NEP|名古屋大学組込みシステム人材育成プログラムNEP|名古屋大学組込みシステム人材育成プログラム

IoT環境における知的情報処理技術(愛媛大学提供) [オンライン(ライブ配信)]

お申込みは↓のボタンから

application

開講日 2021年07月21日(水曜日)および07月22日(木曜日)の2日間
開講時間 09時30分から17時00分
(09時00分開場)
受講申込期間 2021年07月07日(水)24時まで
受講料 40,000円(税込)
enPiT-Pro Embの「名古屋大学車載組込みシステムコース」の履修者は,コース受講料に含まれますので科目単位では請求しません.
定員(先着順) 40名
会場・留意事項 ・実習環境をご自身でご用意して頂く必要があります.下欄の「実習機材」の欄をお読み頂き,
 事前に演習環境を整備してください.
・テキストは,受講者に事前に送付します.
・勤務先や自宅などから,Webで受講してください.
・Webでの講義配信に,Zoomを使用します.
・必要な機材は,PC,ヘッドセット,通信環境です.カメラは任意です.
 詳しくは,こちらでご確認ください.
https://zoom.us/test でZoomの基本動作を確認できます.
・オンライン講義実践ガイドは,http://enpit-pro-emb.jpをご参照ください.
・初めてZoomを使用する受講者には,事前に接続テストを行いますのでご安心ください.
・質疑応答やグループワーク(発表含め)等は,Zoomで実施します.
・修了テストは,Webテストや,問題のWeb配信とE-mailでの提出などを検討中です.
・ネットワークトラブルにより受講ができなかった受講者には,後日に録画データを配信します.
・インターネット回線(モバイルルーター含む)は,通信容量制限や速度制限のない契約プランでご使用ください.制限を超えると画像が映らない,音声が途切れる等のトラブル発生の可能性があります.
講師 二宮 崇(愛媛大学)
講師は都合により変更する場合があります.
講座概要 近年,製造業やセキュリティ分野におけるIoTの導入が広まりをみせている.それに伴い,これまで人の目で行っていた様々な工程が自動化され,さらに取得したデータをエッジまたはクラウドで解析し自動的に学習する知的IoT環境が構築され始めている.
本講義では,深層学習ツールであるPyTorchを用い,IoT環境においてリアルタイムに学習する深層学習の技術について学ぶ.
講義前半ではPythonコードを基に深層学習について学び,講義後半では,PCに深層学習ツールであるPyTorchをインストールし,実際に動作する深層学習器を作成することで,IoT環境における深層学習の技術を学ぶ.

*日付をクリックいただくと,オンライン講義実践ガイドページの最新の講座概要がご覧いただけます.(2020/7/187/19実施)
実習機材 1.演習用PC
演習用PC(WindowsもしくはMacOS等)が必要です.

2.演習環境
Zoom講義受講用のPCで演習を行います.基本的には, Googleアカウントを持っていて,かつウェブブラウザを使えるPCを持っていれば演習を受けることができます.さらにAnacondaをインストールできるPCや,VirtualBoxをインストールできるPC,Jetson Nanoを持っていれば,より現場に近い環境での演習を受けることができます.具体的には下記のいずれかの環境があれば演習を受けることができます.
(1)Google Colaboratory (Googleアカウントとウェブブラウザがあれば必要なツールは全てそろって
    いるので、特に準備は必要ありません)
(2)Anaconda (Windows/MacOS/Linux) (PC環境で実行したい場合)
(3)VirtualBox + Ubuntu (サーバー環境に近い環境で演習を受けたい場合)
(4)Jetson Nano (エッジ環境で実行したい場合。Jetson Nanoを持っている場合は(3)の設定をした上で、
    Jetson Nanoの設定をしてIoT環境での深層学習を体験することができます)
*(1)が最も簡単ですが,(2)(3)(4)と下の環境であればあるほど現場に近い環境での演習になると
    思います.(2)、(3)、(4)で受講を希望する場合は、事前に,各自で下記の環境を整えて動作確認をしてから,
    お申し込み下さい.

    (1) 環境設定 Google Colaboratory編.pdf (環境設定は必要無いので、アクセスの確認だけになります)
    (2) 環境設定 Anaconda Windows編.pdf / 環境設定 Anaconda Mac編.pdf /
         環境設定 Anaconda Linux編.pdf
    (3) 環境設定 VirtualBox+Ubuntu編.pdf
    (4) 環境設定 Jetson Nano編.pdf

到達目標
  • 深層学習の原理(ニューラルネットワーク,損失関数,勾配法,誤差逆伝搬法,計算グラフ)を説明,実装できる
対象者 IoT環境における知的情報処理技術を体系的に学び,演習を通してその技術を習得したい方
前提条件
  • 大学初年次で学ぶ数学に関する基礎的な知識
  • プログラミングに関する基礎的な知識
講義計画
  • 導入とPythonプログラミング
    この講義の目的について説明し,講義で用いるPythonプログラミング言語について学ぶ.PythonとPyTorchの基礎について学ぶ
  • Pythonで学ぶ深層学習(1)
    Pythonコードを基に深層学習について学ぶ.ニューラルネットワークの仕組み,活性化関数,推論について学ぶ
  • Pythonで学ぶ深層学習(2)
    Pythonコードを基に深層学習について学ぶ.ニューラルネットワークの学習,損失関数,勾配法について学ぶ
  • Pythonで学ぶ深層学習(3)
    Pythonコードを基に深層学習について学ぶ.誤差逆伝搬法,計算グラフ,畳込みニューラルネットワークについて学ぶ
  • PyTorch演習 (1)
    PyTorchの演習を行う.PyTorchを用いて勾配の計算とパラメータの学習を行う
  • PyTorch演習 (2)
    PyTorchを用いて,ニューラルネットワークを実装し,学習,解析を行う

  • 教科書は使用せず,資料を配布する.参考書として,以下の本を紹介する.
    • 岡谷貴之,深層学習 (機械学習プロフェッショナルシリーズ),講談社,2015.
    • 新納浩幸,Chainer v2による実践深層学習,オーム社,2017.
    • 斎藤康毅, ゼロから作るDeep Learning――Pythonで学ぶディープラーニングの理論と実装, オライリージャパン, 2016.
    • Guido van Rossum, Pythonチュートリアル 第3版, オライリージャパン, 2016.
評価方法 enPiT-Pro Embの「名古屋大学車載組込みシステムコース」履修者がこの科目を受講した場合の修了認定基準は,次のとおりです.
  • 全時間数を出席していること,出席時間が必要条件に満たない場合は受講認定しない
  • レポートにより評価する
  • これまでに受講された方々の声
    • IoT環境というタイトルでしたが、実際には機械学習や深層学習の内容が中心でしたが、今まで理解できていなかったことが理解できてとても良かったです。ブレイクアウトルームでは、個別の相談もできて良かったように思います。
    • Pythonを用いた演習ができて,技術の本質の理解が進んだ.
    • 演習があるので,これから深層学習環境を構築しようとしている方に,お勧めできます.

    • こちらのオンライン講義実践ガイドページから,受講者の皆様からenPiT-Pro Embの講義について語っていただいた,受講者の声(インタビュー形式)がご覧いただけます.
    備考
    ページのトップへ戻る