Pythonによる画像処理の基礎と機械学習 20221125

通常価格:¥44,000 税込
¥22,000 税込
カートに追加しました。
お買い物を続ける カートへ進む

Pythonの基本から画像認識、機械学習、畳み込みニューラルネットワーク

弊社書籍「Pythonライブラリの使い方」をプレゼント

~ Pythonで始める画像処理と機械学習入門、ニューラルネットワーク、学習済みモデルを用いた認識とファインチューニング ~

・画像処理、機械学習、深層学習の実装方法や学習のコツ、応用事例などを修得し、システム開発へ活かそう!

講師からの言葉

 本講座は、カメラの高性能化や廉価化、CPUの高速化により、近年発展の著しい画像処理技術と、これまでの画像処理とは異なる方法で、画像処理の対象としていたタスクに関して著しい発展をみせる機械学習による画像分類について扱います。画像処理も機械学習もPythonのライブラリが充実しているため数学的な理解が深くなくても講義を受け、実際に体験することで、簡単にみなさんがお持ちのデータに応用してみることができます。

 本講座では、画像処理・機械学習のプログラムを学ぶのに必要なPythonプログラミング、画像処理・機械学習とともに使われる数値計算ライブラリ、グラフ表示ライブラリの説明を行い、画像処理、機械学習の技術を基礎から説明します。画像処理にはデファクトスタンダードであるOpenCV 4.5を用い、また機械学習に関しては、初心者でも高度な機械学習が行えるTensorFlow 2.7(Keras)を用います。自前の画像データを用いる具体的な手法をサンプルプログラムとともに説明することで、画像処理や機械学習をみなさんがお持ちの画像データで試せるようになります。また、本講座で使用し、体験した約30個のプログラムは配布しますので後で業務に活用することが可能です。

セミナーの詳細

セミナー番号20221125
日時2022年11月25日(金) 10:30~16:30
講師松田晃一 大妻女子大学元教授、博士(工学、東京大学)
定員20名
最低履行人数1名
受講料(税込) お一人様受講料:44,000円 22,000円 (2022年11月から2023年2月まで)
受講者の方へ
書籍プレゼント
『Pythonライブラリ使い方』
場所Zoom(オンライン)
プログラム
  1. Python概説(画像処理・機械学習に必要なPython)
  2. 数値計算(NumPy)、グラフ表示(matplotlib)入門
  3. 画像処理(OpenCV)
    • 画像処理の基礎、画像とは何か?ピクセルとは何か?
    • OpenCVとは?インストール方法
    • 画像の表示、ピクセルへの直接アクセス
    • 幾何的画像処理(アフィン変換、射影変換)
    • 光学的画像処理(画像の色変換、グレースケール処理、2値化、膨張、収縮処理)
    • 幾何学形状の抽出(線の抽出、円の抽出)
    • フィルタ処理(ノイズ処理、エッジ抽出)
    • 物体検出(テンプレートマッチング、局所特徴量に基づく物体検出、顔検出)
  4. 機械学習による物体認識基礎
    • 機械学習の基礎、パーセプトロンとは何か?重み、バイアス
    • 手計算によるパーセプトロンの体験と、NumPyによるパーセプトロンの実装と学習
    • 多層パーセプトロンと深層学
    • scikit-learnとは?インストール方法
    • scikit-learnによる多層パーセプトロンを用いた機械学習
    • TensorFlow2.7とは?
    • TensorFlow2.7(Keras)による多層パーセプトロンの実装
    • 畳み込みニューラルネットワークとは?
    • TensorFlow2.7(Keras)による畳み込みニューラルネットワークの実装
    • 自前のデータを用いた学習(ImageDataGeneratorとデータの水増し)
    • 学習済みネットワークの活用とファインチューニング
    • Google Collabratoryとは?
  5. まとめと今後の展開
受講の条件 受講対象者
  • パターン認識・機械学習について学びたい方
  • Pythonによる実装について興味がある方
  • 深層学習(Deep Learning)を実際に動かしてみたい方
  • システムソフト部門の技術者の方
予備知識
  • 何らかのプログラミング言語の経験
  • 数学の基礎的な知識
  • パターン認識や機械学習、深層学習という言葉を聞いたことがある
修得知識
  • パターン認識・機械学習の基礎知識
  • Pythonのプログラミング
  • 機械学習、深層学習の実装方法
ページトップへ