データベース
データベースは、物流、ネットショップ、名簿、 在庫管理 などさまざまな業務の基幹だ。 コンピュータでは、データベースは、テーブルの集合として実装される。 テーブルは、フィールドとレコードからなる。 たとえば、化学物質のサンプルの管理をするのにデータベースを使うなら、 サンプルのテーブルとサンプルの使用履歴のテーブルが必要だ。 サンプルノテーブルには、供給元、入手日時、管理者などのフィールドが必要であり、 サンプルの使用履歴のテーブルには、サンプルＩＤ、使用者、使用日時などのフィールドが必要だ。 このようにフィールドやテーブル、あるいはその関係に名前をつけてゆく作業をデータベースの設計という。
データベースソフトウェア
Access, SQL, FileMaker
マルチユーザ環境下のデータベース
ユーザーごとの権限，同時に更新が行われても整合性が保たれる
機械学習,ディープラーニング,AI
スーマートフォンの顔認証は，AIによって特徴を捉え，顔を判別している．産業にも活用する研究が盛んにおこなわれている． 伊藤らは，ディープラーニングを導電性高分子アルミニウム電解コンデンサの評価装置に応用することを見出し，特許の出願および発表をしえている． さらに，電子スピン共鳴法(ESR)のスペクトルの判別やカメラのお天気判別，稲の白穂，水耕栽培の水やりタイミングの判別などいくつかの応用研究を行っている． 画像の判別はディープラーニングでAIに置き換えできる．こんな時代に，ヒトは何をすべきか？コンピュータの消費電力が多くなり，地球温暖化やエネルギー需要とバランスを如何にするか？ 増え続ける学習データの保存先をどこにするか？
お天気判別学習システム「ともひろくん」
ワークステーションやPCの性能向上と低価格化
2017年には，2TBで64コアの計算機が1000万円で購入できる時代となった． 市販のPCでも機械学習を動作させるために必要とされる8GBのメモリが標準で搭載される．Mathematicaにもディープラーニングの機能が追加されている．
無償機械学習ライブラリーの提供
テンソルフローやCafeなどをはじめとする無償な機械学習ライブラリーが提供される．これらによって，機械学習やニューラルネットワークの専門の研究者のみの世界から一般人も簡単にAIを使いこなせるようになる．
テンソルフロー機械学習実習システム
テンソルフローはパイソンで学習プログラムを記述できる． このシステムのコンセプトは，テンソルフローの環境整備を不要にし，さらに，短い時間でコードを書かせるかに特化ている． ウェブページからコードを入力して，登録することで，自動的に機械学習計算ノードによって，機械学習が進む．次の日には，機械学習が完了している．また，勉強する人のために，pythonのソースコードをダウンロードでき，独自に応用展開ができるようになっている． システム使い方は，AIプログラム登録ページからテンソルフローのコードとcsv形式の学習データを入力（登録）することで利用できる． 登録されたテンソルフローのコードは，バックエンドにあるいくつかの計算サーバにジョブが割り振られ，機械学習がスタートする．大規模な計算ノードではないので，気長に待っていただければ助かります． 学習の進捗状況は，テンソルフローパイソンコード一覧サイトから確認できます． 学習による誤差の値が表示されるので，その値が小さくなれば学習完了となる．（開発中の部分もあるので，バグなどがありましたら，伊藤まで教えてください．）
2020年度学生の成果物
