価値が増す。
データベースシステムを通じて大量のデータが簡単に共有、管理できる。
データを整理・可視化・統計処理することで多方面に活用できる。
プログラムはコンピュータに命令する手法である。
知的財産はデジタルのものも法律で保護され、無料のソフトウェア・データの利用では利用条件の確認と著作権尊重が他おせちであり。
プログラミングはコンピュータの自由な操作、創造力・論理思考の養成、そして将来的なキャリア構築に役立つスキルである。
【関連するページ等】
・コンピューターサイエンス（全１５回）
https://www.kkaneko.jp/cc/cs/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/k8VwaW2GI5g
【関係する外部ページ】
・Scratch
https://scratch.mit.edu/
Recommended
cs-8. 表計算ソフトウエアを用いたデータの扱い
【トピックス】
Office 365 と Excel, 散布図での色分け，クラスタ分析, Excel のルックアップ, 絶対参照, 相対参照
【概要】
Excelを用いたデータ分析の手法は種々ある。
まず、クラスタ分析は、市場セグメンテーション、顧客分析、製品分析に役立つものである。
色付き散布図は、視覚的なデータ分析に役立つ。
また、Excelのルックアップ機能は、大量のデータから必要な情報を効率よく取り出すことができる。
Excelの活用では、絶対参照と相対参照の理解が大切である。
これらの参照方法は、Excel作業の効率化だけでなく、精度向上にも寄与する。
【関連するページ等】
・コンピューターサイエンス（全１５回）
https://www.kkaneko.jp/cc/cs/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/vUJKLwNQn44
【関係する外部ページ】
・Microsoft 365
https://portal.office.com
cs-7. 乱数，シミュレーション
【トピックス】
Office 365 と Excel, 乱数, Excelの乱数の機能, 乱数とシミュレーション, 円周率を求める, 到着間隔を分析する
【概要】
乱数は予測不可能な数である。
ゲームやシミュレーションでは乱数が重要な役割を果たし、現実世界のランダム性を模倣する。
乱数の分布には一様分布や正規分布などがあり、それぞれに適した用途がある。
コンピュータは「シード」と呼ばれる初期値を元に乱数を生成し、シードを変更することで乱数のパターンを変えることができる。
Excelでは乱数を生成する機能があり、モンテカルロシミュレーションや待ち行列シミュレーションなど、多様なシミュレーションに活用できる。
【関連するページ等】
・コンピューターサイエンス（全１５回）
https://www.kkaneko.jp/cc/cs/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/22MbFeFAYNE
【関係する外部ページ】
・Microsoft 365
https://portal.office.com
cs-6. データベースとデータサイエンス
【トピックス】
データベースとデータサイエンス, 表計算ソフトウエア, Office 365 と Excel, Excel の基本, 散布図, 合計, 平均, 分布, 密度
【概要】
データベースは、特定の主題のデータを整理・保存・管理するためのデータの集合体である。
データベースは、日常生活の情報管理にも役に立っており、
オンラインコミュニケーション、リアルタイムのサービス提供、AIの学習・予測、サイバーフィジカルシステムの実現など、
様々な分野で利用される。
データサイエンスは、データから有益な情報を抽出し、予測・判断を行うためのもので、AIや情報処理と関連している。
Excelを使用すると、パソコン上でデータサイエンスを実行することが可能で、データの集計、平均の算出、散布図やヒストグラムの作成など、
データから有益な情報を引き出すためのツールとして活用できる。
データベースとデータサイエンスを理解し、知識とスキルを習得することは、将来的に大きな利点につながる。
【関連するページ等】
・コンピューターサイエンス（全１５回）
https://www.kkaneko.jp/cc/cs/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/hafgkLQ2fzs
【関係する外部ページ】
・Microsoft 365
https://portal.office.com
総務省が公開しているデータを使用．
年次 出生数 死亡数
1985 1432 752
1990 1222 820
1995 1187 922
2000 1191 962
2005 1063 1084
2010 1071 1197
cs-5. 人工知能の概要
【トピックス】
人工知能とは, 人工知能でできること, 人工知能の種類, 人工知能による合成, 人工知能の現状, 人工知能の歴史, 人工知能による社会の変化
【概要】
人工知能(AI)はコンピュータに知的能力を持たせる技術である。
思考、判断、学習等を可能にし、人間の業務を補助、代行する。
AIは自然言語処理、認識や推論、音声認識等の応用があり、膨大なデータを迅速に処理し、ミスを減らし、新たな価値を創出する。
AIは知的なITシステムと機械学習の二つの大きな分類があり、各々が異なる特性と利点を持つ。
敵対的生成ネットワーク（GAN）のような技術は、リアルな合成画像を生成する一方、倫理的な問題も生じる可能性がある。
AIの活用は注意を要し、誤った結果を出す可能性や偏りを持つことなどを認識する必要がある。
AI技術は急速に進歩し、仕事の在り方や社会の構造、クリエイティブな活動に大きな影響を与える。
【関連するページ等】
・コンピューターサイエンス（全１５回）
https://www.kkaneko.jp/cc/cs/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/76Xa2ZGqpy0
【関係する外部ページ】
人工知能による合成
・ Google によるオンラインデモ: https://cloud.google.com/vision
・ 顔の合成: https://www.whichfaceisreal.com
・ OpenAI での写真の合成，イラストの合成: https://openai.com/blog/dall-e/
・ 顔の表情など：https://cloud.google.com/vision/docs/drag-and-drop
・ どちらが実在で，どちらがフェイクの顔か： https://www.whichfaceisreal.com/
・ イラストの合成 (Waifu Labs): https://waifulabs.com/">
創作、グラフィックス
・ AutoDraw: https://www.autodraw.com/
