けんちゃんのＡＩ Quest攻略日記#16「ハンズオン講座（Day３）を開催しました」
こんにちは！デジテック運営事務局のケンタです。
本日は、やまぐちAI Questの開始から５１９日目です。攻略日誌もようやく１６回目を迎えました。今回は１０月２２日（土）にＹ‐ＢＡＳＥで開催したやまぐちAI Questハンズオン講座（Day３）の様子をお伝えします。
（Ｄａｙ３カリキュラム）
9:30 ~ 12:20 成果発表 「画像ラベリング！」
12:20 ~ 13:30 昼休憩
13:30 ~ 16:00 成果報告 「自由研究」
16:00 ~ 16:10 まとめ
前回までのおさらい
本講座では画像分類をテーマにDeep Learning（深層学習）に挑戦します。
Pythonを使った画像処理とDeep Learningのキホンを理解し、Kerasの実装方法とチューニング手法の習得を目標としています。
参加者は、７月３０日からの３か月間、２つの課題テーマに取り組みながら高精度な予測モデルの作成に挑戦しました。
今回は、それぞれ個性的な研究テーマに関する取組成果を発表します！
課題①：「画像ラベリング！」
今回は日常生活の様々なシーンで遭遇するような内容が写った画像データ（学習用画像データ10,000枚）に対して、20種類のラベルから1つを割り当てるモデルの作成に挑戦していただきます。
何をすれば分類の精度が上がるのか？色々と遊びながらたくさん試行錯誤することでチューニング手法を習得し、モデル精度の向上を目指します。
課題②：「自由研究」
参加者が自ら画像分類に関する分析テーマを決めていただき、関係データを収集し、高精度な画像分類モデルの作成を目指します。
「画像ラベリング！」コンペの成果発表
コンペ結果は、上記のとおりでした。
ここでは、それぞれの仮説や分析手法・分析結果の詳細は省略させていただきます。これから同じようなテーマで学習される方もいらっしゃると思いますので、ネタバレを避けつつ紹介させていただきます。
結果を見ると、皆さん素晴らしいスコアを叩き出しています。特に、トップの方は、精度評価『0.932』というハイスコア。人間の認識率の限界に迫る非常に優秀なモデルを作成されていました。まさに感服です！
それぞれ取組み成果の発表後、高田講師から講評をいただきました。
・今回はデータサイズが小さいので、K分割法も有効なようです
（複数の画像パターンの学習で精度が向上したのかな）
・学習モデルにはよっては画像サイズがとても重要でリサイズは効く
（サイズにより読み取れる情報が変わってくるので）
・今回、Date Augumentationが効きにくかった。
（画像サイズが小さいので、そもそも画像から得られる特徴量が少ない）
・Mixup（複数画像を合成して新しい画像を作成する手法）が効いていた。（カテゴリーの境界線を上手く学べたことが精度向上のポイント。）
『ここまでチューニングできれば、既に初心者ではありません』
このようなお言葉もいただきました！自分のことのように嬉しいです！
「自由研究」の成果発表
続いて、自由研究についての発表です。
それぞれ、取組内容やスコア変遷、工夫した点や苦戦した点、今回学んだ点などについて発表いただきました。
ここでも、ネタバレを気にしつつ、課題テーマのみご紹介します。タイトルを読んだだけでもユニークで興味ひかれる面白そうな内容です！
「AI画像判定ミックス・ベジタブル」
～自宅で栽培している５種類の野菜をＡＩで画像判定！～
「馬と鹿の２クラス問題」
～ＡＩは空気を読んで「鹿」を「馬」と解答できるのか⁉～
「ダムの型式判定」
～重力式ダム・アーチ式ダム・ダムカレーを写真から判別！～
「自作絵とＡＩ作成絵の分類」
～人とＡＩどちらが描いた絵か予測する！～
「ゆで卵と生卵の分類」
～回避できるか!? ゆで卵と思って割ったら生卵！～
「マリーゴールドの花柄を探せ」
～花がらを識別できるようにしよう～
「タイヤサイズの読み取り」
～スマホ画像からタイヤサイズの読み取りにチャレンジ！～
「ミニ花図鑑」
～花の画像から、その名前を推測！～
「海上自衛 隊水上艦艇・潜水艦の分類」
～同じような艦船の形状をどれだけ見分けることができるか!? ～
発表後、講師から課題設定時のポイントなどコメントいただきました。
・被写体が、判別に必要な情報量を含んでいるのかどうかがポイント
・人間が判断できないことはＡＩでは代替できない
・文字に関する画像情報は、OCR抽出してから分類するのも有効
・利用シーンを想定すると、データの取得方法を変わってくる
・いろいろなモデルを試してみるのが良いです
・画像のリサイズは非常に重要ですね
『今回発表いただいた内容、特に、精度向上にどのように取り組んだのか、その方法を皆さんで共有していただきたい！コンペでは、通常、予測精度の結果は公表されますが、途中の取り組み内容は公開されません。どのような手順で、どう工夫したら上手くいったのか、上手くいかなかったのか、など発表を通じて知ることができる。今回の発表会の一番良いとろだと思っています。皆さん非常に良い発表だったと思います。データの重要性など、今回の体験された経験を大事にしていただきたいなと思います。』
と講評いただきました。
私が言うのも恥ずかしいのですが、今回も有意義で楽しいハンズオン講座だったな～！という感じで発表会は終了しました。
あとがき
講師の皆様、大変ありがとうございました。
参加者の皆様、大変お疲れ様でした。
長いようで短かったかなという感想もありますが、なんとか無事、最後まで開催することができました。とても嬉しく思っています。
『結局やってみないと分からない!?というのがディープラーニングの一番の難しいところ。今回学んでいただいた精度向上の方法について、色々と遊びながら、たくさん試行錯誤してください。』
講座の初日に、高田講師からこのようなお話がありました。皆さん、楽しみながら取り組んで、やり切っていただけたかな！と思っています。
また、今回は、データサイエンス中級者向けの講座ということで、苦戦された方もいらっしゃったようです。
ただ、「難しかったという体験」や、「トライしてなるほど！という体感」を通じて「業務などに活用していただく」これが今回の講座の目的でした。皆さん、良い感じで体験されたのではないでしょうか！
今後、ＡＩを活用できる人材はますます必要とされる材です。デジタル技術を使って課題を解決して生活をより良くする。今回は、そういったＡＩ人材の育成を進められたかなと思っています。
ハンズオン講座は、今後も開催したいと思っています！
次回は、もっと多くの方に参加していただける講座にしたいな～！
今回の参加者は、是非とも次回のメンターとして参加していただこう！！
次回ハンズオン講座にも是非ご期待ください！
と思いつつ、今回はこのあたりで終わりとさせていただきます。
最後までお読みいただきありがとうございました。