カリキュラムシート
分類番号 A404-025-A
| 訓練分野 | 電気・電子系 |
|---|---|
| 訓練コース | ディープラーニングシステム開発技術 |
| 訓練対象者 | 画像処理に従事する技能・技術者等であって、指導的・中核的な役割を担う者又はその候補者 |
| 訓練目標 | 画像処理の生産性の向上をめざして、効率化、適正化、最適化（改善）に向けたディープラーニングフレームワークによるディープラーニングシステム開発実習を通して、ＡＩによる画像分類技術を習得する。 |
| 教科の細目 | 内容 | 訓練時間（H） | うち実習・ まとめ（H） |
|---|---|---|---|
| １．コース概要及び留意事項 | （１）訓練の目的 （２）専門的能力の確認 （３）安全上の留意事項 |
0.5 | 0.5 |
| ２．ＣＮＮ概要 | （１）畳込みニューラルネットワーク（ＣＮＮ）概要 （２）データセット（例：ＭＮＩＳＴ）を用いたＣＮＮの実装 |
1 | 0.5 |
| ３．コードのメンテナンス性を高めるための手法 | （１）ハードコーディングからの脱却 （２）ニューラルネットワーク構造の可視化 （３）訓練状況の可視化 |
2 | 1.5 |
| ３．独自データセットによる画像分類 | （１）独自データセット（例：製造現場での数種類の製品画像データ） （２）画像分類ＣＮＮの設計と実装 （３）分類精度向上のための手法 イ．データ拡張 ロ．ドロップアウト ハ．バッチ正規化 ニ．早期終了 ホ．学習率の動的削減 へ．転移学習 ト．ファインチューニング |
6 | 5 |
| ４．画像分類モデルの活用 | （１）３で構築した画像分類モデルの活用 イ．バッチ処理アプリケーションによる推定 ロ．インタラクティブアプリケーションによる推定 |
1.5 | 1 |
| ５．推定結果に対する評価 | （１）３、４で構築した画像分類システムの推定結果に対する評価 イ．画像分類モデルの適合率、再現率、F値から見る評価 |
0.5 | 0.5 |
| ６．まとめ | （１）各実習に対する確認・評価及び講評 |
0.5 | 0.5 |
| 訓練時間合計 | 12 | 9.5 |
| 使用器具等 | ＧＰＵ搭載パソコン、ディープラーニングフレームワーク |
|---|---|
| 養成する能力 | 生産性の向上を実現できる能力 |
| 改訂日 | 2022.08 |