授業の目的 【日本語】
Goals of the Course [JPN] | | | 近年の大規模言語モデル（LLMs）に基づく生成AI技術の発展と普及はめざましいものがある。しかし、こうした技術を自身の研究資料や専門分野に適切に応用し、新たな知見を生み出していくためには、その仕組みや限界、APIやプロンプト設計による高度な活用手法を学び、「能動的な利用者」としてのスキルや知識を習得することが求められる。本授業では、生成AIを活用したアプリケーション構築の実践を通してそうした能力を身につけ、自身の専門研究への応用はもちろん、文理を問わない学際的な課題や協働にも取り組むことのできる人材の育成を目的とする。 |
|
|
授業の目的 【英語】
Goals of the Course [ENG] | | | In recent years, the development and widespread adoption of generative AI technologies based on large language models (LLMs) have been remarkable. However, in order to appropriately apply these technologies to one’s own research materials and areas of expertise and to generate new insights, it is necessary to learn their underlying mechanisms and limitations, as well as advanced methods of use through APIs and prompt design, and to acquire the skills and knowledge required to become an “active user.” Through hands-on practice in building applications that leverage generative AI, this course aims to cultivate these abilities and to develop individuals who can not only apply generative AI to their own specialized research but also tackle interdisciplinary challenges and collaboration across both the humanities and sciences. |
|
|
授業の達成目標 【日本語】
Objectives of the Course [JPN] | | 1. 生成AI技術の仕組みと法的・倫理的配慮、ハルシネーションやバイアス等の限界の理解する
2. API連携、プロンプト設計、評価・改善を含む、生成AI技術を活用したシステム開発ワークフローを設計できる
3.対象とするデータの形式・構造・特性について理解し、正しく処理する能力を身につける
4.学術研究、とくに人文・社会科学研究における生成AI技術の位置づけを方法論的な観点から考察する視座を得る |
|
|
授業の達成目標 【英語】
Objectives of the Course [ENG] | | 1. Develop an understanding of how generative AI works, along with legal and ethical considerations, and its limitations such as hallucinations and bias.
2. Be able to design a system development workflow that leverages generative AI, including API integration, prompt design, and iterative evaluation and improvement.
3. Acquire the ability to understand the format, structure, and characteristics of target data and to process it correctly.
4. Gain a methodological perspective for examining the role and positioning of generative AI in academic research, especially in the humanities and social sciences. |
|
|
授業の内容や構成
Course Content or Plan | | 1. イントロダクション：生成AIの仕組みと課題、人文・社会科学における利用事例を概説し、授業の全体像と到達目標を確認する
2. Python基礎とOpenAI API入門：APIキー管理とともに、最小構成のテキスト生成を実装する
3.プロンプトエンジニアリング入門：出力の精度を左右するプロンプト設計とその評価方法を学ぶ
4.RAG（検索拡張生成）の基本構造：ベクトル検索を用いて外部知識を取得し、LLMの回答精度を高める
5.研究データの取得①：種々のデータ形式や構造を理解し、それぞれの適切な処理方法を習得する
6. 研究データの取得②：「研究データの取得①」を踏まえて多様な形式のデータを読み込み、分析可能な形に変換する
7. LangChainなどを用いたチェーン構築：ドキュメントQAや要約などの処理を段階的に連結する
8. マルチモーダル処理の応用：画像や音声データを前処理し、LLMに適切に入力する方法を習得する
9. UIフレームワーク入門①：Webアプリの基本的なインターフェースを構築する
10. UIフレームワーク入門②：アプリの機能性と操作性を高めるUIカスタマイズ技法を学ぶ
11. アプリのデプロイ方法：Hugging FaceやRenderなどのサービスを使ってアプリを外部公開する
12. ミニハッカソン：集中開発を行い、各自のアプリを実用レベルまで完成させる
13. プロジェクト設計の共有と審査：開発計画・対象データ・手法を発表し、相互にフィードバックする
14. 実装とドラフトリリース：最終データを投入し、実際に公開されたアプリとして動作を確認する
15. 最終発表会：完成したアプリを発表し、授業全体の成果を総括する |
|
|
履修条件・関連する科目
Course Prerequisites and Related Courses | | | 必須ではないが「初心者のためのPython超入門講座」を履修済もしくは同時に受講することが望ましい。 |
|
|
成績評価の方法と基準
Course Evaluation Method and Criteria | | 授業への参加度（出席・議論・演習への積極性など）：30％
• 毎回の講義・演習への参加姿勢を評価し、質疑応答やディスカッションへの貢献度も加味する。
毎回の課題提出（平常点）：40％
• 各回の演習コード提出、短いレポート等の課題を総合的に採点。
• 指定された期日やフォーマットを厳守することも評価対象とする。
最終発表会の内容：30％
• 開発したアプリケーションの完成度・独自性・研究内容との関連性を総合的に評価。
• プレゼンテーションの構成や説明のわかりやすさ、質疑応答への対応なども含む。 |
|
|
教科書
Textbook | | |
|
参考書
Reference Book | | |
|
課外学修等
Study Load (Self-directed Learning Outside Course Hours) | | | 本授業では、毎回の講義内容を踏まえた課題（演習レポートやコード提出など）を、講義外の時間を活用して進めることが求められる。また、最終発表会に向けたプロジェクトの企画・実装・資料作成についても、授業外での継続的な作業が必要となる。 |
|
|
注意事項
Notice for Students | | PythonおよびJavaScriptに関する基礎知識を有することが望ましいが、必須ではない。
なお本授業は、生成AIにコードを生成させる、いわゆるバイブコーディングを前提とする。バイブコーディングの手法等については授業の早い段階で解説する。 |
|
|
本授業に関するWebページ
Reference website for this Course | | |
|
担当教員からのメッセージ
Message from the Instructor | | |
|
授業開講形態等
Lecture format, etc. | | |
|