・ magenta.tensorflow.org の AutoEncoder のデモ: https://magenta.tensorflow.org/sketch-rnn-demo
・ affinelayer.com の Edges2cats のデモ: https://affinelayer.com/pixsrv/index.html
翻訳
・ DeepL: https://www.deepl.com/translator
ニューラルネットワークの仕組み
・ playhground.tensorflow.org: https://playground.tensorflow.org
cs-4. プログラミング入門
【トピックス】
プログラミング, Python Tutor での Python プログラム実行, プログラムによる問題解決, 計算誤差, さまざまなプログラミング言語
【概要】
プログラミングは、プログラムを設計し作成する活動で、
コンピュータに指示を出し、所定の作業を遂行するものであり、
アイデアを形にする創造的なプロセスです。
また、複雑な作業を自動化し、効率化することが可能です。
しかし、プログラミングには注意点があり、
コンピュータにもできないことに注意してください。
まずは、コンピュータの計算が常に完全に正確であるとは限らないことや、
人間がプログラムを作る際には、書き間違いや勘違いなどのミスが起こり得ることを意識することが大切です。
これらの理由から、プログラムが期待通りに動いているかを確認するテストは重要であり、
ミスの回避のためにもプログラミングのさまざまなテクニックを今後学んでいくことが大切です。
【関連するページ等】
・コンピューターサイエンス（全１５回）
https://www.kkaneko.jp/cc/cs/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/blBX7q2hdCQ
・プログラミング: https://www.kkaneko.jp/pro/index.html
【関係する外部ページ】
・Python Tutor: http://www.pythontutor.com/
ページ２８～３１の演習
print(100 * 200)
x = 100
ページ３６～４０の演習
import datetime
now = datetime.datetime.now()
print(now)
import math
print( math.gcd(24, 18) )
import math
print( math.sqrt(7) )
import math
print( 3 * 3 * math.pi )
import math
print( (1/2) * 4 * 6 * math.sin(60 * math.pi / 180) )
ページ４４～４８の演習
print(1/3)
print(1/6)
print(1/9)
print(0.333333333333333 * 3)
print(100 * 1.1)
print(150 * 1.1)
print(200 * 1.1)
cs-3. パノラマ画像，ストリートビュー，３次元コンピュータグラフィックス
【トピックス】
パノラマ画像, Google Map のストリートビュー, ３次元コンピュータグラフィックス, Google Earth の３次元地図, Blender, ポリゴン
【概要】
パノラマ画像は広い視野をカバーする画像であり、
イメージスティッチング技術により作成できる。
Google Mapsのストリートビュー機能はさまさまな視点からの体験を可能にし、
Google Earthはオンライン地球儀として地形などを再現している。
３次元コンピュータグラフィックスは、ゲームや映画制作、製造や医療分野での利用に至るまで広範な応用が存在し、
ポリゴンを用いて精緻な３次元モデルを構築可能。
Blenderはフリーの３次元モデリングツールで、光源や反射、質感を設定してリアルな映像を作成可能であり、
カメラワークやキャラクターの動きのアニメーションも扱える。
これらの技術はデジタル空間での現実再現と、それに対する柔軟な操作を可能にする。
【関連するページ等】
・コンピューターサイエンス（全１５回）
https://www.kkaneko.jp/cc/cs/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/JfsXT9ZQefA
・Blenderインストール手順の記事:
https://www.kkaneko.jp/db/win/blenderinst.html
・Blender の使い方の記事:
https://www.kkaneko.jp/db/cg/index.html
【関連する外部ページ】
・360 cities
https://www.360cities.net/
・Google Earth を利用して作成された映像作品 (Vimeo で公開）（作者; Matteo Archondis）
https://vimeo.com/203253308
・Google Map
https://www.google.co.jp/maps
・Google Earth
https://earth.google.com/web/@34.4524151,133.22710341,192.05817929a,48.02713513d,35y,27.31498228h,77.75385678t,0r
・Blender のサイト
https://blender.jp/
cs-2. コンピュータによる画像制作，人工知能でできること，情報のコード化，デジタル画像，画素
【トピックス】
情報化社会の到来, 情報のコード化, 情報とデータ, デジタル画像, 画像制作とコンピュータ
【概要】
情報化社会では、個人がコンピュータとネットワークを通じて情報の自由な共有と高速な処理が可能で、
これにより生活やビジネスの様相が変わった。
ソフトウェアの種類は多岐にわたり、一部はコンテンツ制作やプログラミングなどの作業効率化を目指している。
コンピュータ上で画像やイラストの制作も可能で、自由に利用可能なソフトウェアやデータも存在する。
情報のコード化は特定の記号や符号で情報を表現する手法で、例えばデジタル画像は小さなドット（画素）で構成されています。
情報化社会では不正確や悪意ある情報、プライバシー侵害の危険も伴い、情報の取り扱いや個人情報保護には注意が必要である。
【関連するページ等】
・コンピューターサイエンス（全１５回）
https://www.kkaneko.jp/cc/cs/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/89Kiy7yaTMQ
【関係する外部ページ】
・WikiPedia: https://ja.wikipedia.org/wiki">
・OpenStreetMap: https://openstreetmap.jp
・ルーブル美術館のバーチャルツアー: https://www.louvre.fr/en/online-tours
・Fluid Paint: https://david.li/paint/
