到達目標
1.生成AIの特徴や得意なタスクを説明することができる。
2.「ハルシネーション」の現象に注意しながら,生成AIを活用することができる。
3.大規模言語モデル(LLM)の動作原理を説明することができる。
ルーブリック
| 理想的な到達レベルの目安 | 標準的な到達レベルの目安 | 未到達レベルの目安 |
評価項目1 | 最新技術動向を自分で調査しながら,生成AIを利用できる。 | 教科書にて言及されたに内容の範囲で生成AIを利用するできる。 | 生成AIを利用することができない。 |
評価項目2 | 最新の生成AI技術やその問題点を自分で調べ,それを利用できる。 | 「プロンプト」や「ハルシネーション」などの教科書にて言及された用語を説明することができる。 | 教科書にて言及された生成AIに関する用語を説明することができない。 |
評価項目3 | 大規模言語の技術動向を自ら調べ,その構築あるいは改良を行うことができる。 | 教科書にて言及された範囲にて大規模言語を利用することができる。 | 説明を受けても大規模言語を利用することができない。 |
学科の到達目標項目との関係
学習・教育到達度目標 電気情報工学科の教育目標②
説明
閉じる
学習・教育到達度目標 本科の教育目標③
説明
閉じる
教育方法等
概要:
OpenAI社が開発した「ChatGPT」に代表される言語系の生成AIのサービスは世界全体の産業に変革をもたらすとまで言われるくらいの大きな技術革新をもたらしている。本科目はこの言語系の大規模言語モデルを中心にして生成AIについて学ぶ。単に教科書や教材に記載されていることを教授するに留まらず,演習を通じてその知識の定着を行う。
授業の進め方・方法:
教科書あるいは提供・公開されている教材を用いて重要事項について説明する。その後,各重要事項に関連する演習を行う。もし講義時間内において完成しない場合,各自の自学自習の時間を利用し,完成させ,提出してもらう。
この分野の技術の進歩は早く,教科書や教材の内容さえもすぐに陳腐化してしまう。このため,各自で最新の技術動向について関心を持ち,調べることを心がけて欲しい。
注意点:
・総時間数90時間(自学自習60時間)
・自学自習(60時間)は,日常の授業(30時間)のための予習復習時間,理解を深めるための演習課題の考察・解法のための勉強時間を総合したものとする。
・評価については,合計点数が60点以上で単位修得となる。その場合,各到達目標項目の到達レベルが標準以上であることが認められる。
・具体的な評価方法については,初回授業において開示する。
授業の属性・履修上の区分
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
前期 |
1stQ |
1週 |
生成AIとは |
生成AIの特徴や生成AIが得意なタスクについて説明することができる。
|
2週 |
画像生成AIとは |
画像生成AIの仕組みについて説明することができる。
|
3週 |
プロンプトエンジニアリングとは |
プロンプトエンジニアリングについて説明することができる。「ハルシネーション」について説明することができる。
|
4週 |
演習(1) |
目的のために効率的なプロンプトの与え方を説明することができる。
|
5週 |
API |
ChatGPTのAPIを用いて実行可能な内容について説明することができる。
|
6週 |
演習(2) |
ChatGPTのAPIを用いて簡単なプログラムを作成することができる。
|
7週 |
演習(3) |
ChatGPTのAPIを用いて簡単なチャットボットのプログラムを作成することができる。
|
8週 |
大規模言語モデルを用いた仕様書の作成 |
大規模言語モデルを用いて,仮想の業務に関わる仕様書を作成することができる。
|
2ndQ |
9週 |
プログラムの自動生成 データベースの自動生成 |
生成AIを用いたプログラム自動生成の方法を説明することができる。生成AIを用いたデータベース自動生成の方法を説明することができる。
|
10週 |
テストの自動生成 マニュアルの自動生成 |
生成AIを用いたテストを自動生成する方法を説明することができる。生成AIを用いたマニュアルを自動生成する方法を説明することができる。
|
11週 |
大規模言語モデルの拡張 |
LangChainの特徴について説明することができる。
|
12週 |
大規模言語モデルの調整 |
大規模言語モデルのファインチューニングの方法を説明することができる。
|
13週 |
演習(4) |
大規模言語モデルに関する演習を行い,学んだ知識を確認することができる。
|
14週 |
演習(5) |
大規模言語モデルに関する演習を行い,学んだ知識を確認することができる。
|
15週 |
演習(6) |
大規模言語モデルに関する演習を行い,学んだ知識を確認することができる。
|
16週 |
|
|
モデルコアカリキュラムの学習内容と到達目標
分類 | 分野 | 学習内容 | 学習内容の到達目標 | 到達レベル | 授業週 |
専門的能力 | 分野別の専門工学 | 情報系分野 | プログラミング | 代入や演算子の概念を理解し、式を記述できる。 | 4 | 前8 |
プロシージャ(または、関数、サブルーチンなど)の概念を理解し、これらを含むプログラムを記述できる。 | 4 | 前8 |
変数の概念を説明できる。 | 4 | 前8 |
データ型の概念を説明できる。 | 4 | 前8 |
制御構造の概念を理解し、条件分岐を記述できる。 | 4 | 前8 |
制御構造の概念を理解し、反復処理を記述できる。 | 4 | 前8 |
与えられた問題に対して、それを解決するためのソースプログラムを記述できる。 | 3 | 前7,前8 |
ソフトウェア生成に必要なツールを使い、ソースプログラムをロードモジュールに変換して実行できる。 | 3 | 前8 |
与えられたソースプログラムを解析し、プログラムの動作を予測することができる。 | 3 | 前8 |
コンピュータシステム | 集中処理システムについて、それぞれの特徴と代表的な例を説明できる。 | 4 | |
分散処理システムについて、特徴と代表的な例を説明できる。 | 4 | |
システム設計には、要求される機能をハードウェアとソフトウェアでどのように実現するかなどの要求の振り分けやシステム構成の決定が含まれることを説明できる。 | 2 | 前3 |
ユーザの要求に従ってシステム設計を行うプロセスを説明することができる。 | 3 | 前3,前4,前5,前6,前7 |
プロジェクト管理の必要性について説明できる。 | 3 | 前2 |
評価割合
| 課題・演習等の提出物 | 小テスト | 合計 |
総合評価割合 | 50 | 50 | 100 |
専門的能力 | 50 | 50 | 100 |