Stage 3 AIコース
- AIの基礎について包括的に学ぶコースです
- 演習を通して、様々なAIの特徴と可能性を理解できます。
- AIに興味のある方、業務にAIの導入を検討中の方にお勧めです。
AIを幅広く理解
受講の方法
3-1基礎：
PCまたはスマートフォン／タブレットを使って、研修テキストを閲覧します。
3-2演習：
様々なAIを北海道大学D-REDのGPUサーバー上で動作させ、結果を観察します。
（ともにオンデマンド形式で、いつでも好きな時に受講できます）
テキスト閲覧・演習実施時間
合計約4時間（見込み）
受講に必要なハードウエア
3-1基礎：
インターネットにアクセスできるPC（ブラウザを使用）、またはスマートフォン／タブレット（専用アプリ・Moodleまたはブラウザを使用）
3-2演習：
インターネットにアクセスできるPC（ブラウザを使用）
修了判定
受講後にチェックテストに合格し、アンケートを送信することで、修了証DREP”3 Stars”を発行します。（合格ラインは80点／複数回受験可）
3-1基礎カリキュラム詳細
AIの歴史や理論、応用例を学び、正解率・適合率等のAIの学習結果の評価方法などを理解します。
| 単元 | 内容 |
|---|---|
| AIの歴史と応用分野 | ・人工知能研究の歴史 ・人間の知的活動に関わる人工知能技術の活用 ・機械学習・深層学習を中心とした人工知能技術の開発ツール |
| 機械学習の基礎と展望 | ・機械学習の基本的枠組み、教師あり学習と教師なし学習 ・過学習の概念と正則化法の重要性 |
| 深層学習の基礎と展望 | ・ニューラルネットワークモデルの原理、学習方法、応用事例 |
| 認識 | ・AIにおける認識の概念、画像と音声について実社会の活用事例、その技術を実現するための処理 ・物体や音といった実世界の現象をコンピュータに取り込むとどのようなデータになるか、その性質や注意すべき点 |
| 予測・判断 | ・機械学習の予測モデルや、予測された結果の評価方法 |
| 言語・知識 | ・人間の知的活動に関わる人工知能技術の中で言語・知識に関わる技術 |
| 身体・運動 | ・物理的な空間でのコンピュータと人間の接点を作り出す、ロボット技術 ・ロボット技術における身体の動き、運動を実現するアクチュエータや、知覚・感覚としての働きを持つセンサー技術 ・ロボットとAIの関係、ロボットのためのデータサイエンス技術 |
| AIの構築・運用 | ・AIの運用方法 ・今後、AIが社会に受け入れられるために考慮すべき点 |
| AIの適用方法 | ・AIの開発方法・学習・評価方法 |
3-2演習詳細
AIの基礎的仕組みを学び、北海道大学D-REDのGPU上で各AI（画像分類AI／物体検出AI／セグメンテーションAI／姿勢推定AI／属性認識AI／生成AI）を動作させて、各々のAIの特徴と可能性を理解します。
AI演習／物体検出AI
画像分類AI、物体検出AI、マルチモーダル（生成AI）は、一般向け／インフラ管理組織向けがあり、受講者の関心に合わせて選択して受講します。
| 演習課題 | 内容 |
|---|---|
| AIの基礎的仕組み | 過学習の原因を理解する |
| 画像分類A | 【一般向け】学習済みモデルの画像認識性能を確認する 【インフラ管理組織向け】モデルの再学習により附属物画像の損傷分類に対応可能であることを確認する |
| 物体検出AI | 【一般向け】学習済みモデルを用いて領域検出が可能であることを確認する 【インフラ管理組織向け】モデルの再学習により道路面の画像における損傷検出が可能であることを確認する |
| セグメンテーションAI | ピクセルレベルで物体の領域を検出可能であることを確認する |
| 物体検出とセグメンテーションの融合 | 指定したクラスラベルに応じて、対象物体がセグメンテーションされることを確認する |
| 姿勢推定AI | 人間の骨格情報が画像から自動抽出できることを確認する |
| 属性認識AI | 人間の属性情報を抽出可能であることを確認する |
| 画像生成AI | 多様なキャプションから画像を生成可能であることを確認する |
| マルチモーダルモデル（生成AI） | 【一般向け】視覚的質問応答が可能であることを確認する 【インフラ管理組織向け】道路面の画像に対して視覚的質問応答が可能であることを確認する |