人工知能を作る-ラズベリー・パイからはじめる身の回りAI実験 （ボード・コンピュータ・シリーズ） [単行本]

人工知能を作る-ラズベリー・パイからはじめる身の回りAI実験 （ボード・コンピュータ・シリーズ） の 商品概要

• 目次

  ★目次
  
  ☆第1部　ディープ・ラーニングでラズパイ人工知能を作る
  
  ●イントロダクション　グーグルが大サービス!手のひら人工知能が自宅で作れる時代
  
  ◎ビギナから使える世界トップのAIライブラリON!
  ●第1章　ラズパイからOK!Google人工知能で広がる世界
  GoogleはAIのトップランナー
  そんなGoogleが提供するオープンソースAIライブラリTensorFlow
  動作環境
  個人で試せる
  広がる世界!こんな装置が作れるかも
  
  ◎オープンソースで初心者も独学OK!
  ●Appendix1　Googleの人工知能ライブラリTensorFlowを勧める理由
  
  ◎試せるぼくらの小規模スマート農業!?
  ●第2章　ラズパイ×Google人工知能…キュウリ自動選別コンピュータ
  人工知能(ディープ・ラーニング)に注目したきっかけ
  ハードウェア
  ソフトウェア
  
  ◎AIの定番言語Python から無料で使える
  ●Appendix2　Google人工知能ライブラリTensorFlowの正体
  位置づけ
  用意されているAPI
  コラム　TensorFlowでもよく出てくる…ディープ・ラーニングがスゴイ理由
  
  ◎Googleを使った学習&判定プログラムをラズパイにONする手順
  ●第3章　人工知能キュウリ・コンピュータを動かしてみる
  製作したキュウリ自動選別コンピュータ
  Googleの人工知能を体験
  コラム　ラズパイへのTensorFlowのインストール方法
  
  ◎ターゲット「キュウリ」選別に適したデータ&アルゴリズムの検討
  ●第4章　ステップ1…設計方針を決める
  決めること1…キュウリのどこを見るのか
  決めること2…人工知能に学習&判定させる画像
  決めること3…学習用データ
  決めること4…使用する人工知能アルゴリズム
  決めること5…自動選別コンピュータの正解率
  コラム　画像判定は人工知能任せが今風
  
  ◎話題の人工知能アルゴリズム「ディープ・ラーニング」初体験
  ●第5章　ステップ2…キュウリ・データの学習
  準備1…撮影台の作成
  準備2…TensorFlowライブラリのインストール
  準備3…学習用データの作成
  準備4…学習用プログラム
  学習を行う
  学習時間短縮のためのくふう
  学習の終了条件
  
  ◎最初はPCで試すと便利
  ●第6章　ステップ3…人工知能キュウリ判定
  
  ◎ほこりや土が舞う環境でも組み込んでしまえば安心
  ●第7章　ステップ4…キュウリ用人工知能をラズパイで動かす
  ラズパイで動かす準備
  まずは動かす
  判定処理高速化の改良1…キュウリあり/なし判定を追加
  判定処理の高速化の改良2…クラウドGPUサービスを試してみる
  
  ☆第2部　軽くて高速なラズパイ人工知能を作る
  
  ◎ローカルな専用デバイスが最高!
  ●第1章　ラズベリー・パイ×人工知能で広がる世界
  人工知能で広がる世界
  ラズベリー・パイのような小型コンピュータでMy人工知能を実現する方法
  ラズベリー・パイで人工知能のアイデア
  コラム　ここでの「人工知能」について
  
  ◎機械学習による高精度認識でレベルアップ!
  ●第2章　ラズパイ×人工知能…サカナ観察&飼育コンピュータ
  実験すること
  システム構成&機能
  ラズパイ人工知能コンピュータを使う理由
  
  ◎オープンソース・ライブラリで機械学習アルゴリズム入門
  ●第3章　方式1：ディープ・ラーニング×ラズパイ
  人工知能アルゴリズム…機械学習入門
  注目アルゴリズム「ディープ・ラーニング」
  ラズパイでディープ・ラーニングを動かしてみる
  考察
  
