学部後期課程
HOME 学部後期課程 メディアプログラミング入門
過去(2020年度)の授業の情報です
学内のオンライン授業の情報漏洩防止のため,URLやアカウント、教室の記載は削除しております。
最終更新日:2024年3月15日

授業計画や教室は変更となる可能性があるため、必ずUTASで最新の情報を確認して下さい。
UTASにアクセスできない方は、担当教員または部局教務へお問い合わせ下さい。

メディアプログラミング入門

Python言語による音・テキスト・画像の情報処理技術を学ぼう
「Pythonプログラミング入門」を履修済みの学生、あるいはそれと同等以上のプログラミング力を持っている学生を対象に、時系列データや音、テキスト、画像といった様々なメディアをコンピュータで処理するための基礎的なプログラミングを学ぶ。
拡張ライブラリやWebAPIなどを活用し、実際にプログラムを動かしながらその振る舞いを直感的に学ぶことで、Pythonを使ったメディア処理への理解と興味を深めることを目的とする。
MIMA Search
時間割/共通科目コード
コース名
教員
学期
時限
0590107-2
FSC-CC3A20L1
メディアプログラミング入門
山肩 洋子
A2
火曜5限
マイリストに追加
マイリストから削除
講義使用言語
日本語
単位
1
実務経験のある教員による授業科目
NO
他学部履修
開講所属
理学部
授業計画
概ね、以下のような流れで進めていく。授業内容の詳細は状況に応じて変更する可能性がある。 第1回 ガイダンス この講義の目的と進め方、第2回以降の具体的な内容と演習の環境設定について説明する。 演習教材の実行環境は、「Pythonプログラミング入門」のガイダンスに従い、あらかじめ用意しておくこと。 そのうえで、本授業で用いる拡張ライブラリのインストールや、サンプルプログラムの実行等を行う。 第2回 音響情報解析:音声や楽器の音を見分けよう 人間の聴覚の仕組みと、音声や楽器の音響特性、マイクロフォン・スピーカの仕組み、コンピュータにおける音声データの表現を学ぶ。 また、周波数分解、スペクトログラム、音響特徴量MFCCによる楽器の特定など、基礎的な音響解析を体験する。 第3回 テキスト解析1:夏目漱石っぽい文を生成してみよう コンピュータにおけるテキストの表現を知り、形態素解析器janomeを使った単語分割、自然言語解析ツールNLTKを使ったn-gram言語モデル学習等、簡単な自然言語処理のアルゴリズムを理解し、そのプログラムを体験する。 青空文庫から小説を取り出し、文の特徴を学習してランダムな文を生成してみよう。 第4回 テキスト解析2:小説の特徴を調べよう 異なる単語や文どうしの近さを評価する手法を学ぶ。 自然言語処理ライブラリgensimを用いて、単語をベクトルに変換する手法や、文書から特徴を抽出する手法(tf-idf法、LDA法、word2vec法)を体験する。 Wikipediaから取得した記事を使って、「法」や「植物」などのカテゴリを特徴づけるワードクラウドを生成する。 第5回 画像処理1:人間の視覚の仕組みと簡単な画像処理 人間の視覚の仕組み、色の感覚と表現、カメラの仕組み、コンピュータにおける画像のデータ表現などを学ぶ。 コンピュータビジョン用ライブラリopencvを用いて、ヒストグラム、色調や幾何変換、顔認識などの基礎的な画像処理を体験する。 第6回 画像認識2:深層学習による高度な画像認識 一般物体認識の深層学習モデルであるCNNを中心に、深層学習により画像がどのように扱われるかを学ぶ。 また、画像処理分野で扱われている課題や新しいモデルを紹介する。 第7回 マルチメディア処理:Webページから自動で情報を集めよう Webスクレイピングにより自動的に情報を収集するクローリング技術と、その運用における法的・社会的ルールを学ぶ。 また、様々な企業が提供する画像認識や自然言語処理などの高度な情報処理サービスを、Webを介して利用可能とするWeb APIについて、その仕組みやビジネスモデルを学ぶ。
授業の方法
第2回以降は、各回の授業の前に、それぞれの手法を実装したサンプルコードとその解説を、Python言語によるJupyter notebook教材として配布する。 各自、予習として、教材の解説を読みながら、手持ちのPCあるいは学内のECCS(教育用計算機システム)でサンプルコードを実行して、その動作を確認してくること。 また各回の授業後には、課題としてサンプルコードをベースに所定の条件を満たすプログラムを作り提出する。 授業で話す内容とサンプルコードが理解できていれば、それ以外の知識がなくても解ける課題となっている。 サイトのアドレス:https://sites.google.com/*****
成績評価方法
出席と各回の課題の達成度、およびミニプロジェクトの内容によって評価する。
教科書
特に定めない。
参考書
データサイエンス教本 Pythonで学ぶ統計分析・パターン認識・深層学習・信号処理・時系列データ分析 橋本 洋志, 牧野 浩二 オーム社 ISBN-10: 427422290X ISBN-13: 978-4274222900 Pythonで学ぶ実践画像・音声処理入門 伊藤 克亘, 花泉 弘, 小泉 悠馬 コロナ社 ISBN-10: 4339009024 ISBN-13: 978-4339009026 Pythonによるテキストマイニング入門 山内 長承 オーム社 ISBN-10: 4274221415 ISBN-13: 978-4274221415 詳解 OpenCV 3 ―コンピュータビジョンライブラリを使った画像処理・認識 Gary Bradski (著), Adrian Kaehler (著), 松田 晃一 (翻訳), 小沼 千絵 (翻訳), 永田 雅人 (翻訳), 花形 理 (翻訳) オライリージャパン ISBN-10: 4873118379 ISBN-13: 978-4873118376
履修上の注意
本授業では、履修者が各自のパソコンで演習ファイルを実行して学ぶことを想定している。パソコンを持っていない場合や、自分のパソコンの動作に不安のある学生はガイダンスで申し出ること。また、授業で利用するライブラリのインストールやサンプルプログラムの実行に問題が生じた場合は、PCを貸し出したり、ECCSパソコンの利用を指示する場合がある。 「Pythonプログラミング入門」のプログラミング環境を前提とするため、同授業を履修していない学生は、あらかじめ同授業の資料を参照し、環境を用意しておくこと。