化学品の市場調査、研究開発の支援、マーケット情報の出版

<演習で学ぶ>
☆Colaboratory を使った演習を行いますので、google のアカウントをご準備ください

 
1口(1社3名まで受講可能)でのお申込は 受講料 66,000円(税込)/1口 が格安となります。
☆☆☆ Web配信セミナー ☆☆☆

トリケップスセミナーのご案内

 開催日時:2026年2月19日(木)13:00~16:00
 参 加 費:お1人様受講の場合 53,900円(税込/1名)
     1口(1社3名まで受講可能)でお申し込みの場合 66,000円(税込/1口)

 ★ 本セミナーの受講にあたっての推奨環境は「Zoom」に依存しますので、ご自分の環境が対応しているか、お申込み前にZoomのテストミーティング(http://zoom.us/test)にアクセスできることをご確認下さい。

 ★ インターネット経由でのライブ中継ため、回線状態などにより、画像や音声が乱れる場合があります。講義の中断、さらには、再接続後の再開もありますが、予めご了承ください。

 ★ 受講中の録音・撮影等は固くお断りいたします。
 
 
お申し込み受付中

申込方法

 お1人様受講の場合、下記のカートへの投入、あるいはFAX用紙にてお申込ください。
 1口でお申し込みの場合、下記のFAX用紙にてお申込ください。

  お1人様申込み
     FAX申込用紙PDF 
  1口(1社3名まで受講可能)でお申し込み    FAX申込用紙PDF 
 

講 師

内山英昭(うちやまひであき) 氏 
奈良先端科学技術大学院大学 先端科学技術研究科 情報科学領域 サイバネティクス・リアリティ工学研究室(CAREラボ) 准教授(博士(工学))

<略歴、等>
 2006年3月 慶應義塾大学 理工学部 情報工学科 卒業
 2007年9月 慶應義塾大学大学院 開放環境科学専攻 修士課程 修了
 2010年9月 慶應義塾大学大学院 開放環境科学専攻 博士課程 修了
 2010年10月-2012年6月 フランス国立情報学自動制御研究所 博士研究員
 2012年7月-2014年3月 株式会社東芝 研究開発センター
 2014年4月 九州大学大学院 システム情報科学研究院 助教
 2018年4月 九州大学 附属図書館 准教授
 2021年4月 現職

 拡張現実感のためのコンピュータビジョン技術の研究に従事.2012年より3年間,拡張現実感に関する国際会議International Symposium on Mixed and Augmented Reality(ISMAR)の論文選定委員を歴任.2015年のISMAR及び2016年のVR学会で開催されたvisual SLAMの性能を競うトラッキングコンペティションを運営.visual SLAMのオープンソースのライブラリであるATAM(Abecedary Tracking and Mapping)を開発[1].拡張現実感に用いられる位置合わせ技術に関する本[2]や解説論文[3]を執筆.

[1] https://github.com/CVfAR/ATAM
[2] AR(拡張現実)技術の基礎・発展・実践 (設計技術シリーズ),科学情報出版(第一章担当)
[3] E.Marchand, H.Uchiyama and F. Spindler, “Pose Estimation for Augmented Reality: A Hands-On Survey,” IEEE Transactions on Visualization and Computer Graphics, vol.22, pp.2633-2651, 2016.

セミナーの概要

 生成AIの導入は,研究開発のプロセスと技術戦略に大きな変革をもたらしつつある.特に大規模言語モデル(LLM)の進歩により,アルゴリズム実装,コード生成,デバッグ,リファクタリングといった作業が高速化し,研究者やエンジニアの生産性とR&D全体の進め方に質的変化が生じている.しかし,実際の現場では,必要な情報の整理不足や前提知識の不一致,説明の粒度のミスマッチ,誤った推測に基づくコード生成,長い指示や複雑な処理に対する破綻など,LLM特有の課題が依然として見られる.
 本講演では,近年の研究動向を踏まえて整理した実践的アプローチを紹介する.COTによる問題分解,ICLによる条件付け,Test time computingの推論精度の向上,複数LLMの使い分けなど,LLMの特性に基づく方法を中心に,研究開発におけるコーディングを安定して進めるための具体的ポイントを示す.これらの手法を適切に用いることで,生成AIを活用したつまずかない研究開発を習得することを目標とする.

講義項目

 1 導入
  1.1 背景と目的
  1.2 AIが研究開発にもたらす変化
  1.3 つまずきの構造とAI活用の意義

 2 LLMの基礎
  2.1 AIとLLMの概要
  2.2 LLMの仕組みとスケーリング
  2.3 トークン,コンテキスト,COT,ICL,Reasoning

 3 AIコーディングのテクニック
  3.1 COTとICLの使い方
  3.2 言語変換としてLLMを使う基本原理
  3.3 サンプルコード・仕様書を使った実装手順
  3.4 複数LLMの使い分けとモデル特性
  3.5 実行環境と効率的な開発フロー点

 4 実例と応用
  4.1 ICP実装例
  4.2 pycolmapを用いたSfMの実装例
  4.3 AIの限界事例

 5 AI時代に求められるスキル
  5.1 コード読解力と仕様化能力
  5.2 AIとの協働に必要な姿勢
  5.3 まとめと今後の展望