  ◎オープンソースLIBSVMライブラリでリアルタイム人工知能
  ●第4章　方式2：計算量が少なくて高性能なサポート・ベクタ・マシン
  計算量が少なくて強力なアルゴリズム…サポート・ベクタ・マシン
  学習&判定のメカニズム
  自作ソフトでSVMを使うならオープンソースLIBSVMライブラリ
  オープンソースLIBSVMライブラリの使い方
  
  ◎一番たいへんな学習データベースの作り方からラズパイ1・2・3 認識テストまで
  ●第5章　ターゲット魚「ナベカ」の学習と認識
  機械学習で避けて通れない…学習用データの準備
  ステップ1：学習用画像の撮影
  ステップ2：撮影した画像に学習用のラベルを付ける
  ステップ3：ラベルから学習用データを作成する
  ナベカ画像特徴量の抽出処理
  コラム1　学習データを増やすテクニック「データ・オーギュメンテーション」
  実験1：基本LIBSVMライブラリを使ったナベカ認識
  コラム2　アバウトに境界を引くソフト・マージン設定と生真面目に境界を引くハード・マージン設定
  実験2：高速LIBLINEARライブラリを使ったナベカ認識
  
  ◎高精度×高速な画像認識でリアルタイムえさやり
  ●第6章　ラズパイ人工知能による自動飼育への挑戦
  ハードウェア構成
  ソフトウェア構成
  実験!・高精度&高速リアルタイム画像認識による自動エサやり
  
  ◎人工知能だけに飼育を任せるのは一抹の不安がある
  ●Appendix1　リモート・マニュアルえさやり機能の追加
  コラム　定番画像処理ライブラリOpenCVで日本語描画
  
  
  ◎画像に人工知能…処理性能が高くて困ることなし
  ●Appendix2　ラズパイ性能をMax引き出す…高速表示ライブラリ&禁断クロックUP
  性能をMax引き出す方法1：フレーム・バッファを直接たたく高速SDL表示ライブラリ
  性能をMax引き出す方法2：禁断の裏ワザ…オーバクロック設定
  
  ☆第3部　人工知能を作るためのソフトウェア
  
  ●第1章　人工知能ソフト事典
  
  ◎定番も最新も対応
  ●第2章　Pythonで使える人工知能ライブラリ
  
  ◎ゴッホ・タッチAI画伯に挑戦
  ●第3章　ディープ・ラーニングが試せるクラウドAPI&統計ライブラリ
  ディープ・ラーニングが身近になった一因…クラウドの発達
  方法1：クラウドAPIで試すディープ・ラーニング
  方法2：ローカルPCにもってきた統計的学習フレームワークで試すディープ・ラーニング
  
  ◎TensorFlowにCaffe，Chainerとプラス・アルファ
  ●第4章　3大人工知能ライブラリ
  Googleの中の人も使っているTensorFlow
  画像処理では事実上の業界標準Caffe
  時系列パターンの扱いも得意なChainer
  コードの書き方が初心者に分かりやすいKeras
  数値演算や関数微分の機能を提供するTheano
  
  ◎専門用語&英語が苦手な人のために
  ●Appendix1　TensorFlow公式ページの歩き方ガイド
  公式サイトの構成
  
  ◎人工知能をバンバン試すために
  ●Appendix2　定番「文字認識」の楽ちん体験アプリ
  
  ◎ネットから入手できる画像データセットで試す
  ●第5章　TensorFlowでちょっと本格的なAI顔認識
  概要
  ステップ1…顔画像取得
  ステップ2…画像の前処理
  ステップ3…学習環境の構築
  コラム　必須アイテムの紹介…ニューラル・ネットワークの学習状況可視化ソフト
  ステップ4…学習の実行
  ステップ5…判定
  
  ◎話題アルゴリズムの理屈を簡単にまとめておく
  ●Appendix3　「ディープ・ラーニング」アルゴリズムあんちょこ
  予習…機械学習とは
  誕生まで
  本格的に理解するのは大変だけど…仕組みに迫る
  
  ☆第4部　ラズパイ×クラウドで人工知能を作る
  
  ◎無償や100円レベルで始められるクラウド大集合
  ●第1章　グーグル/アマゾン/マイクロソフト/IBMのクラウド&人工知能
  人工知能が動かせるコンピュータ
  
  ◎手ぶらで俺的AIライフ・ロガーを作る
  ●第2章　ラズパイ×カメラでクラウドAI初体験
  ラズパイ×カメラ×クラウドAPIで作る「俺的AI日記コンピュータ」
  環境構築
  プログラムの実行
  プログラム解説
  