・Silk: http://weavesilk.com/
・WebGL Fluid Simulation: https://paveldogreat.github.io/WebGL-Fluid-Simulation/
・AutoDraw: https://www.autodraw.com/
・Variational Auto-Encoder: https://magenta.tensorflow.org/sketch-rnn-demo
・edges2cats: https://affinelayer.com/pixsrv/index.html
cs-1. 無料ソフトウエア，無料データ，エコシステム，Scratch プログラミング，Scratch のキャラクタ
【トピックス】
コンピュータサイエンスで学ぶこと, 無料ソフトウエア, 無料データ, エコシステム, 情報工学の世界, Scratch プログラミング, Scratch のキャラクタ, Scratch のキャラクタの制御
【概要】
コンピュータは人間の知的能力を増幅し、
プログラミングなどによる創造的な活動を可能にする強力なツールであり、社会に大きな影響を及ぼす。
その一方で、コンピュータの計算には誤差が含まれる可能性があり、バグを完全に認識できないなど注意点もある。
情報化・AI化社会では情報の価値が増す。
データベースシステムを通じて大量のデータが簡単に共有、管理できる。
データを整理・可視化・統計処理することで多方面に活用できる。
プログラムはコンピュータに命令する手法である。
知的財産はデジタルのものも法律で保護され、無料のソフトウェア・データの利用では利用条件の確認と著作権尊重が他おせちであり。
プログラミングはコンピュータの自由な操作、創造力・論理思考の養成、そして将来的なキャリア構築に役立つスキルである。
【関連するページ等】
・コンピューターサイエンス（全１５回）
https://www.kkaneko.jp/cc/cs/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/k8VwaW2GI5g
【関係する外部ページ】
・Scratch
https://scratch.mit.edu/
mi-8. 人工知能とコンピュータビジョン
トピックス：人工知能, ニューラルネットワークの性質, ドロップアウト, コンピュータビジョン, 物体検出, セグメンテーション, 顔情報処理, キーポイント, 姿勢推定, 画像分類システム, MNIST データセット
コンピュータビジョンはコンピュータが実世界を理解・活用する技術で、
画像理解、物体検出、セグメンテーションなどが重要な要素である。
ディープニューラルネットワークや畳み込みにより、これらの精度向上が進んでいる。
畳み込みはデータとカーネルを重ね合わせて一つの値にまとめる手法である。
コンピュータビジョンは他にもある。
顔情報処理は顔検出、顔ランドマーク、顔のコード化、顔識別などがあり、
本人確認や表情推定、年齢判定など多岐にわたり利用される。
姿勢推定は人体の姿勢をAIで把握する技術で、
状況把握、行動予測、行動検知、危険察知などに応用される。
【関連するページ】
・人工知能の基礎（全１５回）
https://www.kkaneko.jp/ai/mi/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/8e6YqUl32gQ
・畳み込みニューラルネットワーク, 学習, 検証, 学習曲線について
https://colab.research.google.com/drive/18IPPkY96Oc6jkYD2su4cFgWcoYAskLo_?usp=sharing
【関連する外部ページ】
・CNN Explainer ジョージア工科大学 Polo Club
畳み込み層などの仕組みをビジュアルに学ぶことができるサイト
https://poloclub.github.io/cnn-explainer/
・OneFormer のデモサイト
画像のセグメンテーション
https://huggingface.co/spaces/shi-labs/OneFormer
・コンピュータビジョンのデモサイト
https://cloud.google.com/vision/docs/drag-and-drop
mi-7. 学習と検証, 学習不足, 過学習, 学習曲線
トピックス：人工知能, 機械学習と汎化, 汎化の失敗, 学習の繰り返し, 学習曲線
機械学習は訓練データから学習し、未知のデータに対しても適切に処理できる「汎化」能力を持つ。
学習の過程は、訓練データでの誤差を減らすよう重み調整し繰り返すものだが、過学習となり未知データでの誤答が増える場合がある。
そのため、検証データを用いて過学習の確認が必要で、学習曲線はその一助となる。
最近の技術進展により過学習防止の技術が進展している。過学習の防止には大量データによる学習も大切である、コンピュータの高速化も一定の助けとなっている。
【関連するページ】
・人工知能の基礎（全１５回）
https://www.kkaneko.jp/ai/mi/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/Qh-pu3Fvvuc
・手書き文字認識（Google Colaboratory）
実行結果とプログラムと説明を見るだけなら, Google アカウントは不要
https://colab.research.google.com/drive/1IfArIvhh-FsvJIE9YTNO8T44Qhpi0rIJ?usp=sharing
【関連する外部ページ】
・オーバーフィットとアンダーフィット（TensorFlowの公式チュートリアル）
https://www.tensorflow.org/tutorials/keras/overfit_and_underfit?hl=ja
mi-6. 画像分類システム
トピックス：人工知能, 画像と画素, 濃淡画像のデータ, ニューラルネットワークを用いた分類, 画像分類システム, ニューラルネットワークの作成, 学習, 画像分類
画像分類システムは、画像を特定のカテゴリに分類するもので、
手書き文字認識やパターン認識等に応用される。
画像分類は、ニューラルネットワークを使用して可能である。
ニューラルネットワークは機械学習の一種で、パターンや関連性を学習する。
画像分類システムでは、ニューラルネットワークの最終層のユニットで最も活性度の高いものを選択するという仕組みで分類が行われる。
画像分類システムは広範に活用されており、具体的な学習はTensorFlowの公式チュートリアル等を通じて可能である。
【関連するページ】
・人工知能の基礎（全１５回）
https://www.kkaneko.jp/ai/mi/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/WYoevH_C1Is
・手書き文字認識（Google Colaboratory）
実行結果とプログラムと説明を見るだけなら, Google アカウントは不要
