Python を使用した音声・画像・テキストデータの基本的なデータ処理の手法を学ぶ。マルチメディアデータに興味のある学生を対象に演習を交えた講義を行う。
【授業形態】 対面オンライン併用講義を基本とする。ただし、全授業時間数の半分以上対面で出席すること。新型コロナウィルスの警戒レベルによって，授業形態を変える場合がある。
初回のZoomの情報はこちらに記載する。
Zoomミーティングに参加する
https://us02web.zoom.us/j/81284513730?pwd=aEoyeFJQT3RtOWhLRW1YRmlsOVA1UT09
ミーティングID: 812 8451 3730
パスコード: 335563
２回目以降のZoomの情報は変更される。SULMSまたはSUCCESSの講義連絡に記載する。
また，初回の課題から Anaconda Jupyter notebook がインストールされた Windows PC が必要なので，準備して臨むこと。
|
|
|
（１）構造データと非構造データの違いを知る
（２）データサイエンスにおける音声・画像・テキストのデータの利用のされ方について知る
（３）音声・画像・テキストのデータについて，Python を用いて基本的な処理を行えるようになる
- 基本的な入力と出力
- データの加工
- データの可視化
- 特徴の抽出
|
|
|
（音声データ）
1. 音声データとは
- 構造データと非構造データ
- 音声データの活用の例
- 音声データの基本的な入出力
- 波形データの可視化
2. 音声データの基本的な処理
- 音声パワー，dB 表記, SN比
- VAD
- 信号の相関
3. 音声データのスペクトル表現
- 離散フーリエ変換
- スペクトルデータの可視化
4. 音声データの特徴量
- 窓掛け
- メルフィルタバンク
- 正規化
- 動的特徴量
（テキストデータ）
5. テキストデータとは
- 文字コード
- テキストデータの活用の例
- テキストデータの基本的な入出力
- 形態素解析
- 単語のカウント
6. 文のベクトル表現
- 辞書
- One-hot 表現
- ベクトル空間法
- 文書クラスタリング
7. 文書分類
- コサイン類似度
- TF-iDF
8. Ｎグラム
- Ｎグラムの計算
- 文の出現確率
（画像データ）
9. 画像データとは
- 様々な画像
- デジタル画像の表現
- 画像の入出力
10. 画像処理(1)
- 平滑化
- 先鋭化
- エッジ検出
11. 画像処理(2)
- 直線検出
- 周波数領域でのフィルタリング
12. 画像変換(1)
- 色空間
- 色変換
- 濃度変換
13. 画像の二値化
- 閾値処理
- 大津の二値化
14. 2値画像処理
- 面積・モーメント
- 膨張・収縮処理
15. 2値画像処理(2)
- ラベリング
- 距離変換
|
|
|
扱うデータがこれまでの講義と変わり，非構造データとなります。また毎回，新しい技術を学びますので，講義の復習をしっかりと行い，未習得のまま次週を迎えないようにしてください。
演習用に与えられたプログラムコードは，必ず自分で実行し，使えるノウハウとして自分のものにしてください。
|
|
|
講義中に出された課題（確認テスト）によって，成績評価を行う。
欠席・遅刻による減点はありませんが，各回の課題（確認テスト）の提出は講義時間中に限定されますので，各回，集中力をもって参加すること。
音声データ課題の評価，テキストデータ課題の評価，画像データ課題の評価を合計し３で割ることにより，成績を評価する。定期試験は行わない。
|
|
|
音声・画像・テキストのデータについて，
- データの形式や構造について理解していること
- 活用の事例について理解していること
- Python を用いて基本的な処理を行えること
達成度は，講義中に出された課題（確認テスト）により測定する。目安として８割正解すれば80点となる。
|
|
|
|
|
|
|
|
|
|
|
|
Python (Anaconda) の動作するパソコンを持参してください。
|
|
|
|
非構造データ，マルチメディアデータ，音声データ，テキストデータ，画像データ，python
|
|
|
|
|
|
|