  ◎画像ディープ・ラーニングの学習はクラウドが良し
  ●第3章　顔写真から血液型を当てるラズパイ人工知能に挑戦
  装置の全体像
  装置構成
  学習処理を加速するクラウド・サービスを利用
  ステップ1…学習データを準備
  ステップ2…学習データの学習
  ステップ3…正解率を高める工夫
  学習のためのプログラム
  ステップ4…ラズベリー・パイによる血液型判定
  判定のためのプログラム
  
  ◎アマゾンAWSが用意している強力サービス
  ●Appendix1　あのNVIDIAがなんと数百円…クラウドGPUのススメ
  
  ◎クラウドNVIDIAと国産定番AIライブラリChainerを試す
  ●Appendix2　数百円のGPU人工知能スタートアップ
  クラウド上にハードウェア環境を構築
  ディープ・ラーニング環境の構築
  料金
  クラウドGPUの処理情報を体験する
  
  ◎タダで使えるクラウドAPIを活用する
  ●第4章　クラウド型ラズパイAIで音解析
  異音判定に人工知能を用いる理由
  準備するもの
  ステップ1…機械学習のための前処理
  ステップ2…統計的学習フレームワークを利用し学習モデルを作る
  ステップ3…判定処理用訓練済みモデルの作成と公開
  ステップ4…ラズベリー・パイから異音検知Web APIを利用
  ステップ5…異音検知の結果をパソコンから見られるようにする
  
  ◎面接触センサからあいまいな「たたく/なでる/震える/押す」を読み取る
  ●Appendix3　ArduinoでAI生体センシングの研究
  基礎知識…自己組織化マップ
  ハードウェア
  ソフト
  自己組織化マップのデータ解析手順
  実際に面接触センサのデータを計測し自己組織化マップで分類してみる
  コラム　自己組織化マップのアルゴリズム
  
  ☆第5部　手のひらGPUボードで人工知能を作る
  
  ◎NVIDIAの組み込み向けデバイス
  ●第1章　処理性能1TFLOPSの名刺サイズGPUスパコンJetson TX
  最新AIもぶん回せる!Jetsonプラットホーム
  Tegra X1プロセッサの特徴
  Jetson TX1モジュール
  開発環境
  GPU×ディープ・ラーニングで広がる世界
  Jetson TX1によるディープ・ラーニングの実現
  コラム　ディープ・ラーニングの学習処理と推論処理
  
  ◎カメラで撮影した状態をテキストで教えてくれる
  ●第2章　携帯型GPUスパコンで作るAI画像認識の音声ガイド
  作るもの
  ハードウェアの準備
  ソフトウェアの準備
  実験1…机上動作
  実験2…屋外動作
  実験3…静止画の認識
  動作の検証
  改良のアイデア
  コラム　ディープ・ラーニング組み込みアプリケーションの開発サイクル

• 著者紹介（「BOOK著者紹介情報」より）（本データはこの書籍が刊行された当時に掲載されていたものです）

  小池 誠(コイケ マコト)
  元組み込みエンジニア。現在は農業に従事し、ＴｅｎｓｏｒＦｌｏｗを活用したキュウリ選別機の製作など、ディープ・ラーニング技術の農業活用に取り組んでいる
  
  鎌田 智也(カマタ トモヤ)
  １９７４年北海道空知郡上富良野町生まれ。岩手大学農学部応用生物学科卒業後、アルプス電気（株）に入社。盛岡工場にてサーマル・プリンタの開発に従事。２００２年の工場閉鎖を機に同僚と共にアイエスエス（株）を設立し画像処理応用機器の開発に携わる

• 出版社からのコメント

  ラズベリー・パイ(Raspberry Pi)などのコンピュータ・ボードを使った人工知能(AI)の作り方を紹介しています．

• 内容紹介

  本書では，ラズベリー・パイ(Raspberry Pi)やArduino，Jetsonなどのコンピュータ・ボードを使った人工知能(AI)の作り方を紹介しています．
  
  ※本書の各記事は，「Interface」に掲載された記事を再編集したものです．

人工知能を作る-ラズベリー・パイからはじめる身の回りAI実験 （ボード・コンピュータ・シリーズ） の商品スペック