AI：モデルのトレーニング

ジュニア部門カリキュラム AI：モデルを鍛える
  • AIモデルをトレーニングするプラットフォームを決める
  • 初期データセットを収集し、プロジェクト用のAIモデルのトレーニングを開始します。

このレッスンのアクティビティ：

あなたのデータセット

ここまでで、あなたはデータセットのためのデータを集めたはずである。覚えておいてほしいのだが、データを集めるには3つの方法がある：

  1. トレーニングデータを収集する コミュニティ
  2. センサーによるデータ収集 センサーまたはユーザー入力
  3. 公共データ 公共データセットトレーニングデータ

 

また、画像、テキスト、サウンド、ポーズなど、データセットに使用するデータの種類も決めておく必要がある。 

あなたのデータセットは、以下の基準を満たしている必要があります：

  • 正しい適切なデータ
  • たくさんの例
  • 多様な例 - 多様で代表的なもの（偏りのないもの）

トレーニングプロセス

入力データ

アップロードするか、ウェブカメラで撮影する。

電車

データを学習アルゴリズムに通す。

テスト

新しい入力を使って、モデルが正確かどうかをチェックする。

プラットフォームを選ぶ

選択するプラットフォームは、以下を可能にするものでなければならない：

  • 適切なデータ型（画像、サウンド、テキストなど）をトレーニングする
  • モデルを使用して、提案するソリューション（ウェブまたはモバイルアプリ）に統合する。

これらのプラットフォームに限定されるわけではないが、これらはモバイルやウェブアプリと統合するためのシンプルでユーザーフレンドリーなオプションである。

あなたのプロジェクトに最適なプラットフォームは、データセットのデータの種類によって異なります。 

1つまたは2つ以上のプラットフォームのチュートリアルを試してみて、どのプラットフォームがあなたのプロジェクトの目標達成に役立つかを確認しましょう。

ウェブサイトhttps://teachablemachine.withgoogle.com/

分類の種類：イメージ、サウンド、ポーズ

Technovationの統合： App Inventor、Python、APIを使用したその他のインテグレーション

ここでは、異なるデータ型を使ってTeachable Machineを試すための3つのチュートリアルを紹介します。

ウェブサイトhttps://machinelearningforkids.co.uk/

分類の種類：画像、音声、テキスト、数字

テクノベーションの統合： App Inventor、Python

Machine Learning for Kidsには、より多くのことを学ぶためのチュートリアルとワークシートがあります。 

教師用アカウントにサインアップするには、指導者または教師が必要です。その後、あなたのために学生アカウントを設定することができます。

 

MachineLearningForKidsを使った例やチュートリアルをご覧ください。

ウェブサイトhttps://appinventor.mit.edu/explore/ai-with-mit-app-inventor

分類の種類画像、サウンド、ポーズ、フェイスメッシュ

テクノベーションの統合App Inventorモバイルアプリ

すでにApp Inventorをプロジェクトのコーディング・プラットフォームとして使用しているなら、これは良い選択肢だ。

チュートリアルをいくつか紹介しよう：

ウェブサイトhttps://www.ximilar.com/services/computer-vision-platform/#image-classification

分類の種類イメージ

テクノベーションの統合：Thunkable、ウェブアプリ（APIを使用）

他にも選択肢はあるが、Thunkableをコーディング・プラットフォームとして使うなら、これがいいだろう。

このチュートリアルの前半で、Ximilarの使い方を学んでください。後半は、Thunkableとモデルを統合する次のユニットで紹介します。

上記のプラットフォームは、AIモデルをトレーニングし、使用するための簡単なオンランプを推奨しているに過ぎない。

もっと高度なAIツールもたくさんあります。そのいくつかは、「その他のリソース」のセクションにリストアップされている。これらのツールは、Java、Python、Swiftのような高度な言語を使用する必要があり、API（Application Programming Interface）を使用する必要があります。

アクティビティ：モデルのトレーニング

所要時間：60分

データセットを使ってAIモデルをトレーニングする

  1. プロジェクトに適したプラットフォームを選択する。
  2. データセットを使ってAIモデルをトレーニングする。
    • もし、あなたのデータセットの例をすべて集めきれていないのであれば、持っているものを追加してください。
    • さらにデータを集めながら追加していく。
    • プロジェクト/モデルを保存して、後で参照できるようにします！
  3. AIモデルをトレーニングした後、いくつかの追加例でテストする。これらのテスト例は、使用したトレーニング例とは異なるものでなければなりません。
  4. モデルの精度があまり高くない（70％以上）場合は、トレーニング例を追加し、再トレーニング、再テストを行う。

ベストプラクティスモデルのトレーニングは難しい！グーグルでさえ間違っている。彼らのAIは訓練されたが、それでも間違った結果を出力し始めた！あきらめないで！

生徒への質問AIモデルの精度はどの程度にしたいですか？100％正確でない場合、許容できる答えは？80％の確率？それは、そのモデルを何に使うかというリスクによるのでしょうか？例えば、自動運転車はかなり正確でなければならないが、そうでなければ誰かを傷つけるかもしれない。 

メンターTipsは、AmeriCorpsから提供されたものです。

様式化されたA、ネイビーでAmeriCorpsのロゴ

振り返り

このアクティビティは、モデルのトレーニングに過ぎない。

次のユニットでは、作成したモデルをソフトウェア・プラットフォームに統合し、実用的なアプリに仕上げます。

選んだプラットフォームがプロジェクトに適している理由は？
AIモデルを構築して、何を達成したいとお考えですか？
選んだプラットフォームが目標達成に役立つと確信していますか？

主な用語のおさらい

  • プラットフォーム- ユーザーがタスクを実行したり、ツールを使用できるようにするソフトウェアまたはウェブサイト
  • 分類- 異なるデータを識別または分類するために使用される機械学習モデル

追加リソース

AIモデルを構築するための、より高度なプラットフォームをいくつか紹介しよう。

注： これらのツールを使用する場合は、必ず価格を再確認してください。 アプリを使用するユーザー数によっては、無料で使用できるツールもあります。

前のレッスン
コースに戻る
次のレッスン