OS and Programming Language

• Docker 入門
• Linux 入門
• Texteditor 入門
• WebServer 入門
• Python Tutorials 入門
• Python Tutorials 応用
• Python 環境の構築：MacOS 編
• Python 環境の構築：Ubuntu 編
• C++言語入門
• C++ソースコードのビルド
• Markdown文書の作成
• Rust 入門
• Webデザイン入門
• jQueryを用いたWebデザイン
• Swift と Xcode 入門

　人工知能関連の領域で最も活用されている言語は、オブジェクト指向言語のPython と C/C++ だと思われます。プログラミング言語の筆頭であるC/C++言語のコーディング及びコンパイルの方法に関する簡単なチュートリアルのページを配置しました。また、インタープリータ言語の代表である Python のインストール方法、および、基本的な文法と使用法を説明します。Jupyter Notebook を使用したソースコードの実行、Matplotlib の使用方法、経済モデルのシミュレーションなどを紹介します。

　Web ページ作成に必須のHTMLとCSSの書き方の基本と、JavaScript ファイルの活用方法の初歩を説明します。続いて、webページのデザインに便利なjQuery の説明をします。この時、CodePenを利用します。さらに、マークアップ言語を簡略化したマークダウンによるディジタル文書の作成についても触れます。

　近年、C言語やC++に代わる高速で安全性の高いプログラミング言語としてRustの注目が高まっています。RustはMozilla社が支援するオープンソースのプログラミング言語であり、2015年に登場した比較的新しいプログラミング言語です。このRust言語の入門的説明を加えました。

C++ ソースコードのサンプル GitHub Repo

Python ソースコードのサンプル GitHub Repo

Introduction to AI & Deep Learning

• AI（人工知能）の基礎：ニューラルネットワーク入門
• Deep Learning の代表的モデル
• Deep Learning における最適化手法
• PyTorch 入門
• TensorFlow入門
• Scikit-Learn 入門
• Ubuntu 20.04LTS での Python 環境構築
• OpenCV 入門
• 機械学習の Python API とGoogle Colabの活用

　最初に、人工知能(AI)の理論的基礎をなすニューラルネットワークの理論、特に、多層パーセプトロン・モデルを初心者向けに説明します。多層パーセプトロンを拡張した畳み込みニューラルネットワーク（CNN）および、ディープニューラルネットワーク（DNN）の有用性を説明します。Deep Learning で必須の偏微分計算における逆伝播法と勾配法についても簡単に説明します。

　近年積極的に開発が進む人工知能の Python API (Application Programming Interface)のためのフレームワークの代表例を説明します。C++ APIについては省略します。広範囲な利用が進むフレームワークの代表はPyTorch と TensorFlow だと言われています。PyTorch の使用法、及び、TensorFlow の活用について簡単な説明をします。さらに、OpenCV, Scikit-Learn、および、機械学習の各種ライブラリを紹介します。また、Google Colabの無料GPUサービスの活用法についても簡単に説明します。

Deep Learning で使用される 入門用コードのGitHub Repo

OpenCV DNN モジュールを用いた 入門用サンプルコードのGitHub Repo

Deep Learning for Computer Vision

• Keras + TensorFlow を用いた画像分類の実例
• TensorFlow を用いた物体検出の実例
• Pytorch で画像分類と転移学習
• Pytorch を用いた物体検出の実例
• Pytorch を用いたYOLOモデルの学習
• Caffe2 と Detectron2 を用いた機械学習
• 画像生成（DCGAN 、 CycleGAN & StyleGAN ）の Python 実装
• Anomaly Detection: Autoencoder & GANs
• 画像スタイル変換（Deep Dream と Style Transfer ）の Python 実装
• Intel Movidius を用いた物体検出の実例

　各種のPython APIを用いて、人工知能の骨格である機械学習の基本的モデルとなっている畳み込みニューラルネットワーク（CNN）および、ディープニューラルネットワーク（DNN）を実装します。Deep Learning を実装するために活用される主要な Python API を実装するために、 TensorFlow 、 Pytorch 、Caffe2、Detectron2 などをインストールする方法や基本的な使用方法を説明します。

　ニューラルネットワークによる画像の生成モデルは GAN (Generative Adversarial Nets) です。敵対的生成ネットワーク (GAN）の理論的背景について解説します。また、GAN の改良版の DCGAN 、CycleGAN 、 Style Transfer などのモデルを Python で実装して、活用する方法を説明します。さらに、GAN から発生してきた異常検知モデル（Anomaly Detection）の使用方法についても説明します。

TensorFlow、PyTorch による画像分類で使用される Image Classifier の GitHub Repo

Tensorflow、 Pytorchによる物体検出で使用される Object Detection の GitHub Repo

YOLO モデルを学習するための コード の GitHub Repo

Caffe2 & Detectron2 で提案された物体検出コードの GitHub Repo

DCGANS for Pytorch and Tensorflow で使用されるコードの GitHub Repo

CycleGAN for Pytorch and Tensorflow で使用されるコードの GitHub Repo

StyleGANS for Pytorch and Tensorflow で使用されるコードの GitHub Repo

A Neural Algorithm of Artistic Style の Pytorch 実装で使用されるコードの GitHub Repo

A Neural Algorithm of Artistic Style の Tensorflow 実装で使用されるコードの GitHub Repo

Real-Time Style Transfer の Pytorch 実装で使用されるコードの GitHub Repo

Real-Time Style Transfer の Tensorflow 実装で使用されるコードの GitHub Repo

Deep Learning for Natural Language Processing

• MeCab+Gensim+fastText による日本語処理
• spaCy と GiNZA を用いた日本語処理
• BERT(Pytorch_transformers)を用いた日本語処理
• MeCab+NLTK による自然言語処理
• Chatbots and AI Assistants
• RNNやLSTM を用いた時系列データの予測

