【中止】自然言語処理の基礎と生成AI・大規模言語モデルの研究開発への活用
| 開催日 |
13:00 ～ 16:30 締めきりました |
|---|---|
| 主催者 | （株）Ｒ＆Ｄ支援センター |
| キーワード | デジタル情報管理 AI（人工知能） ソフトウェア運用・活用 |
| 開催エリア | 全国 |
| 開催場所 | 【WEB限定セミナー】※会社やご自宅でご受講下さい。 |
★生成AIの力で研究開発を変革： 自然言語処理や生成AI・大規模言語モデルの基礎から応用までの全体像を理解する！ ※本セミナーはZOOMを使ったLIVE配信セミナーです。会場での参加はございません。【アーカイブ配信：4/22～5/7（何度でも受講可能）】での受講もお選びいただけます。
セミナー講師
信州大学 工学部 特任准教授大阪大学 基礎工学研究科 招聘教授博士（工学） 向田 志保 氏【専門】情報科学、マテリアルDX（マテリアルズ・インフォマティクス）、生物工学【略歴】2007年大阪大学工学研究科で博士号を取得。同年、東レに勤務。2014年から2017年まで国立遺伝学研究所にて遺伝子の解析やデータベースに関する研究に従事。2017年から三井化学にてマテリアルズ・インフォマティクスやAIの研究に従事し、現在は、DX技術全般に携わっている。2022年より信州大学特任准教授。2023年より大阪大学基礎工学研究科招聘教授。
セミナー受講料
49,500円（税込、資料付）■ セミナー主催者からの会員登録をしていただいた場合、1名で申込の場合46,200円、 2名同時申込の場合計49,500円（2人目無料：1名あたり24,750円）で受講できます。（セミナーのお申し込みと同時に会員登録をさせていただきますので、 今回の受講料から会員価格を適用いたします。）※ 会員登録とは ご登録いただきますと、セミナーや書籍などの商品をご案内させていただきます。 すべて無料で年会費・更新料・登録費は一切かかりません。 メールまたは郵送でのご案内となります。 郵送での案内をご希望の方は、備考欄に【郵送案内希望】とご記入ください。
受講について
Zoomを使ったWEB配信セミナー受講の手順
- Zoomを使用されたことがない方は、こちらからミーティング用Zoomクライアントをダウンロードしてください。ダウンロードできない方はブラウザ版でも受講可能です。
- セミナー前日までに必ず動作確認をお願いします。
- 開催日直前にWEBセミナーへの招待メールをお送りいたします。当日のセミナー開始10分前までに招待メールに記載されている視聴用URLよりWEB配信セミナーにご参加ください。
- セミナー資料は開催前日までにPDFにてお送りいたします。
- アーカイブの場合は、配信開始日以降に、セミナー資料と動画のURLをメールでお送りします。
- 無断転載、二次利用や講義の録音、録画などの行為を固く禁じます。
セミナー趣旨
生成AIの進化とその活用は、AI技術の中でも最も注目される分野となっています。特に、昨年発表されたChatGPTの登場以降、この分野の発展は急速に進行しています。自然言語処理技術は、化学実験や材料開発をはじめとする多岐にわたる領域で新しい可能性を生み出しています。従来、自然言語処理は特許、文献、報告書からの情報収集や、重要文書の抽出、要約、分類などのタスクに中心的に活用されていましたが、生成AIの登場により、これらのタスクの効率化に留まらず、新しい化合物の提案や材料の特性予測といったより高度な用途での応用が増えてきています。 プロンプトエンジニアリングも、生成AIの能力を最大限に引き出すための欠かせないテクニックとなっています。 本セミナーでは、自然言語処理の基礎から始め、実験現場での具体的な応用に焦点を当てつつ、古典的手法から生成AI・大規模言語モデルといった最新技術までの活用法を紹介します。 尚、生成AI周りの技術変遷は激しく、1，2カ月でそれまでの技術が陳腐化する可能性もあります。講義では、その時点での最新動向をふまえ解説する予定です。
受講対象・レベル
・自然言語処理、生成AI・大規模言語モデル全般の基礎知識を得たい方・生物・化学といった分野に限らず、生成AI、プロンプトエンジニアリングを実験現場や実務で活用したいと考えている方
習得できる知識
・自然言語処理、生成AI・大規模言語モデル全般の基礎知識・研究開発などに向けた自然言語処理、生成AI・大規模言語モデルの具体的な導入並びに応用
セミナープログラム
１．自然言語処理の基礎と従来型の手法 1-1 自然言語処理の歴史的背景と発展 1-2 基本的な自然言語処理技術（形態素解析、構文解析、意味解析） 1-3 従来型自然言語処理のアプローチ（規則ベース、統計ベース） 1-4 研究開発での従来型NLPの活用例２．大規模言語モデルと生成AI 2-1 大規模言語モデル（LLM）の概要 2-2 ChatGPT、GPT-3、GPT-4の紹介 2-3 生成AIのリスクと管理３．生成AIの導入方法 3-1 生成AIモデルの選択と導入 3-2 APIとオープンソースモデルの利用 3-3 人財育成４．研究開発での自然言語処理と生成AIの活用事例 4-1 特許調査・分類の自動化 4-2 化学・生物分野での応用 4-3 材料特性予測と化学反応の予測５．プロンプトエンジニアリングと生成AIの最適活用 5-1 プロンプトエンジニアリングの基礎 5-2 生成AIのベストプラクティス（ファインチューニング）と評価方法 5-3 RAGモデルの活用とその効果６．生成AIの未来：研究開発・実験現場におけるさらなる応用と展望 6-1 技術進化の予測と応用領域 6-2 安全性と信頼性の確保
キーワード：ジェネレーテAI,人口知能,深層学習,AI,WEBセミナー,オンライン