- さまざまなタイプのデータセットについて学ぶ
- 何かを予測するプロジェクトのAIモデルのデータセットを計画し始める。
このレッスンのアクティビティ：
健康データセット
何かを分類できるAIモデルを作る最初のステップは、データセットを計画することだ。
健康なデータセット
多くのデータ
データのさまざまな例
適切なデータ
正しい行動や決断
AIはデータを必要としている
データセットの例を集めるときには、次のような特質に留意すること。
数量
モデルに与える例が多ければ多いほど、より良い結果が得られます。各クラスに少なくとも50の例を与えましょう。
バランス
どちらか一方に偏るのを防ぐため、各クラスに同じ数の例を用意する必要がある。
テストデータ
学習したモデルをテストするために、サンプルの一部を別にしておきます。モデルが正確かどうかをテストするために、モデルの訓練に使われなかったいくつかの例が必要です。
データの10-20％はテストデータであるべきです。
多様性
また様々な例を挙げたい。
例えば、誰かがマスクを着用しているかどうかを検出するAIモデルを作成するとします。様々な例を反映した画像を収集すべきです：
- マスクの種類と色
- さまざまな人々 - 性別、人種、年齢
- さまざまな背景 - 屋内、屋外、明るい、暗い
- ヘッド角度の違い
- フレーム内での頭の位置の違い - 近い、遠い、左側、右側
マスククラスに対して、青いサージカルマスクを着用した白人男性の画像のみを用いてモデルを訓練した場合、どうなるでしょうか？紫色のマスクを着用した有色人種の女性があなたのモデルを使用すると、どのような結果になるでしょうか？どのように分類されると思いますか？あなたのモデルは良好な性能を発揮するでしょうか、それともしないでしょうか？
データの種類
データセットはまた、正しい種類のデータでなければなりません。あなたのプロジェクトに適したデータタイプを選んでください！選択肢は以下の通り：
数字
統計データ、人口統計情報、センサーデータ
Text
メッセージ、ソーシャルメディアへの投稿、書籍、記事、ウェブサイト
Sound
音楽、録音、声
画像
顔、場所......何でも！
AIはあなたに力を与える
何がデータセットに含まれるかを決定することで、次のことが可能になる。絶大な力!
データセットに何を入れるかを決めることは、 非常に大きな力を与えてくれる！
を使うよう注意すること。 たくさんののデータを使用するよう注意すること、 異なるデータ、そして 適切なデータの種類。
そうでなければ、AIモデルは
- あまり正確ではない
- 予想が外れることがある
- 間違った行動を取る。
健全なデータセットを作るためのデータ収集に時間をかけることは、モデルを成功させるために不可欠である。
データ収集
モデルをトレーニングするためのデータを収集するには、3つの方法があります。
あなたのプロジェクトが地域社会に直接焦点を当てている場合、地域社会はあなたが必要とするデータを提供する論理的な場所になるかもしれません。データの使用許可を得ていることを確認してください！
あなたのコミュニティではどのようにデータを収集しますか？
- 写真を撮る？
- 地域住民に写真を提供してもらう？
- レコードの音？
- アンケートを使う？
- 地域住民にインタビューするのか？
モデルのために大量のデータが必要な場合は、公共データセットを利用するとよい。オンラインで利用可能なデータセットは数多くあり、大量のデータを素早く手に入れることができる。
以下は良いデータセットサイトである：
データが上記の健全なデータセットの基準に適合していることを確認してください。
おそらく、ご自身のニーズに合わせてデータに何らかの変更を加える必要もあるでしょう。例えば、Teachable Machineのようなツールは正方形の画像を必要とするため、使用しているツールの正しい寸法に合わせるためにデータセットの画像を編集する必要があるかもしれません。
マイクロコントローラ は、自動車のエンジンや家電製品などの機器を制御するために使用される、1つの集積回路上の小型コンピューターである。マイクロコントローラーの中にはセンサーを内蔵しているものもある。また、センサーを接続するためのオプションが用意されているものも多い。
それぞれ 以下の3つの推奨マイコン にはそれぞれ特有の機能があり、プロジェクトに対応させるためには異なるプログラミング言語を使用する必要がある。 App Inventorのように、これらのデバイスをこれらのツールで使えるようにするために追加できる拡張機能があるツールもある。この3つのデバイスには最近AI機能が追加されたので、何が可能かチェックしておきたい！
センサーの詳細
小型マイコンに接続し、プロジェクトにデータを提供できる低価格のセンサーはたくさんある。ここでは、使用可能なセンサーをいくつか紹介しよう。
Camera
スピードメーター
マイク
光センサー
圧力センサー
空気品質センサー
赤外線温度計
Proximity sensor
アクティビティ：データセットを計画する
ワークシートの指示に従ってアウトラインを描く：
- 収集したいデータ
- データセットのデータをどこで収集するか。コミュニティか、センサーか、公共データセットか。
- どのようにデータを収集するのか？ モデルのクラスやラベルは何にしますか？
- 各クラスに何例ありますか？各クラス50例が最低です。
Tip
ベストプラクティスベストプラクティス 生徒たちに、日常生活で抱えている問題について考えるよう促し、それに関連するデータセットはないか？身の回りのものにセンサーはついているだろうか？そのセンサーはどんな情報を集めているのか？新しいグーグル携帯には温度センサーがついています）。
生徒への質問 あなたの都市には「オープンデータ」ポータルがありますか？例 ニューヨーク市および カナダのエドモントン.
メンターTipsは、AmeriCorpsから提供されたものです。
振り返り
これでデータセットの計画ができた！データセットの例を集め始めたら、それらを安全に保管し、よく整理してください。
データセットの一部をテスト用に取っておくことをお忘れなく！10-20%程度はテスト用に残しておくこと。
主な用語のおさらい
データセット- AIにパターンを認識させ、何かを予測させるために使用される大規模なデータセット。
センサー- 環境の変化を検出し、電子システム内でその情報を監視するために使用される装置。
マイクロコントローラー- 単一集積チップ上の小型コンピュータで、家電、自動車、ロボットなどの大型コンピュータやその他のシステムに使用される。
追加リソース
ハードウェアとセンサー
センサーの包括的なリストについては、以下をご覧ください。 ウィキペディアの記事.
このビデオでは、センサーを使用するプロジェクトにお勧めのマイクロコントローラーのハードウェアについて詳しく説明しています。
このビデオチュートリアルでは、Kaggleで公開されているデータセットにアクセスする方法を紹介します。
