Doorkeeper

データサイエンススクール 52

2020-12-19(土)13:00 - 17:00 JST
オンライン リンクは参加者だけに表示されます。

詳細

データサイエンススクール 52

データ科学は科学研究の基本の一つであり、本学における数多くの研究活動において活用されています。このデータサイエンススクールは「数理及びデータサイエンスに係る教育強化」拠点大学の活動として、多くの学生がデータ科学の最前線について知ることができ、さらにデータ科学の手法について、その利用法を体験しながら実践的に学ぶことができる機会を提供するように企画いたしました。

データ科学領域の最先端分野を基礎から学習・体験できるまたとない機会ですのでふるってご参加ください。

実施内容

Pythonによるディープラーニング中級

概要
本セミナーでは、プログラミング言語Pythonを用いて、CNNプログラムの作成をハンズオン形式で行います。
機械学習プログラムを作成したことがある方を対象に、セマンティックセグメンテーションを用いた画像分析を体験していただきます。

実施内容

  • セマンティックセグメンテーションとは
  • ツール紹介
  • データ準備/加工
  • 画像判定
  • 精度向上

開催日時・場所
日時: 2020年12月19日(土) 13:00 – 17:00
会場: 自宅からZoomで参加
講師: 速川 徹 (アクロクエストテクノロジー株式会社 テクニカルコンサルタント)
サポート: 阪本 雄一郎 (アクロクエスト),山本章博 (CIREDS),林和則(CIREDS),木村真之(CIREDS)
定員: 25名
備考: データ科学展望IV対象セミナー
(11月10日(火)~11月12日(木)は受講生向けの申し込み優先受付期間です。もし受講生以外の型が申し込まれ,かつ,定員を超えてしまった場合は,誠に申し訳ありませんがキャンセルさせていただくことがあります。どうかご了承ください。)
詳細はこちら(http://ds.k.kyoto-u.ac.jp/school/s52/)

事前準備
当日は可能な限りカメラのONをお願いします。

 演習時、参加者の皆さんの進み具合や困っている状況を把握し、サポートや進行の調整を行います。当日の進行をスムーズにするためにも、ご協力をお願いします。

当日までに次の準備をしておいてください。

1.Googleアカウントの用意
 本演習ではGoogle Colaboratoryを利用します。利用できるアカウントが用意できない場合は参加をお断りする場合があります。ご了承ください。
 参考:https://www.atmarkit.co.jp/ait/articles/1812/10/news145.html

2.前提知識の確認
 ニューラルネットワークによる画像分類の基礎知識を前提としています。あらかじめ以下を勉強しておいてください。
  - 下記の単語の意味は?
    損失関数、ハイパーパラメータ、活性化関数
  - 一般的な機械学習において、学習用データと評価用データを別にする目的は?
  - ニューラルネットワークにおける誤差逆伝播法(Back Propergation)の仕組みは?

3.ラベリングツール(labelme)のインストール
 当日、参加者の皆さんにラベリングを体験してもらうことになります。事前準備では、以下をお願いします。
  (1) ラベリングツールのインストール
  (2) 立ち上げの確認

 手順はこちらを参照してください。
 https://github.com/wkentaro/labelme

4.「Colaboratory へようこそ」というnotebookを読む
 基本的な操作に慣れておくために、下記URLのnotebookを読んでおいてください。Colaboratoryサービスの特徴や、基本的な使い方が書いてあります。
https://colab.research.google.com/notebooks/welcome.ipynb?hl=ja

以上

★サポートのためにSlackというSNSを利用します。開催日1週間前を目処に,登録されたメールアドレスに招待メールを送りますので,ログインしてください。

コミュニティについて

データサイエンススクール京都

データサイエンススクール京都

京都大学 国際高等教育院 附属データ科学イノベーション教育研究センター (CIREDS) 主催のデータサイエンスに関するスクール・セミナー・ワークショップなどを行います.京都大学の学生・研究者・教職員,および数理・データサイエンス教育強化拠点コンソーシアム, データ関連人材育成関西地区コンソーシアム,HeKKSaGOn参画の大学の学生・研究者を主たる対象としています.

メンバーになる