安価で手軽に活用できるようになったAI技術とIoT機器。これらを活用することで、業務(製造ライン)の可視化や外観検査等のためのシステムが比較的容易に構築できることを、実習を通じて体感する。実習では、センサデータの取得に始まり、アクチュエータ(モータ)制御、クラウドでのデータ収集と可視化、AIの実装に取り組む。実装に使われている技術や機器についての知識を深めることにより、複雑なシステムでなければ、AIやIoT技術導入のハードルが高くないことを知ってもらい、その後のAIやIoT技術の手の内化のきっかけにして欲しい。
科目一覧
Laboratory on AI and IoT for manufacturer
AIも組み込める基本的なIoTシステム構築方法を理解する
製造業 AI・IoT ラボ
担当講師 | 永山 忍、市原英行、児島彰(広島市立大学大学院) |
---|---|
分類 | ラボ |
授業形態 | 対面 |
授業形態詳細 | 本科目は対面方式にて実施するため、広島市立大学での受講となります。 受講日時については日程表をご確認ください。(4コマ x 4日) |
時数 | 16コマ |
時間数 | 24時間 |
到達目標 | ・演習を通じてIoT機器の基本的な活用方法について理解する。 ・演習を通じてAI技術の基本的な活用方法について理解する。 ・演習を通じてAIとIoT技術を用いた基本的なシステム構築方法を理解する。 ・AIやIoTによるサイバー空間と現実課題とのつながりを理解する。 |
難易度 | ★★★ |
分野別難易度 | Linux:★ Python:★ 機械学習:★ 画像処理:★ ※履修モデルならコース内で学習できます。 ※Linuxにあまり詳しくない方はある程度自学しておくことをおすすめします。 |
履修上の注意 | この科目は「製造業 AI・IoTモデル」のラボ科目です。 同モデルの事前学習科目はこちら(推奨科目) ・Python入門 ・画像処理 ・深層学習 すでに上記いずれかを習得済の方へのおすすめ(取替可) ・IoT概論 ・Linux OSの簡単な操作や、Pythonの簡単なプログラミングができること。 ・画像処理や機械学習(AI)の基礎知識を有していると実習の理解が深まる。 |
授業計画 ・内容 |
1回あたり2コマずつの実習とします。 (1) 作成予定のシステムの概要説明および機器等のセットアップ (2) RaspberryPi上での組込みプログラミングによるセンサデータ・カメラ画像等の取得 (3) RaspberryPi上での組込みプログラミングによるアクチュエータ(モータ)制御 (4) RaspberryPiによるセンサデータに基づくアクチュエータ制御 (5) RaspberryPiからクラウドサーバーへのセンサデータの送信とデータの可視化・分析 (6) AI活用フロー(学習用データの収集、学習、パラメータ調整、推論)の概要説明 (7) RaspberryPi上でのAIモデルの実装 (8) 構築したシステムの動作確認と今後の発展・応用についてグループディスカッション |
事前・事後学習 の内容 |
あらかじめ提供された教材を予習しておく。 事後に実習内容と課題をまとめたレポートを提出する。 |
成績評価の 方法 |
レポート内容および実習に取り組む姿勢で評価する。 |
教科書 ・参考書等 |
教科書:特になし その他、授業中に必要な資料を配布します。 |
キーワード | Pythonプログラミング、RaspberryPi、機械学習・深層学習、画像処理 |
日程 | 2/28(金) 13:00 - 18:00、3/1(土)13:00 - 18:00 ※授業は録画して、アーカイブとしても提供します。欠席者は次週までに、録画を見ながら自己学習を行ってください。 3/7(金)13:00 - 18:00、3/8(土)13:00 - 18:00 ★4日間とも、授業終了後に90分程度の宿題を課す予定です。 |