https://colab.research.google.com/drive/1IfArIvhh-FsvJIE9YTNO8T44Qhpi0rIJ?usp=sharing
【関連する外部ページ】
・画像分類（TensorFlowの公式チュートリアル）
左側のメニューで「KerasによるMLの基本」を展開し, 「基本的な画像分類」をクリック
画像を10種類に分類。訓練データは60,000枚の画像と正解。検証データは10,000枚の画像と正解
https://www.tensorflow.org/tutorials
mi-5. ディープラーニング
トピックス：人工知能, ニューラルネットワーク, ディープラーニング, ユニット, 活性化, 結合の重み, 活性化関数, 伝搬, ニューラルネットワークを用いた分類, ニューラルネットワークを用いた学習
ニューラルネットワークは、複数のユニットが結合し、各ユニットは入力の重み付けや活性化関数の適用を行う。
構造は、層構造で全結合のものが最もシンプルで、データは入力から出力への一方向に流れ、各層のユニットは全結合される。
結合の重みやバイアスの調整により望みの出力を得る。
ディープニューラルネットワークは層が多いニューラルネットワークで、多層でも学習が成功するためのさまざまな工夫が必要とされる。
【関連するページ】
・人工知能の基礎（全１５回）
https://www.kkaneko.jp/ai/mi/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/spEQ_kztHAQ
【関連する外部ページ】
・Office 365 オンライン版 https://portal.office.com
・TensorFlow の仕組み
https://playground.tensorflow.org
mi-4. 機械学習
トピックス：人工知能, ニューラルネットワーク, ニューラルネットワークの種類, 線形近似, 最適化
機械学習は、コンピュータがデータを使用して学習し、知的能力を向上させる技術である。
そのメリットとして、パターンや関連性を抽出し、複雑なプログラミングを省略でき、問題解決への他の手法の限界を超える可能性がある。
ニューラルネットワークは、生物の脳を模倣し、多くのユニットとその間の結合からなるネットワークであり、機械学習に広く活用されている。
自己符号化や分類、予測などの技術を利用して、データの特徴を抽出や予測結果を導くことが可能である。
また、線形近似は、データの特徴を把握する手法の一つであり、最適化は、目的関数を最小化または最大化するための調整を行う重要なプロセスである。
【関連するページ】
・人工知能の基礎（全１５回）
https://www.kkaneko.jp/ai/mi/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/yK3A4I9phu8
【関連する外部ページ】
・Office 365 オンライン版 https://portal.office.com
mi-3. データサイエンス・AIの演習
トピックス：人工知能, オープンデータ, 政府統計データ, クロス集計表（Excel を使用）, 相関（Excel を使用）
データサイエンスとAI、特にオープンデータとその利用について説明する。
オープンデータは公開されたデータで、一定の条件下で自由に利用できる。
これらは新しいビジネスやサービスの創造、コスト節約、透明性の向上に寄与する。
しかし、データの信頼性やプライバシーを確認し、著作権を尊重する必要がある。
また、オープンデータはAI、特に機械学習の重要なデータソースであり、AI研究者向けに公開されたサイトもあります。
政府統計データがどのように取得し利用されるかを示す。
そして、クロス集計表と相関の概念を紹介し、それらを使用した分析の例を見ていく。
【関連するページ】
・人工知能の基礎（全１５回）
https://www.kkaneko.jp/ai/mi/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/nV-OlL7M3fU
【関連する外部ページ】
・e-Stat は, 政府統計の総合窓口
https://www.e-stat.go.jp/
・OpenStreetMap
オンラインの地図サービス
https://www.openstreetmap.org/
・Citymapper.com
世界中の大都市の乗り換え案内サービス
https://citymapper.com/
・気象庁強振観測データ
https://www.data.jma.go.jp/eqev/data/kyoshin/jishin/index.html
・気象庁震度データ
https://www.data.jma.go.jp/svd/eqev/data/bulletin/shindo.html
・環境省大気汚染状況データ
https://www.env.go.jp/air/osen/
・環境省水環境総合情報サイト
https://water-pub.env.go.jp/water-pub/mizu-site/mizu/kousui/dataMap.asp
・国立がん研究センターがん情報サービス
https://ganjoho.jp/public/index.html
・WikiPedia
https://ja.wikipedia.org/wiki
・政府統計データダウンロードページ
https://www.stat.go.jp/data/guide/download/index.html
・Office 365 オンライン版 https://portal.office.com
mi-2. データサイエンス・AIの事例
トピックス：人工知能, データサイエンス, 表計算ソフトウエア Excel, 散布図（Excel を使用）, 合計, 平均（Excel を使用）, 分布, 密度（Excel を使用）, 人工知能と機械学習
データサイエンスとAIは、データ活用に欠かせない分野である。
データサイエンスはデータから有益な情報を導き出す学問で、機械学習は大量のデータからパターンを学び、未知のデータに対する予測能力を持つ。
Excelを用いてデータを視覚的に表現し分析するという実践的なスキルを身につけることも重要。
これらを理解し、実践的経験を積むことが将来の活躍につながる。
【関連するページ】
・人工知能の基礎（全１５回）
https://www.kkaneko.jp/ai/mi/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/bJjGqTGXUZI
【関連する外部ページ】
・Office 365 オンライン版 https://portal.office.com
mi-1. 人工知能の概要
トピックス：人工知能, 人工知能でできること, 人工知能の種類, 人工知能でできること, 人工知能の現状, 人工知能の歴史, 人工知能による社会の変化
人工知能（AI）はコンピュータが知的能力を持つ技術で、思考、判断、学習などの機能を有する。
