本講義ではHuggingFaceというAI開発のプラットフォームを通して、実際に大規模言語モデルなどを扱う方法を学びます。
生成AIも活用しつつ、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、デモを実装できるところまで授業を行います。
科目一覧
AI Programming Laboratory
大規模言語モデル(LLM)を活用したAI実装と応用
AIプログラミングラボ
| 担当講師 | 波田野 創（株式会社創環境設計） |
|---|---|
| 分類 | ラボ |
| 授業形態 | 遠隔 |
| 授業形態詳細 | 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 | 24時間 |
| 到達目標 | ・Huggingfaceで、様々なAIモデルのタスクを理解する ・AIモデルのインターフェイスを理解し、UIやデータと接続できるようになる ・AIアプリケーションのデモを実装できるようになる |
| 難易度 | ★★★ |
| 分野別難易度 | 機械学習：★ Python：★★ |
| 履修上の注意 | 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 ・深層学習 ・データ解析 その他 ・PC（VScodeがインストールされていること） ・Googleアカウント（Google Colaboratory用） ・Pythonを使います。 |
| 授業計画 ・内容 |
本講義は、AIモデルを実際に動かし、公開可能なデモを実装するハンズオンを提供するオンライン講義です。この数年のAIの発展（Transformer）についても解説します。計算機であるAIモデルが言語や音声、画像などのデータをどのような処理で計算可能にしているかも扱います。デモの実装する中で、理論的な側面も扱います。 1. AIプログラミング概要：AIの歴史と現在、Python理解度テスト 2. AIの開発環境の導入：開発環境・AIモデルの運用体制 3. AI開発プラットフォーム：HuggingFace入門 1 4. AI開発プラットフォーム：HuggingFace入門 2 5. AIのためUIライブラリ：HuggingFace Gradio 1 6. AIのためUIライブラリ：HuggingFace Gradio 2 7. 自然言語処理アプリの実装１ 8. 自然言語処理アプリの実装２ 9. 音声認識アプリの実装１ 10. 音声認識アプリの実装２ 11. 画像処理アプリの実装１ 12. 画像処理アプリの実装２ 13. 深層学習の概要：HuggingFace Transformers 1 14. 深層学習の概要：HuggingFace Transformers 2 15. データと学習：HuggingFace Dataset / Tokenizer 1 16. データと学習：HuggingFace Dataset / Tokenizer 2 |
| 事前・事後学習 の内容 |
– 事後学習としてレポートの作成を行います。 |
| 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 |
| 日程 | 1/15(木) 9:00 -12:15、1/16(金) 9:00 -12:15 1/22(木) 9:00 -12:15、1/23(金) 9:00 -12:15 1/29(木) 9:00 -12:15、1/30(金) 9:00 -12:15 2/5 (木) 9:00 -12:15、2/6 (金) 9:00 -12:15 |