| 両方とも前のリビジョン
前のリビジョン
次のリビジョン
|
|
start [2024/05/31 (Fri) 11:22] jones [問い合わせ先] 担当者変更(脇山→松本) |
| 前のリビジョン
|
|
start [2025/06/30 (Mon) 10:56] (現在) jones [機構外から受講希望の皆様へ] |
|
======農研機構AI教育研修案内（20242025年度）====== |
|
| 2018年10月の農研機構農業情報研究センター（農情研）発足以来、Python入門、機械学習ワークショップとして開催してきた講習会を、 |
|
| \\ |
| **2023年度から**は、2022年度までの講習実績を踏まえ、それまで予備コースとして受講前自習（セルフラーニング）をお願いしてきた内容に基づき、特に__これからAIを学ぼうとする初習者向け__を意識した講習として「**データサイエンス基礎**」コースを設定しました。このコースでは、AIに取り組むために必要となる__数学・基礎統計、コンピュータ操作（Linux系）やプログラミング言語（Python、R）__について学びます。\\ |
| この「データサイエンス基礎」コースを修了された方は、申請により「**機械学習**」コースを受講することができます。この機械学習コースでは__AIの基本である**機械学習（深層学習を含みます）の概略(入り口)**について__学びます。\\ |
| \\ |
|
**__<color #ed1c24>2024年4月から度のAI教育研修(2024年度)</color>__**は、第1回を農研機構試験新規採用者向け(会期4月～8月)、第2回を農研機構内外職員(申し込み制、会期10月～翌2月)で実施予定しました。第1回は機構内部のみです46名が受講、第2回は内部29名、外部14名が受講しました。開催方式\\ |
**2025年度のAI教育研修**は、2024年度を継承する形で、第1回を農研機構内新規採用者向け(会期4月～8月)、第2回を農研機構内外職員（申し込み制、会期10月～翌2月）とし、原則自習形式(教材類および過去回の研修録画と講義動画視聴の併用による)で、期間中質疑応答用のSlackワークスペースを開設催します。\\ |
なお、2024年度第2回の参加募集は、機構内職員向け(機構内滞在中の外部職員含む)には9月中(機構内グループウェア上にて)、機構外職員向けには8月～9月にのご案内予定です(は、機構公式Webサイト上、定員10名)。\\ |
具体的内容が固まり次第、順次この場でもお知らせに7月頃掲載する予定です。\\ |
|
| <WRAP round info 75%> |
**20242025年46月1630日**\\ |
|
20242025年度第1回は、農研（機構内の部・試験採用新規人職員(研究職)を対象に4月9日より）開催中です。基本自習形式\\ |
第2回は機構内部・外部を対象とした募集申し込み制で8月中開催しまで継続予定です。この間に各自\\ |
機構外部からの経験・スキルに応じた受講・レベルアップを目指案内は7月中に機構ホームページに掲載していただきます。\\ |
| </WRAP> |
|
| ===== 研修概要 ===== |
|
* 本研修は、2023年度より大きく**データサイエンス基礎**、**機械学習**（仮称）の2コースで構成されています。データサイエンス基礎コースと機械学習コースを 1 セットとして年 2 回開催します。各回の受講者定員はデータサイエンス基礎コース段階で 30 ～ 50 名で、**原則自習形式**での開催です。 |
| * 本研修は**主にAI・機械学習初学者を対象**とした研修内容構成となっています。 |
| * データサイエンス基礎コースではAIを学ぶために必要となる**大学教養レベルの数学・統計の知識**や、AI開発時に必要となる**プログラミング言語（Python；R）**、**コンピュータ操作（Linux系OS）**について学びます。またこの期間中に農研機構におけるAI研究開発の取り組み状況を把握していただく目的でAI概論や研究紹介についての動画も視聴いただきます。 |
* データサイエンス基礎コースでは**理解度・習熟確認テスト**があります。__このテストに良好な成績で合格・しコース修了すると、次のステップである機械学習コースの受講資格を得る__ことができます。また経験・知識のある方は最初に習熟確認テストを提出・パス合格することでデータサイエンス基礎コースを受講することなしに機械学習コース受講を申し込むことができます。 |