AIは医療、金融、製造、農業など幅広い分野で用いられ、仕事の補助や代行といった役割を果たす。
AIの種類には機械学習や知的なITシステムがあり、用途によって選択する。
AIによる合成や生成は偽情報の拡散や倫理的な問題を引き起こす可能性があるため、注意が必要である。
AIの技術は急激に進歩してる。AIが引き起こす社会への影響や倫理的な問題も注視が必要である。
AIの発達は人間がよりクリエイティブになるためのツールともなり得る。
【関連するページ】
・人工知能の基礎（全１５回）
https://www.kkaneko.jp/ai/mi/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/O2Q2ym3hU54
【関連する外部ページ】
人工知能による合成
・Google によるオンラインデモ: https://cloud.google.com/vision
・顔の合成: https://www.whichfaceisreal.com
・OpenAI での写真の合成，イラストの合成: https://openai.com/blog/dall-e/
・顔の表情など：https://cloud.google.com/vision/docs/drag-and-drop
・どちらが実在で，どちらがフェイクの顔か： https://www.whichfaceisreal.com/
創作、人工知能による支援
・イラストの合成 (Waifu Labs): https://waifulabs.com/">
・AutoDraw: https://www.autodraw.com/
・magenta.tensorflow.org の AutoEncoder のデモ: https://magenta.tensorflow.org/sketch-rnn-demo
・affinelayer.com の Edges2cats のデモ: https://affinelayer.com/pixsrv/index.html
翻訳
・DeepL: https://www.deepl.com/translator
TensorFlow の仕組み
・playhground.tensorflow.org: https://playground.tensorflow.org
Coding Standards of C++ について
トピックス: コーディングスタイル, C++
C++ オブジェクト指向プログラミング入門（スライド資料とプログラム例）（Visual Studio 2019 を使用）（全３回）
https://www.kkaneko.jp/pro/cpp/index.html
金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
co-3. サブクラス、継承
トピックス：クラス階層, 継承, 派生クラス
C++ オブジェクト指向プログラミング入門（スライド資料とプログラム例）（Visual Studio 2019 を使用）（全３回）
https://www.kkaneko.jp/pro/cpp/index.html
金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
co-2. メソッド定義と呼び出し
トピックス：クラス, 属性, メソッド, アクセサ, public
C++ オブジェクト指向プログラミング入門（スライド資料とプログラム例）（Visual Studio 2019 を使用）（全３回）
https://www.kkaneko.jp/pro/cpp/index.html
金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
co-1. クラスとメソッド
トピックス：クラス定義, コンストラクタ, メソッド, class, new
C++ オブジェクト指向プログラミング入門（スライド資料とプログラム例）（Visual Studio 2019 を使用）（全３回）
https://www.kkaneko.jp/pro/cpp/index.html
金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
Visual Studio 2013 の起動とプロジェクトの新規作成
トピックス：visual studio 2013, プログラミング, c
C プログラミング入門 （スライド資料とプログラム例）（Visual Studio 2019 を使用）（全１５回）
https://www.kkaneko.jp/pro/adp/index.html
金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
extern の意味
トピックス：extern, プログラミング, c
C プログラミング入門 （スライド資料とプログラム例）（Visual Studio 2019 を使用）（全１５回）
https://www.kkaneko.jp/pro/adp/index.html
金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
cp-15. 疑似乱数とシミュレーション
トピックス：疑似乱数, ランダムウオーク, モンテカルロシミュレーション, プログラミング, c
C プログラミング入門 （スライド資料とプログラム例）（Visual Studio 2019 を使用）（全１５回）
https://www.kkaneko.jp/pro/adp/index.html
金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
cp-14. ファイル処理
トピックス：ファイル, eof, ファイル読み込み, ファイル書き出し, ランダムアクセス, プログラミング, c
C プログラミング入門 （スライド資料とプログラム例）（Visual Studio 2019 を使用）（全１５回）
https://www.kkaneko.jp/pro/adp/index.html
金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
cp-13. 構造体
トピックス：構造体, リスト, ポインタ, ー＞, 動的メモリ管理, プログラミング, c
C プログラミング入門 （スライド資料とプログラム例）（Visual Studio 2019 を使用）（全１５回）
https://www.kkaneko.jp/pro/adp/index.html
金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
cp-12. 文字列
トピックス：文字列の末尾, 文字列の操作, プログラミング, c
C プログラミング入門 （スライド資料とプログラム例）（Visual Studio 2019 を使用）（全１５回）
https://www.kkaneko.jp/pro/adp/index.html
金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