AI実習システムを使って，2020年度受講生が作成したAIモデルの成果物を以下に示す． コロナ禍で在宅からの学習が強いられる中で，30件のディープラーニングの学習モデルが提案された．なお，受講生数は33名であった． 学長裁量経費のディープラーニングシステムを活用しようとしたが，90分の講義時間内に収めようとすると難しかったので，断念した．
大学院では，研究過程で発見した学習モデルを作り，ウェブページに画像データベースを構築し，実践的なデザインサイエンス教育を行っている.→大学院生の成果物
- ID=83, 天気判別, 学生のウェブページ
- ID=75, 0は雨以外,1は雨, 学生のウェブページ
- ID=65, 天気の雨の判別（雨: 1とする）, 学生のウェブページ
- ID=85, 天気、晴れ（1）それ以外（0）, 学生のウェブページ
- ID=74, 天気のあめの判別（雨1,それ以外0）, 学生のウェブページ
- ID=84, 上越市の天気（快晴:1,それ以外:0）, 学生のウェブページ
- ID=82, 上越市の天気（快晴:1,それ以外:0）, 学生のウェブページ
- ID=79, 天気の雨の判断（雨1,それ以外は0）, 学生のウェブページ
- ID=80, 浜松市の天気 晴れ(1),それ以外(0), 学生のウェブページ
- ID=61, 天気の雨の判別（雨:1, それ以外:0), 学生のウェブページ
- ID=77, 宮崎県 高鍋町立高鍋東小学校(青空が見える:1、それ以外:0）, 学生のウェブページ
- ID=92, 犬の判別モデル（犬：0、それ以外の動物：1）, 学生のウェブページ
- ID=67, 天気の晴れの識別(晴れ:1,それ以外:0), 学生のウェブページ
- ID=73, 天気晴れ（１）かそれ以外（０）か, 学生のウェブページ
- ID=89, 自分のスマートフォンにおける検索アプリ（Safari）の1日当たりの利用時間モデル（２時間未満:1 ,２時間以上:0）, 学生のウェブページ
- ID=78, 天気の曇りの判別（曇り：0，その他：1）, 学生のウェブページ
- ID=86, 曇りが１、それ以外が晴れ, 学生のウェブページ
- ID=69, , 学生のウェブページ
- ID=71, , 学生のウェブページ
- ID=63, , 学生のウェブページ
- ID=62, お天気が「晴れ(1)」または「晴れ以外(0)」, 学生のウェブページ
- ID=81, 天気が「晴れ(1)」、「晴れ以外（０）」, 学生のウェブページ
- ID=76, , 学生のウェブページ
- ID=68, 昼夜判別 （夜:1, それ以外:0）, 学生のウェブページ
- ID=87, 愛知県春日井市（晴れ、1 それ以外、0）, 学生のウェブページ
- ID=72, 天気の雨の判別（雨: 1とする, それ以外: 0）, 学生のウェブページ
- ID=88, 空の画像の判別(日中は１、夕方は２）, 学生のウェブページ
- ID=66, , 学生のウェブページ
- ID=64, , 学生のウェブページ
- ID=60, , 学生のウェブページ
- ID=57, 別海町の天気判別(晴れ：１，それ以外0), 学生のウェブページ
- ID=59, , 学生のウェブページ
ディープラーニングの原理
ディープラーニングは，行列で表現される．2年生の前期の授業ということであり，数学の詳細は触れないが，学習モデルの設計が重要である．例えば，レモンであると，それ以外の２つのシンプルなモデルを作り，その教師データの質を高め学習されるかに，かかっている．
.svg)
関連講義・参考書
- 鈴木 健一,吉田 一義,松林 総,松林 総,立花 和宏,伊藤 智博,電極体、評価装置及び評価方法, 特開2018-142705(P2018-142705A).