* 機械学習コースでは一般的な「機械学習」について外部教材(MS Learning)を使用しながら自習形式にて学びます。またAIスパコン「紫峰」を利用しながら、農研機構でのAI適用研究開発事例に基づく機械学習(ここではのうち「深層学習)」についてはクラウドAI学習環境の知識・スキル獲得一つであるGoogleColab(Colaboratory)を目指利用しながら自習演習を行い理解を深めます。 |
* 本研修受講中は、Teams 及び Slack を用いて受講者からのそれぞれ研修に関する事務的諸連絡や研修・講義内容についての事務的・技術的質問・相談を随時受け付け行います。 |
| * 本研修修了後は、具体的な農業現場課題へのAI適用による課題解決に向け、農情研にてテーマ化したりOJTを行ったりするなどの継続的な支援を行います。 |
|
|
| ===== 機械学習コース ===== |
|
2022年度までの研修実績・結果に基づき、機械学習全般の知識やデータに対する考え方など、これからAIを習得していく際の入り口となる知識・スキルの獲得を目指します。代表的な個々の機械学習手法については、外部教材を紹介やクラウド環境利用へ誘導し、独学・自習での習得を後押しします。農研機構でのAI適用研究開発事例については、それを題材として実際に学習過程を含め動かしてみるところまで体験・習得を目指します。 |
|
| ^ 講義内容 ^ 形式 ^ 所要時間* ^ |
| AIスパコン「紫峰」について | オンライン | 40分 | |
| | 機械学習入門（概観、データに対する考え方、解析・手法選択の道筋、個別手法の学習教材紹介、など） | オンライン | 120分<sup>†</sup> | |
| 時系列解析 | オンライン | 10090分 | |
| | 深層学習入門 | オンライン | 120分 | |
| |<color #c3c3c3>(以下は機械学習コース受講者の内の希望者のみ)</color>||| |
| | <color #c3c3c3>AIスパコン「紫峰」について</color> | <color #c3c3c3>オンライン</color> | <color #c3c3c3>40分</color> | |
| | <color #c3c3c3>AI適用研究開発事例に基づく機械学習体験・習得「物体検出実習：ウンカ判別」</color> | <color #c3c3c3>オンライン</color> | <color #c3c3c3>140分</color> | |
| * <color #ed1c24>教材動画視聴時間(標準再生)のみ、演習操作等の時間は含みません</color>\\ |
| † <color #ed1c24>この他に外部教材(MS Learning)による自習時間(一般的な機械学習についてコース選択制：自分の目的に合わせて必要なコースを選択的に受講)が発生します</color> |
|
| ===== 機構内受講者の皆様へ ===== |
|
<wrap em>**【重要】**</wrap>データサイエンス基礎コースを受講される方は、以下の準備をお願いしています（概略受講開始前は１～３項までの準備手順をお願ご確認くださいします。４，５（詳細については受講中開始時に詳細連絡お知らせします） |
|
- データサイエンス基礎コースを受講される方は、農研機構TeamsによるAI教育研修用のチーム「農研機構AI教育研修20242025#n」（'n'は開催回数：1または2）に参加いただきます。以後の受講手続き、準備作業等はこのTeamsチームを通じて連絡されるので，随時Teams投稿を確認するようにしてください。以下の項目についても詳細はTeams上で手順書などが配信されます。 |
- データサイエンス基礎コースでは、各自が使用中のPCを使用して実習します。Windows PC の場合はUNIX（Linux系OSとしてUbuntu）の利用環境(1.別のUbuntu機にMobaXtermを使用して接続する環境，2.使用中のPC内のWSL-Ubuntu環境)，またはWindows環境下での実習環境を準備することになります。また具体的には、R講義ではお使いのPCのOSに合わせた R と RStudio を導入して使用します。可能な方Python講義では事前にPythonの動作環境(Minicondaが代表例)を導入（インストール）して正常に起動使用しますること。Unix講義ではUnix系の動作環境を確認導入してます。なおい、MacやUnix系OS搭載PCでは、OS自体がUnix系ですので改めてくださいUnix系の動作環境を用意する必要はありません。 |