cp-11. ポインタ
トピックス：ポインタ, メモリアドレス, 配列, 関数へのポインタ渡し, プログラミング, c
C プログラミング入門 （スライド資料とプログラム例）（Visual Studio 2019 を使用）（全１５回）
https://www.kkaneko.jp/pro/adp/index.html
金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
More Related Content
More from kunihikokaneko1
mi-8. 人工知能とコンピュータビジョン
トピックス：人工知能, ニューラルネットワークの性質, ドロップアウト, コンピュータビジョン, 物体検出, セグメンテーション, 顔情報処理, キーポイント, 姿勢推定, 画像分類システム, MNIST データセット
コンピュータビジョンはコンピュータが実世界を理解・活用する技術で、
画像理解、物体検出、セグメンテーションなどが重要な要素である。
ディープニューラルネットワークや畳み込みにより、これらの精度向上が進んでいる。
畳み込みはデータとカーネルを重ね合わせて一つの値にまとめる手法である。
コンピュータビジョンは他にもある。
顔情報処理は顔検出、顔ランドマーク、顔のコード化、顔識別などがあり、
本人確認や表情推定、年齢判定など多岐にわたり利用される。
姿勢推定は人体の姿勢をAIで把握する技術で、
状況把握、行動予測、行動検知、危険察知などに応用される。
【関連するページ】
・人工知能の基礎（全１５回）
https://www.kkaneko.jp/ai/mi/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/8e6YqUl32gQ
・畳み込みニューラルネットワーク, 学習, 検証, 学習曲線について
https://colab.research.google.com/drive/18IPPkY96Oc6jkYD2su4cFgWcoYAskLo_?usp=sharing
【関連する外部ページ】
・CNN Explainer ジョージア工科大学 Polo Club
畳み込み層などの仕組みをビジュアルに学ぶことができるサイト
https://poloclub.github.io/cnn-explainer/
・OneFormer のデモサイト
画像のセグメンテーション
https://huggingface.co/spaces/shi-labs/OneFormer
・コンピュータビジョンのデモサイト
https://cloud.google.com/vision/docs/drag-and-drop
mi-7. 学習と検証, 学習不足, 過学習, 学習曲線
トピックス：人工知能, 機械学習と汎化, 汎化の失敗, 学習の繰り返し, 学習曲線
機械学習は訓練データから学習し、未知のデータに対しても適切に処理できる「汎化」能力を持つ。
学習の過程は、訓練データでの誤差を減らすよう重み調整し繰り返すものだが、過学習となり未知データでの誤答が増える場合がある。
そのため、検証データを用いて過学習の確認が必要で、学習曲線はその一助となる。
最近の技術進展により過学習防止の技術が進展している。過学習の防止には大量データによる学習も大切である、コンピュータの高速化も一定の助けとなっている。
【関連するページ】
・人工知能の基礎（全１５回）
https://www.kkaneko.jp/ai/mi/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/Qh-pu3Fvvuc
・手書き文字認識（Google Colaboratory）
実行結果とプログラムと説明を見るだけなら, Google アカウントは不要
https://colab.research.google.com/drive/1IfArIvhh-FsvJIE9YTNO8T44Qhpi0rIJ?usp=sharing
【関連する外部ページ】
・オーバーフィットとアンダーフィット（TensorFlowの公式チュートリアル）
https://www.tensorflow.org/tutorials/keras/overfit_and_underfit?hl=ja
mi-6. 画像分類システム
トピックス：人工知能, 画像と画素, 濃淡画像のデータ, ニューラルネットワークを用いた分類, 画像分類システム, ニューラルネットワークの作成, 学習, 画像分類
画像分類システムは、画像を特定のカテゴリに分類するもので、
手書き文字認識やパターン認識等に応用される。
画像分類は、ニューラルネットワークを使用して可能である。
ニューラルネットワークは機械学習の一種で、パターンや関連性を学習する。
画像分類システムでは、ニューラルネットワークの最終層のユニットで最も活性度の高いものを選択するという仕組みで分類が行われる。
画像分類システムは広範に活用されており、具体的な学習はTensorFlowの公式チュートリアル等を通じて可能である。
【関連するページ】
・人工知能の基礎（全１５回）
https://www.kkaneko.jp/ai/mi/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/WYoevH_C1Is
・手書き文字認識（Google Colaboratory）
実行結果とプログラムと説明を見るだけなら, Google アカウントは不要
https://colab.research.google.com/drive/1IfArIvhh-FsvJIE9YTNO8T44Qhpi0rIJ?usp=sharing
【関連する外部ページ】
・画像分類（TensorFlowの公式チュートリアル）
左側のメニューで「KerasによるMLの基本」を展開し, 「基本的な画像分類」をクリック
画像を10種類に分類。訓練データは60,000枚の画像と正解。検証データは10,000枚の画像と正解
https://www.tensorflow.org/tutorials
mi-5. ディープラーニング
トピックス：人工知能, ニューラルネットワーク, ディープラーニング, ユニット, 活性化, 結合の重み, 活性化関数, 伝搬, ニューラルネットワークを用いた分類, ニューラルネットワークを用いた学習
ニューラルネットワークは、複数のユニットが結合し、各ユニットは入力の重み付けや活性化関数の適用を行う。
構造は、層構造で全結合のものが最もシンプルで、データは入力から出力への一方向に流れ、各層のユニットは全結合される。
結合の重みやバイアスの調整により望みの出力を得る。
ディープニューラルネットワークは層が多いニューラルネットワークで、多層でも学習が成功するためのさまざまな工夫が必要とされる。
【関連するページ】
・人工知能の基礎（全１５回）
https://www.kkaneko.jp/ai/mi/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/spEQ_kztHAQ
