メディアプログラミング入門

Series

Information Science and Technology

メディアプログラミング入門

Produced by

Content Reactions

Useful

Insightful

Profound

#AI & Information Science

#Education

#Robotics & Technological

#Space & Physics

#Psychology & Cognition

#Mathematics

#データサイエンス

#Python

#Official UTokyo Courses (OCW)

#Information Science and Technology

「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。

メディアプログラミング入門

Content List

1. ガイダンス

1-1 講義の概要・目標

1-2 ライブラリを使ったプログラム

1-3 講義の内容

1-4 事前知識

1-5 環境設定

1-6 エラー解決の糸口

講義資料1

配布資料1

2. 音の情報処理

2-1 第２回の学習内容

2-2 音の入出力デバイス１

2-3 音の入出力デバイス２

2-4 標本化：サンプリングレートの影響

2-5 量子化：ビット深度の影響

2-6 音の大きさ・音圧

2-7 周波数分解

2-8 短時間フーリエ変換によるスペクトログラム計算

講義資料2

演習ファイル1

3. 形態素解析と言語モデル

3-1 第3回の学習内容

3-2 形態素解析

3-3 形態素解析の仕組み１

3-4 形態素解析の仕組み２

3-5 形態素解析の仕組み３

3-6 言語モデル

3-7 フォント設定

講義資料3

演習ファイル2

4. トピック分析とWord Embedding

4-1 第４回の学習内容

4-2 テキストのベクトル空間モデル

4-3 テキストのベクトル空間モデル：演習

4-4 トピック分析：tf-idf値による重要語抽出

4-5 トピック分析：演習

4-6 Word Embedding

4-7 ニューラルネットワークによる単語の分散表現生成：Word2Vec

4-8 新しいWord Embedding手法

講義資料4

演習ファイル3

5. 画像の仕組みと画像処理

5-1 第５回の学習内容

5-2 画像の記録形式

5-3 画像の二値化

5-4 画像の保存形式

5-5 色情報の獲得

5-6 色の直感的な近さを表現する色空間

5-7 二次元デジタルフィルタによる画像処理

5-8 畳み込み演算（convolution）と様々なフィルタ

講義資料5

演習ファイル4

6. 深層学習による高度な画像認識

6-1 第６回の学習内容

6-2 Harr-like特徴量による顔画像検出

6-3 ニューラルネットワーク

6-4 コスト最小化法

6-5 深層学習による画像認識１

6-6 深層学習による画像認識２

6-7 深層学習による画像認識３

6-8 画像認識における様々なタスクと手法

6-9 深層学習による画像生成

講義資料6

演習ファイル5

7. WebスクレイピングとWebAPI

7-1 第７回の学習内容

7-2 Webスクレイピング

7-3 HTMLソース

7-4 クローリングのマナー

7-5 著作権制度について

7-6 WebAPI

7-7 時系列データ解析

講義資料7

演習ファイル6

1-1　講義の概要・目標

1-2　ライブラリを使ったプログラム

1-3　講義の内容

1-4　事前知識

1-5　環境設定

1-6　エラー解決の糸口

2-1　第２回の学習内容

2-2　音の入出力デバイス１

2-3　音の入出力デバイス２

2-4　標本化：サンプリングレートの影響

2-5　量子化：ビット深度の影響

2-6　音の大きさ・音圧

2-7　周波数分解

2-8　短時間フーリエ変換によるスペクトログラム計算

3-1　第3回の学習内容

3-2　形態素解析

3-3　形態素解析の仕組み１

3-4　形態素解析の仕組み２

3-5　形態素解析の仕組み３

3-6　言語モデル

3-7　フォント設定

4-1　第４回の学習内容

4-2　テキストのベクトル空間モデル

4-3　テキストのベクトル空間モデル：演習

4-4　トピック分析：tf-idf値による重要語抽出

4-5　トピック分析：演習

4-6　Word Embedding

4-7　ニューラルネットワークによる単語の分散表現生成：Word2Vec

4-8　新しいWord Embedding手法

5-1　第５回の学習内容

5-2　画像の記録形式

5-3　画像の二値化

5-4　画像の保存形式

5-5　色情報の獲得

5-6　色の直感的な近さを表現する色空間

5-7　二次元デジタルフィルタによる画像処理

5-8　畳み込み演算（convolution）と様々なフィルタ

6-1　第６回の学習内容

6-2　Harr-like特徴量による顔画像検出

6-3　ニューラルネットワーク

6-4　コスト最小化法

6-5　深層学習による画像認識１

6-6　深層学習による画像認識２

6-7　深層学習による画像認識３

6-8　画像認識における様々なタスクと手法

6-9　深層学習による画像生成

7-1　第７回の学習内容

7-2　Webスクレイピング

7-3　HTMLソース

7-4　クローリングのマナー

7-5　著作権制度について

7-6　WebAPI

7-7　時系列データ解析