| 【サブタイトル】 |
|---|
Pythonによる自然言語処理と大規模言語モデル |
| 【講義の目的・内容】 |
|---|
この講義では、自然言語処理 (NLP) と大規模言語モデル (LLM) の概要を説明し、理論的な概念と実践的な Python プログラミングを組み合わせます。学生はまず、テキスト処理、特徴エンジニアリング、従来の機械学習ベースのテキスト分類などのコア NLP テクニックを習得します。次に、このコースは最新の言語モデルに移行し、Transformer アーキテクチャと BERT などの事前学習済みモデルを学習します。コースの大部分は大規模言語モデル (LLM) に充てられ、その機能、プロンプト エンジニアリング、およびアプリケーションをカバーします。実践的な演習、コーディング課題、および最終プロジェクトを通じて、学生は現実世界の NLP アプリケーションを開発し、急速に進化する人工知能の分野に貢献する能力を身に付けます。 |
| 【学修到達目標】 |
|---|
"この講義を効果的に受けると、受講者は次のことができるようになります:
(1) 基本的な NLP概念を理解し、Python ライブラリを使用して NLP技術を実装する。
(2) 事前学習済みの言語モデルを操作する。
(3) 特定のタスクに合わせて言語モデルをファインチューニングする。
(4) LLM のアーキテクチャと機能を理解する。
(5) さまざまな NLPタスクに LLM を適用する。" |
| 【講義スケジュール】 |
|---|
"以下のスケジュールを予定していますが、事情により一部の内容を変更する可能性があります。
1：Python による自然言語処理入門
2：テキスト処理、特徴エンジニアリング
3：単語埋め込み
4：Nグラム言語モデル
5：言語モデリングのためのRNN
6：トランスフォーマー モデル
7：アテンション メカニズム
8：プロンプト エンジニアリング(1)
9：プロンプト エンジニアリング(2)
10：プロンプト エンジニアリング(3)
11：プロジェク(1)
12：プロジェク(2)
13：プロジェク(3)
14：プロジェク(4)
15: プレゼンテーション" |
| 【指導方法】 |
|---|
講義および演習 |
| 【事前・事後学修】 |
|---|
特になし |
| 【成績評価の方法・基準】 |
|---|
出席、課題およびプロジェクト |
| 【受講要件】 |
|---|
Python（CS概論I）、データサイエンス（CS概論III） |
| 【テキスト】 |
|---|
特になし |
| 【参考書】 |
|---|
特になし |
| 【関連分野・関連科目】 |
|---|
特になし |
| 【備考】 |
|---|
Pythonでの実践的なアクティビティを豊富に含んだ講義に積極的に参加することが期待されます。 |
| 【添付ファイル1】 |
|---|
| 【添付ファイル2】 |
|---|
| 【添付ファイル3】 |
|---|
| 【リンク】 |
|---|
|
特になし
|