【関連する外部ページ】
・Office 365 オンライン版 https://portal.office.com
・TensorFlow の仕組み
https://playground.tensorflow.org
mi-4. 機械学習
トピックス：人工知能, ニューラルネットワーク, ニューラルネットワークの種類, 線形近似, 最適化
機械学習は、コンピュータがデータを使用して学習し、知的能力を向上させる技術である。
そのメリットとして、パターンや関連性を抽出し、複雑なプログラミングを省略でき、問題解決への他の手法の限界を超える可能性がある。
ニューラルネットワークは、生物の脳を模倣し、多くのユニットとその間の結合からなるネットワークであり、機械学習に広く活用されている。
自己符号化や分類、予測などの技術を利用して、データの特徴を抽出や予測結果を導くことが可能である。
また、線形近似は、データの特徴を把握する手法の一つであり、最適化は、目的関数を最小化または最大化するための調整を行う重要なプロセスである。
【関連するページ】
・人工知能の基礎（全１５回）
https://www.kkaneko.jp/ai/mi/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/yK3A4I9phu8
【関連する外部ページ】
・Office 365 オンライン版 https://portal.office.com
mi-3. データサイエンス・AIの演習
トピックス：人工知能, オープンデータ, 政府統計データ, クロス集計表（Excel を使用）, 相関（Excel を使用）
データサイエンスとAI、特にオープンデータとその利用について説明する。
オープンデータは公開されたデータで、一定の条件下で自由に利用できる。
これらは新しいビジネスやサービスの創造、コスト節約、透明性の向上に寄与する。
しかし、データの信頼性やプライバシーを確認し、著作権を尊重する必要がある。
また、オープンデータはAI、特に機械学習の重要なデータソースであり、AI研究者向けに公開されたサイトもあります。
政府統計データがどのように取得し利用されるかを示す。
そして、クロス集計表と相関の概念を紹介し、それらを使用した分析の例を見ていく。
【関連するページ】
・人工知能の基礎（全１５回）
https://www.kkaneko.jp/ai/mi/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/nV-OlL7M3fU
【関連する外部ページ】
・e-Stat は, 政府統計の総合窓口
https://www.e-stat.go.jp/
・OpenStreetMap
オンラインの地図サービス
https://www.openstreetmap.org/
・Citymapper.com
世界中の大都市の乗り換え案内サービス
https://citymapper.com/
・気象庁強振観測データ
https://www.data.jma.go.jp/eqev/data/kyoshin/jishin/index.html
・気象庁震度データ
https://www.data.jma.go.jp/svd/eqev/data/bulletin/shindo.html
・環境省大気汚染状況データ
https://www.env.go.jp/air/osen/
・環境省水環境総合情報サイト
https://water-pub.env.go.jp/water-pub/mizu-site/mizu/kousui/dataMap.asp
・国立がん研究センターがん情報サービス
https://ganjoho.jp/public/index.html
・WikiPedia
https://ja.wikipedia.org/wiki
・政府統計データダウンロードページ
https://www.stat.go.jp/data/guide/download/index.html
・Office 365 オンライン版 https://portal.office.com
mi-2. データサイエンス・AIの事例
トピックス：人工知能, データサイエンス, 表計算ソフトウエア Excel, 散布図（Excel を使用）, 合計, 平均（Excel を使用）, 分布, 密度（Excel を使用）, 人工知能と機械学習
データサイエンスとAIは、データ活用に欠かせない分野である。
データサイエンスはデータから有益な情報を導き出す学問で、機械学習は大量のデータからパターンを学び、未知のデータに対する予測能力を持つ。
Excelを用いてデータを視覚的に表現し分析するという実践的なスキルを身につけることも重要。
これらを理解し、実践的経験を積むことが将来の活躍につながる。
【関連するページ】
・人工知能の基礎（全１５回）
https://www.kkaneko.jp/ai/mi/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/bJjGqTGXUZI
【関連する外部ページ】
・Office 365 オンライン版 https://portal.office.com
mi-1. 人工知能の概要
トピックス：人工知能, 人工知能でできること, 人工知能の種類, 人工知能でできること, 人工知能の現状, 人工知能の歴史, 人工知能による社会の変化
人工知能（AI）はコンピュータが知的能力を持つ技術で、思考、判断、学習などの機能を有する。
AIは医療、金融、製造、農業など幅広い分野で用いられ、仕事の補助や代行といった役割を果たす。
AIの種類には機械学習や知的なITシステムがあり、用途によって選択する。
AIによる合成や生成は偽情報の拡散や倫理的な問題を引き起こす可能性があるため、注意が必要である。
AIの技術は急激に進歩してる。AIが引き起こす社会への影響や倫理的な問題も注視が必要である。
AIの発達は人間がよりクリエイティブになるためのツールともなり得る。
【関連するページ】
・人工知能の基礎（全１５回）
https://www.kkaneko.jp/ai/mi/index.html
・金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
・YouTube 動画
https://youtu.be/O2Q2ym3hU54
【関連する外部ページ】
人工知能による合成
・Google によるオンラインデモ: https://cloud.google.com/vision
・顔の合成: https://www.whichfaceisreal.com
・OpenAI での写真の合成，イラストの合成: https://openai.com/blog/dall-e/
・顔の表情など：https://cloud.google.com/vision/docs/drag-and-drop
・どちらが実在で，どちらがフェイクの顔か： https://www.whichfaceisreal.com/
創作、人工知能による支援
・イラストの合成 (Waifu Labs): https://waifulabs.com/">