- 数学 II（線型代数学）,コーシー・シュワルツの不等式シラバス
- 大石進一著、フーリエ解析、コーシー・シュワルツの不等式, p.110(総ページ数 218), 1994年, ISBN4-00-007776-7,岩波書店
- 寺田交行著、線形代数、総ページ数 136, 1993年, ISBN4-7819-0123-9,サイエンス社
- 涌井良幸, 涌井貞美著、ディープラーニングがわかる数学入門 、総ページ数 239, 2017年, ISBN978-4-7741-8814-0,技術評論社
- Mark Lutz著,夏目大訳、初めてのPython 第3版 、総ページ数 768, 2009年, ISBN978-4-87311-393-7,オーライリー・ジャパン
- 斎藤康毅著、ゼロから作るDeep Learning Pythonで学ぶディープラーニングの理論と実装 、総ページ数 298, 2016年, ISBN978-4-87311-758-4,オーライリー・ジャパン
【演習】AI実習 -判別学習モデルの作成と教師データ
ディープラーニングの学習モデルの作成と教師データを作成し，ディープラーニングを学習させてみましょう． テーマは，お天気判別システムです．ウチダの「IoT百葉箱」を画像データを使って，教師データを作成してください．
- 1.判別学習モデルの決定
- 判別学習モデルを決めます。例としては、
お天気が晴れ(1)，それ以外(0)
や，お天気が雨(1)，それ以外(0)
である。 - 2.csv形式の教師データファイルの作成
-
csvファイルの形式は、画像URL,意味です。CVSファイルのコンマを区切りにして、左側に画像のURL,右側に判別学習モデルの意味である1または0を記述している。
IoT百葉箱の画像データベースは，http://iot100.uchida.co.jp/のURLから閲覧できる。
この画像データベースを使ってCSVファイルを準備してください。
http://iot100.uchida.co.jp/iot100api/public/getscene/74/1/original/201804220740,1 http://iot100.uchida.co.jp/iot100api/public/getscene/74/1/original/201804260540,0 http://iot100.uchida.co.jp/iot100api/public/getscene/74/1/original/201804240710,0 （中略） http://iot100.uchida.co.jp/iot100api/public/getscene/74/1/original/201805170730,0 http://iot100.uchida.co.jp/iot100api/public/getscene/74/1/original/201806300800,1 http://iot100.uchida.co.jp/iot100api/public/getscene/74/1/original/201804020500,1 - 3.コードとcsvファイルのウェブ入力
-
AIプログラム登録ページ(https://b.yamagata-u.ac.jp/amenity/Laboratory/DeepLearning/TensorflowCodeForm.aspx)で判別学習モデルの名称（キャプション）と教師データのCSVファイルの内容を登録してください．
本学以外の方は，https://a.yamagata-u.ac.jp/amenity/Laboratory/DeepLearning/TensorflowCodeForm.aspxのページで，pythonのソースコードジェネレータを体験できます．
- 4.学習結果の確認（学習完了まで1週間待ち）
- 画像判別の確認サイトで任意の画像について判別を試みる。
コラム
ディープラーニングシステムでコンテナのビルド
ディープラーニングシステムではコンテナを使って機械学習のプロセスを実行するようである． コンテナエンジンとして，Dockerが有名であるが，Dockerはコンテナをビルトづるときに，root権限が必要になる． そこで，本学のディープラーニングシステムでは，singularityエンジンを使って，root権限がなくてもビルドできるようになっている． その一例を下記に示す．
nvidiaのDEEP LEARNING FRAMEWORKSからDockerコンテナをダウンロードして使いたいを例として説明する．
https://docs.nvidia.com/deeplearning/frameworks/tensorflow-release-notes/running.html#runningにアクセスし，dockerのpullコマンドを確認する．
2021/3/17では，docker pull nvcr.io/nvidia/tensorflow:21.02-tf2-py3
が最新版をDockerで取得するときのコマンドである．
singularityでは，singularity build filename.sif docker://
の後に，nvcr.io/nvidia/tensorflow:21.02-tf2-py3
の部分の追記することで，singularityのコンテナイメージファイルを作成できる．
具体的には下記のようなコマンドを入力する．
singularity build tensorflow_21.02-tf2-py3.sif docker://nvcr.io/nvidia/tensorflow:21.02-tf2-py3 INFO: Starting build... Getting image source signatures Copying blob 83ee3a23efb7 done Copying blob db98fc6f11f0 done
コンテナイメージの動作確認は，下記のようなコマンドでできる．
singularity shelltensorflow_21.02-tf2-py3.sif Singularity> date Wed Mar 17 17:48:14 JST 2021 Singularity>
