はじめに

E資格を取得したあと、「次に何をやろう？」と悩んでいた自分の次のステップとして、「画像分類アプリ」を作成しました。
このアプリ開発を通じて、E資格で学んだ知識を実際に使いながらアウトプットし、さらに以下のスキルも身につけることができました。

「E資格は取ったけれど、そのあと何をすればいいかわからない…」
私と同じように悩んでいる方の参考になればと思い今回記事を作成しました。

開発環境と使用ライブラリ

PyTorch の事前学習済みモデル「ResNet18」をベースに、カスタムデータセット対応の10クラス分類ができるようにファインチューニングを行いました。

このアプリでは、以下の10種類の動物画像を分類します。

クラスラベル名
0 犬（dog）
1 馬（horse）
2 象（elephant）
3 蝶（butterfly）
4 鶏（chicken）
5 猫（cat）
6 牛（cattle）
7 羊（sheep）
8 蜘蛛（spider）
9 リス（squirrel）

ResNet18 をベースとして、最終層に層を追加してファインチューニングを行い、10クラス分類モデルを作成
モデルの学習履歴は mlflow ui で確認ができます。

mlflow ui --port 5000
uvicorn main:app --reload --host 127.0.0.1 --port 8000

streamlit run ui.py

現在は、分類対象外の画像（例：風景、車など）も、必ず10クラスのいずれかに分類されてしまいます。
「その他（other）」クラスを追加する。

E資格で学習した内容を実際に手を動かすことで、AI開発のイメージをつけることができました。
次回は自然言語をテーマにして記事を作成したいと考えています。