・AutoDraw: https://www.autodraw.com/
・magenta.tensorflow.org の AutoEncoder のデモ: https://magenta.tensorflow.org/sketch-rnn-demo
・affinelayer.com の Edges2cats のデモ: https://affinelayer.com/pixsrv/index.html
翻訳
・DeepL: https://www.deepl.com/translator
TensorFlow の仕組み
・playhground.tensorflow.org: https://playground.tensorflow.org
Coding Standards of C++ について
トピックス: コーディングスタイル, C++
C++ オブジェクト指向プログラミング入門（スライド資料とプログラム例）（Visual Studio 2019 を使用）（全３回）
https://www.kkaneko.jp/pro/cpp/index.html
金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
co-3. サブクラス、継承
トピックス：クラス階層, 継承, 派生クラス
C++ オブジェクト指向プログラミング入門（スライド資料とプログラム例）（Visual Studio 2019 を使用）（全３回）
https://www.kkaneko.jp/pro/cpp/index.html
金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
co-2. メソッド定義と呼び出し
トピックス：クラス, 属性, メソッド, アクセサ, public
C++ オブジェクト指向プログラミング入門（スライド資料とプログラム例）（Visual Studio 2019 を使用）（全３回）
https://www.kkaneko.jp/pro/cpp/index.html
金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
co-1. クラスとメソッド
トピックス：クラス定義, コンストラクタ, メソッド, class, new
C++ オブジェクト指向プログラミング入門（スライド資料とプログラム例）（Visual Studio 2019 を使用）（全３回）
https://www.kkaneko.jp/pro/cpp/index.html
金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
Visual Studio 2013 の起動とプロジェクトの新規作成
トピックス：visual studio 2013, プログラミング, c
C プログラミング入門 （スライド資料とプログラム例）（Visual Studio 2019 を使用）（全１５回）
https://www.kkaneko.jp/pro/adp/index.html
金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
extern の意味
トピックス：extern, プログラミング, c
C プログラミング入門 （スライド資料とプログラム例）（Visual Studio 2019 を使用）（全１５回）
https://www.kkaneko.jp/pro/adp/index.html
金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
cp-15. 疑似乱数とシミュレーション
トピックス：疑似乱数, ランダムウオーク, モンテカルロシミュレーション, プログラミング, c
C プログラミング入門 （スライド資料とプログラム例）（Visual Studio 2019 を使用）（全１５回）
https://www.kkaneko.jp/pro/adp/index.html
金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
cp-14. ファイル処理
トピックス：ファイル, eof, ファイル読み込み, ファイル書き出し, ランダムアクセス, プログラミング, c
C プログラミング入門 （スライド資料とプログラム例）（Visual Studio 2019 を使用）（全１５回）
https://www.kkaneko.jp/pro/adp/index.html
金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
cp-13. 構造体
トピックス：構造体, リスト, ポインタ, ー＞, 動的メモリ管理, プログラミング, c
C プログラミング入門 （スライド資料とプログラム例）（Visual Studio 2019 を使用）（全１５回）
https://www.kkaneko.jp/pro/adp/index.html
金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
cp-12. 文字列
トピックス：文字列の末尾, 文字列の操作, プログラミング, c
C プログラミング入門 （スライド資料とプログラム例）（Visual Studio 2019 を使用）（全１５回）
https://www.kkaneko.jp/pro/adp/index.html
金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
cp-11. ポインタ
トピックス：ポインタ, メモリアドレス, 配列, 関数へのポインタ渡し, プログラミング, c
C プログラミング入門 （スライド資料とプログラム例）（Visual Studio 2019 を使用）（全１５回）
https://www.kkaneko.jp/pro/adp/index.html
金子邦彦研究室ホームページ
https://www.kkaneko.jp/index.html
More from kunihikokaneko1 (20)
di-1. 画像分類
Editor's Notes
- 画像分類 人工知能でできることとして，画像分類について説明します．
- 画像分類は，画像に対して，ラベルとその確率を得ることです． ラベルというのは，画像分類した結果の，画像の種類を表すキーワードのことです． このラベルと確率を精度よく自動で求めるために，人工知能を使うことができます．
- 画像分類の例 画像に対して，いくつかのラベル， それぞれのラベルに対しての確率が得られています． 例えば，この結果を見ると，この画像，ラベルが lab_coat である確率が，約 0.98 のように結果が得られています． このように，１枚の画像に対して，複数のラベルとそれぞれの確率を得ること． それが画像分類です． 画像分類は，画像を扱う他の人工知能，例えば，物体検出などの基礎になっています． 画像分類の説明は以上です． 視聴ありがとうございました．