2025年度前期知能情報科学演習

曜日・時限 水曜日２時限 期別 前期 週時間数 0
ナンバリング GP331010
開講学科等 情報通信工学部-情報工学科
教員名 越後　富夫
越後　富夫
職務履歴

https://research.osakac.ac.jp/index.php?%e8%b6%8a%e5%be%8c%e3%80%80%e5%af%8c%e5%a4%ab

教員情報データベースに遷移します

目的

機械学習やデータサイエンスではプログラミング言語Pythonが多く使用されている．本授業ではこれまでPythonでプログラミングの経験がなくても，C言語でプログラミング経験があれば簡単にPythonのコードを作成できる．C言語では難しかったグラフの出力も簡単にできる．また，画像処理ライブラリーOpenCVを利用して，基本的な画像処理アルゴリズムを簡単にプログラミングできる．さらに，TensorFlow, Kerasを使って，深層学習が容易に体験できる．

授業計画

授業回 形式 学修内容 学修課題
1 面接授業：C 概要．Google Colaboratoryの使い方を実践する．
Pythonで分岐と繰り返し処理を演習する．		 事前学修 Google Colaboratoryを使ってPythonで簡単な計算を実行する．（２時間）
事後学修 授業中に入力したPythonコードを形を変えて入力する．（２時間）
2 面接授業：C Pythonで関数定義を行う． 事前学修 前週に作成したPythonコードをもう一度実行し直す．（２時間）
事後学修 様々な関数を定義して実行する．（２時間）
3 面接授業：C Pythonでグラフ出力してデータを可視化する． 事前学修 グラフの様々な種類を調べておく．（２時間）
事後学修 グラフ表示の様々な表現方法を実行する．（２時間）
4 面接授業：C PythonでExcelファイルの読み出し，書き込みを行う． 事前学修 Pythonでテキストデータの入出力を行う．（２時間）
事後学修 Pythonで作成したグラフとExcelで作成するグラフを比較する．（２時間）
5 面接授業：C 画像処理ライブラリーOpenCVのインストールと画像読み出しおよび画像表示を演習する． 事前学修 OpenCVについて調べておく．（２時間）
事後学修 パソコンに保存している様々な画像を読み込んで，授業中に行った画像処理を実行する．（２時間）
6 面接授業：C OpenCVを使って色画像変換を演習する． 事前学修 色画像変換とは何かを調べておく．（２時間）
事後学修 色画像変換にOpenCVを使わず，線形変換によって実行する．（２時間）
7 面接授業：C 画像の濃淡ヒストグラムを求め，Pythonで表示する． 事前学修 画像の濃淡ヒストグラムはどんな意味を持つか調べておく．（２時間）
事後学修 ヒストグラムのBINを変更して詳細ヒストグラムから大まかなヒストグラムを作成する．（２時間）
8 面接授業：C 画像の濃淡ヒストグラムから２値画像に変換する． 事前学修 ２値画像とは何か，作成アルゴリズムを調べておく．（２時間）
事後学修 判別分析による２値化のプログラムを完成する．（２時間）
9 面接授業：C 画像の空間フィルタリングを求める演習を行う． 事前学修 フィルタリングを使って，画像平滑化，エッジ抽出ができることを調べておく．（２時間）
事後学修 OpenCVのライブラリーを使わずに積和演算でフィルタリングを実行する．（２時間）
10 面接授業：C 部分画像のテンプレートマッチングを行い，最も似ている位置を求める． 事前学修 画像類似度の評価方法を調べておく．（3時間）
事後学修 最も優れた評価方法を確認する．（3時間）
11 面接授業：C MNIST手書き文字認識を深層学習で演習する． 事前学修 ニューラルネットの基本を調べる．（3時間）
事後学修 Convolutional Newral Network (CNN)で学習すると高い正解率が得られることを確認する．（3時間）
12 面接授業：C CIFER-10を使った画像分類をKerasを使って演習する． 事前学修 CIFER-10はどのような内容かを調べる．（3時間）
事後学修 正解率を高めるためにfine tuning をする．（3時間）
13 面接授業：C CIFER-10を使った画像分類を転移学習から演習する． 事前学修 転移学習とは何かを調べる．（3時間）
事後学修 Data Augmentationを行なって認識精度を向上する．（3時間）

授業形式記号

  • A:一斉授業（通常の講義）
  • B:問題発見・解決学習、プロジェクト学習
  • C:体験、実験、実習、演習など
  • D:調査 分析、解析など
  • E:ものづくり、作品制作
  • F:グループワーク（ディスカッション・ディベートを含む）
  • G:プレゼンテーション
  • H:地域・企業　連携型学習
  • I:その他

到達目標

〇 修得する資質・能力： 知識・理解力、応用力 【DP-P-1-1】
　・　python プログラミングを体験できる．
　・　データ可視化のプログラミングを構築できる．
　・　画像処理アルゴリズムを構築できる．
　・　深層学習を体験できる．
〇 修得する資質・能力： コミュニケーション力 【DP-P-2-1】
　・　構築したプログラムの評価のための議論ができる

評価方法と評価観点

評価方法 配点合計知識・理解力応用力コミュニケーション力態度・志向性創造力 合計
定期試験またはレポート試験 30% 40% 40% 20% 100%
小テスト、小論文 30% 40% 40% 20% 100%
グループワーク 0%
プレゼンテーション 0%
レポート、宿題 40% 20% 30% 20% 30% 100%
授業での姿勢（ノート、質疑など） 0%
作品、パフォーマンス（実技、実演） 0%
その他1(具体的に： 0%
その他2(具体的に： 0%
100% 32% 36% 8% 24% 0% 100%

教科書・参考書

教科書は特になし．スライドを元に授業を進めるが，スライドの全てを配布しない．配布物から不足している箇所は必ずノートを取ること．

オフィスアワー

質問は，木曜日15:00-16:00にA14へ来ること．　学内外の用務のため，オフィスアワーでも教員が教員室に不在の可能性があります．その場合は，電子メールで問い合わせてください．

その他

Cプログラミングおよび統計処理と画像処理を理解しておくことが望ましい．
小テストとレポート提出を頻繁に行う．4回以上解答未提出の場合は，E判定とする．
授業中にスマートフォン，パソコン等でゲームをしていることが判明した場合は，E判定とする．
最終週終了後レポート試験を実施する．
・授業内外の課題について、解答あるいは考え方を適宜解説する。

実務経験のある教員による授業科目

担当教員は，企業研究所において映像メディア処理の研究に従事した経験があり，画像処理，動画像処理を専門にしていた．講義内容は経験に基づいて構成している．
戻る