- Windows PCを使用して受講する場合、原則として__UNIX利用環境の1(別のUbuntu機にMobaXtermを使用して接続する)またはUNIX利用環境2(WSL-Ubuntu)については準備完了報告をしていただきます__（この準備完了報告がないとコース受講できません）。なお，ここでの「別のUbuntu機」は研修事務局の方で「Ubuntu練習機」を用意しており，これに接続していただきます(コース内のUnix入門でもこのUbuntu機に接続して演習します)。UNIX利用環境2(WSL-Ubuntu)とR+RStudio環境については準備報告の必要はありませんが、WSL-Ubuntuを受講時のUnix利用環境とする場合はこちらの準備報告をすることも可能です。また、Windows PC以外のUNIX系OS環境(Mac、Linux PCなど)で受講する場合はその利用環境の準備報告をしていただきます(OS上でターミナル画面が起動している状態)の準備報告をしていただきます。 |
- データサイエンス基礎コースを受講されたる方には理解度・習熟確認テストを受けていただきます。これに所定の成績を修める(合格する)とコース修了となります。さらるとともに良好な成績で修了された方は機械学習コースの受講資格が得られます。AI・機械学習・データサイエンス分野に関して経験・知識のある方は最初にこの確認テストを提出し合格すれば（コース内の講義受講をスキップして）機械学習コースに進むことができます（受講資格が得られる）。 |
- 機械学習コース受講には、AIスパコン「紫峰」のアカウントが必要です。アカウントをお持ちでない方は事前にアカウント取得および受講環境の準備をお願いします(Teams連絡にて詳細お知らせ)。 |
* 紫峰の受講準備は[[https://portal.rcait.naro.go.jp/ai_user/|AI研究用高性能計算機システム 利用者ポータル]]サイトの記載に従って準備していただきます。 |
* 問題、不明点等がありましたら、別途ご案内する Slack 上で質問いただくようお願いしています）。 |
|
| ===== 機構外から受講希望の皆様へ ===== |
|
正式な受講のご案内・申し込み等については，準備ができ次第，、[[https://www.naro.go.jp|農研機構公式サイト及びこ]]の[[https://www.naro.go.jp/training/index.html|機構研修案内ページ]]以下をご確認ください。例年7月頃に第2回の開催案内と受講者募集を掲載します。\\ |
外部受講に当たっては一部講座にお知いて機構外部から農研機構内リソースにアクセスする必要があることから、受講(募集)定員を最大10名としています(農研機構内リソースを必要とする講義を受講しない場合は受講定員の制限を受けません)。受講希望者多数の場合など、事務局での選考により受講者を決定させていただく場合がありますので予めご了承ください。\\ |
| 受講者の決定・通知は例年9月中～下旬頃を予定しています。受講が決まった方には研修運営事務局から受講準備・受講内容等の諸連絡をさせていただきます(9月末～10月上旬目途に)。受講準備が整うと受講開始となります(10月上旬～)。以降は自習形式にて各自で進行管理いただきながら受講していただきます。\\ |
| 通常、データサイエンス基礎コース→機械学習コース(→［オプション］紫峰利用深層学習講座）の順に受講いただきますが、経験・知識をお持ちの場合は、データサイエンス基礎コースの習熟確認問題を提出いただくことで、機械学習コースに進むことができます。データサイエンス基礎コースの習熟確認問題提出は本コースの受講確認を兼ねていますので、問題に取り組み提出いただくようお願いします。 |
| ===== 問い合わせ先 ===== |
|
* 受講についての手続き，その他一般的内容 -> <matsumtRCAIT-AIJinzaiIkusei@naroml.affrc.go.jp> 基盤技術研究本部農業情報研究推進センターAI人材育成室松本 |
* 講習内容など，技術的要素を含む内容について -> <RCAIT-AIJinzaiIkusei@ml.affrc.go.jp> 基盤技術研究本部農業情報研究センターAI人材育成室（研修質問用Slack利用開始前に限る）、Slack利用開始後はSlack上の該当するチャンネルにて質問 |
|
|
|
|
