start
差分
このページの2つのバージョン間の差分を表示します。
| 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 | 前のリビジョン | ||
| start [2024/07/01 (Mon) 10:41] – [機構外から受講希望の皆様へ] 外部受講者向け記載追加 jones | start [2025/10/09 (Thu) 13:44] (現在) – 第1回終了、第2回開始 jones | ||
|---|---|---|---|
| 行 1: | 行 1: | ||
| - | ======農研機構AI教育研修案内（2024年度）====== | + | ======農研機構AI教育研修案内（2025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、 | 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、 | ||
| 行 6: | 行 6: | ||
| \\ | \\ | ||
| **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。\\ | **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。 | + | 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。\\ |
| \\ | \\ | ||
| - | + | 2024年度のAI教育研修は、第1回を農研機構新規採用者向け(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)で実施しました。第1回は機構内部のみで46名が受講、第2回は内部29名、外部14名が受講しました。\\ | |
| - | **__< | + | **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)に開催し、49名が受講し9月末をもって終了しました。10月からは第2回を開催中で、農研機構内外職員（申し込み制、会期10月～翌2月）43名が受講予定です。現在、受講予定の皆様は受講準備を整え、多くの方がデータサイエンス基礎コースに取り組み始めているところです(10月上旬現在)。\\ |
| - | 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月に案内予定です(機構公式Web上、定員10名、< | + | |
| - | 引き続き、具体的内容が固まり次第、順次この場でもお知らせ予定です。\\ | + | |
| <WRAP round info 75%> | <WRAP round info 75%> | ||
| - | **2024年7月1日**\\ | + | **2025年10月9日**\\ |
| - | 2024年度第2回の機構外職員等の皆様への受講案内が[[https:// | + | 2025年度第2回（機構内外職員等対象、申し込み制・募集済み）開催中。\\ |
| + | 機構内部からは40名、機構外部からは3名の方々が受講予定となっています。\\ | ||
| + | ほとんどの方がデータサイエンス基礎コースの受講準備中か、受講準備を終えデータサイエンス基礎コースの受講を開始したところです。 | ||
| </ | </ | ||
| ===== 研修概要 | ===== 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、2023年度より大きく**データサイエンス基礎**、**機械学習**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。 | * 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・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。 | + | * 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・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(ここでは深層学習)についての知識・スキル獲得を目指します。 | + | * 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。また機械学習のうち「深層学習」についてはクラウドAI学習環境の一つであるGoogleColab(Colaboratory)を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研修内容についての事務的・技術的相談を随時受け付けます。 | + | * 本研修受講中は、Teams 及び Slack を用いて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技術的質問・相談を行います。 |
| * 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。 | * 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。 | ||
| 行 43: | 行 43: | ||
| ===== 機械学習コース | ===== 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。 | + | 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。 |
| ^ 講義内容 ^ 形式 ^ 所要時間* ^ | ^ 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< | | 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< | ||
| - | | 時系列解析 | オンライン | 100分 | | + | | 時系列解析 | オンライン | 90分 | |
| | 深層学習入門 | オンライン | 120分 | | | 深層学習入門 | オンライン | 120分 | | ||
| - | | 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」 | オンライン | 140分 | | + | |<color # |
| + | | <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 # | ||
| † <color # | † <color # | ||
| 行 56: | 行 57: | ||
| ===== 機構内受講者の皆様へ ===== | ===== 機構内受講者の皆様へ ===== | ||
| - | <wrap em> | + | データサイエンス基礎コースを受講される方は、以下の概略受講手順をご確認ください（詳細については受講開始時にお知らせします） |
| - | - データサイエンス基礎コースを受講される方は、TeamsによるAI教育研修用のチーム「農研機構AI教育研修2024# | + | - 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2025# |
| - | - 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)を準備することになります。また、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。可能な方は事前に導入（インストール）して正常に起動することを確認しておいてください。 | + | - 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。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。Python講義ではPythonの動作環境(Minicondaが代表例)を導入して使用します。Unix講義ではUnix系の動作環境を導入します。なお、MacやUnix系OS搭載PCでは、OS自体がUnix系ですので改めて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)については準備完了報告をしていただきます__（この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)。 | + | - Windows PCを使用して受講する場合、__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）。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(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とコース修了となります。さら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。経験・知識のある方は最初にこのテストを提出し合格すれば（コース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）。 | + | - データサイエンス基礎コースを受講される方には理解度・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)とコース修了となるとともに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（受講資格が得られます）。 |
| - | - 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:// | + | |
| - | * 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 ===== | ===== 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、[[https:// | + | 正式な受講のご案内・申し込み等については、[[https:// |
| - | 外部受講に当たっては一部講座にお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。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。\\ | + | 外部受講に当たっては一部講座にお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。 | + | 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 ===== | ===== 問い合わせ先 ===== | ||
| - | * 受講についての手続き，その他一般的内容 -> <matsumt@naro.affrc.go.jp> | + | * 受講についての手続き，その他一般的内容 -> <RCAIT-AIJinzaiIkusei@ml.affrc.go.jp> |
| - | * 講習内容など，技術的要素を含む内容について -> < | + | * 講習内容など，技術的要素を含む内容について -> < |
start.1719798100.txt.gz · 最終更新: by jones