　チャットボットによる自動音声応答システムがスマホでも利用できるようになってきました。チャットボット（chatbot）とは人工知能を活用した「自動会話プログラム」のことですが、この理論的背景は自然言語処理を可能にした人工知能の開発に依存します。Deep Learning を用いた自然言語処理に必要な構文解析問題やテキスト分類問題を説明して、それらの解決のために必要なPython ライブラリの実装について説明します。

　日本語処理に必須の MeCab の説明から始めます。その後、Gensim や FastText を活用した日本語処理の方法を説明します。一般的なPython API ライブラリとして、GiNZA + SpaCY およびBERT（Pytorch_transformers）を用いたNLP、テキストマイニングや単語推論なども取り上げます。そして、NLTK を用いた言語処理についても説明します。RNN 、 LSTM を用いた時系列データの予測問題も取り上げます。また、会話ロボットのchatbotsの仕組みについても説明して、chatbotsの構築方法を取り上げます。

Mecab + Gensim を用いた日本語処理で使用されるコードの GitHub Repo

Bert_Transformers の日本語処理で使用されるコードの GitHub Repo

RNN および LSTM の Python 実装されたコードの GitHub Repo

Edge Computing & IoT

• Raspberry Pi のセットアップ
• Raspberry Pi で ディープラーニング
• Raspberry Pi で Computer Vision
• Jetson Nano のセットアップとAI入門
• Jetson Nano で ディープラーニング
• Jetson Nano で Computer Vision
• Google Coral TPU で Edge Comupting
• Intel Movidius NCS で Edge Computing
• Raspberry Pi で IoT: 電子工作
• iOS モバイル機器に Core ML アプリを実装

　シングルボード・コンピュータの代表的な機器は英国ラズベイパイ財団が開発したRaspberry Pi と、半導体メーカーNVIDIAが販売する（Jetson シリーズの） Jetson Nano です。Raspberry Pi はGPUを搭載しないCPUのみのコンピュータですが、Jetson Nano はGPU+CPUを搭載したコンピュータです。Raspberry Pi 及び Jetson Nano をIoT 向けの サーバー として利用した edge computingの構築を試みます。

　Raspberry Pi 及び Jetson Nano に Web カメラを装着したライブ映像からの物体推論をリモートPCを介して実行します。また、Raspberry Pi に Google Coral TPU Accelerator や Intel Movidius NCS をUSB 接続して、ライブ映像から物体検出を行います。

Introduction to Robotics

• Jetson Nano Mouse ロボットの操作
• Jetson Nano Mouse ロボットのリモート操作
• Raspberry Pi Mouse ロボットの操作: Ubuntu 20.04
• Raspberry Pi Mouse ロボットの操作: Ubuntu 16.04
• ROS によるロボット操作 入門: ROS-Kinetic Kame/a>
• ROS によるロボット操作 入門： ROS-Noetic Ninjemys/a>
• ROS2 によるロボット操作： ROS2-Foxy Fitzroy/a>
• URDF モデルを用いたロボット・シミュレーション
• Unity-ROSを用いたロボット・シミュレーション
• GitHub Repo

  Raspberry Pi Mouseのセンサーおよびモーターの起動のためのコードの GitHub Repo

  Raspberry Pi MouseのRemote web control のためのROSコードの GitHub Repo

  Raspberry Pi Mouseを壁に沿って走らせるROSコードの GitHub Repo

  Jetson Nano Mouseの操作のためのROSコードの GitHub Repo

Computer graphics

• OpenGL を用いて 3D CG を作成する
  
• WebGL を用いて Web 上に3D CGを表示する
  
• Three.js を使用して Web に 3D CG を表示する
  
• Blender で 3D アニメーション CG を作成する
  
• Metal で computer graphics を作成

　WebGLとは、Webブラウザ上（ホームページ上）で、三次元のCGをリアルタイムに表示して動かせるオープンソースのグラフィックAPIです。OpenGLから派生したOpenGL ESの3D APIをWebブラウザに移植したものです。WebGLを用いて３DCGを作成することを試みます。JavaScript ライブラリのThree.js を使用して Web に 3D CG を表示してみます。3DCGアニメーションを作成するための統合環境アプリケーションで、オープンソースのフリーウェアのBlender の活用についても説明します。

(Last updated: 2022.4.3)

---

右側の画像は Google Deep Dream Generator を用いて描画しています。原画は左側にある画像です。関連するページはDCGAN & CycleGAN のPython 実装です。

江ノ島に落ちる夕日：腰越海岸から	AIでゴッホ風に画像編集した江ノ島に落ちる夕日
コンチネンタルホテルとコスモクロック21	AIで画像編集したみなとみらい
野辺山：遠くに八ヶ岳を望む	AIで画像編集した野辺山
平沢峠：獅子岩	AIで画像編集した獅子岩
八ヶ岳連峰の赤岳	AIで画像編集した八ヶ岳連峰
八ヶ岳高原ラインの赤い橋：東沢渓谷	AIで画像編集した赤い橋