[everiPro科目]AIプログラミングラボ
自然言語処理を通して、機械学習・ディープラーニングを学ぶ
AIプログラミングラボ
| 科目名 | AIプログラミングラボ |
|---|---|
| 科目名（英名） | AI Programming Laboratory |
| 担当講師（氏名・所属） | 波田野 創、鈴木 章央（Techno.send） |
| 分類 | ラボ |
| 授業形態 |
遠隔 本科目はオンラインにて実施するため、どの地域からも受講が可能です。
受講日時については日程表をご確認ください。 |
| 時数 | 16コマ |
| 時間数（コマ数✕1.5） | 24時間 |
| 授業の概要 | 本講義では自然言語処理を通して、機械学習・ディープラーニングを学びます。 実装に触れるところから始め、徐々にブラックボックスを明らかにしていきます。最終的には、テキスト生成・トピックの可視化・要約のデモを実装できるところまで授業を行います。 |
| 到達目標 | ・ディープラーニングライブラリHuggingfaceを扱えるようになる。 ・自然言語処理のデモを実装できるようになる。 ・自然言語処理を理解する。 |
| 難易度 | ★★★ |
| 分野別難易度（前提知識） | 機械学習：★ WEB：★ Python：★★ ※履修モデルならコース内で学習できます。 |
| 履修上の注意 （準備学習・前提知識） |
この科目は「AIプログラミングモデル」のラボ科目です。 同モデルの事前学習科目はこちら（推奨科目） ・Python入門 ・Python WEB開発 ・機械学習 すでに上記いずれかを習得済の方へのおすすめ（取替可） その他 |
| 授業計画・内容 | 講義はオンラインで展開し、座学はビデオを視聴する形式で、演習はハンズオン形式で実施していきます。そして、講義の終わりにセルフチェックのための理解度チェックを行います。 本講義の大まかな流れがこちらです。PyTorchなど手を動かすところから始め、ディープラーニングの一つの技術的な到達地点であるトランスフォーマーの学習・テスト・活用に触れていきます。実装に触れて大まかなイメージを掴んだところで、自然言語処理の概要とディープラーニングの活用方法を学びます。最終課題では、学習した内容をもとにデモの実装に取り組みます。 1. PyTorch入門 2. HuggingFace入門 3. HuggingFace Transformers 4. HuggingFace Dataset / Tokenizer 5. HuggingFace Gradio 6. Gensim入門 7. Gensim トピックモデル 8. Gensim word2vec 9. Streamlit 10. 自然言語処理入門 11. トピックモデル 12. word2vec 13. Transformer 14. 自然言語処理のタスク：テキスト生成 15. 自然言語処理のタスク：トピックの可視化 16. 自然言語処理のタスク：要約 |
| 事前・事後学習の内容 | – 講義内容が週をまたぐので、先週の内容を復習するようにしてください。 – 講義ごとの理解度チェックを行うので、事後の学習に活用してください。 |
| 成績評価の方法 | – 最終課題を除く演出の進捗状況 – 最終課題の提出およびその内容 |
| 教科書・参考書等 | – 講義資料は座学用スライドと演習用のプログラムを配布する。 – ディープラーニングを支える技術：岡野原 大輔，技術評論社，2021 – ディープラーニングを支える技術２：岡野原 大輔，技術評論社，2022 |
| キーワード | ディープラーニング、自然言語処理、PyTorch |