カリキュラムシート
分類番号 A404-026-A
| 訓練分野 | 電気・電子系 |
|---|---|
| 訓練コース | ディープラーニングによる正常・異常検知技術 |
| 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 | 画像処理の新たな品質の創造又は製品を生み出す能力をめざして、高付加価値に向けたディープラーニングによる製品の正常・異常検知システム開発実習を通して、ＡＩによる製品の正常・異常検知技術を習得する。 |
| 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 | |
| ２．ディープラーニングプロジェクトの進め方と開発環境 | （１）ディープラーニングプロジェクトの全体像 （２）プロジェクトにおける各プロセスの役割と目的 （３）ディープラーニングフレームワーク・環境・ハードウェア （４）開発環境の構築 |
6 | 5 |
| ３．機械学習・ディープラーニング概要 | （１）機械学習（従来型）とディープラーニングとの違い （２）ニューラルネットワーク （３）畳み込みニューラルネットワーク （４）タスクとモデル （５）ＯｐｅｎＣＶを利用した画像処理 |
5.5 | 4 |
| ４．ＡｕｔｏＥｎｃｏｄｅｒによる正常・異常検知実装実習 | 実習例：ネジの正常・異常検知 （１）ＡｕｔｏＥｎｃｏｄｅｒとは （２）Ｃｏｎｖｏｌｕｔｉｏｎａｌ ＡｕｔｏＥｎｃｏｄｅｒの実装 （３）ＡｕｔｏＥｎｃｏｄｅｒのデータ準備 イ．画像データ収集における注意点 ロ．データオーグメンテーション （４）ＡｕｔｏＥｎｃｏｄｅｒによる学習と推論 （５）評価（正解率・再現率・適合率・Ｆ値） （６）性能向上のための画像処理 |
5.5 | 4 |
| ５．まとめ | （１）全体的な講評 （２）質疑応答 |
0.5 | |
| 訓練時間合計 | 18 | 13 |
| 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 | 新たな品質の創造又は製品を生み出すことができる能力 |
| 改訂日 | 2023.08 |