セミナー
サイトリニューアルをしました。
May 8, 2017
＜演習で学ぶ＞
生成AI時代のR&D：
つまずかないAI活用とコーディング
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
受講可能な形式：【ライブ配信】のみ
| 日時 | 2026年2月19日（木） 13:00～16:00 |
|
|---|---|---|
|
受講料(税込)
各種割引特典
|
53,900円
( E-Mail案内登録価格 53,900円 )
S&T会員登録とE-Mail案内登録特典について
定価：本体49,000円＋税4,900円
E-Mail案内登録価格：本体49,000円＋税4,900円
|
|
お１人様受講の場合 53,900円 （49,000円＋税4,900円）
1口でお申込の場合 66,000円 （60,000円＋税6,000円／1口（3名まで受講可能）） ※S&T E-Mail案内登録価格 S&T複数同時申込み割引対象外 ※開催7日前に請求書を発送します。 ※開催日から9日前以降のキャンセルは受講料全額を申受けます。但し、セミナー終了後テキストを郵送します。 一旦、納入された受講料はご返金できません。当日ご都合のつかない場合は代理の方がご出席下さい。 ※サイエンス＆テクノロジーが設定しているアカデミー価格・キャンセル規定対象外のセミナーです。 |
||
| 主催 | (株)トリケップス | |
| オンライン配信 | ★本セミナーは、Zoomウェビナーを使用して行います。 受講者の通信回線にセキュリティなどの制限がある場合は参加できないことがあるため、 事前に当日ご利用予定の通信回線にて、 Zoom公式ページ（https://zoom.us）にアクセスできることをご確認していただくようお願いします。 または、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ください。 Zoomをダウンロードしている方はマイクとスピーカーのテストも可能です。 ※こちらは接続テスト用のミーティングです。実際のセミナー参加者画面とは異なります。 ★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。 ※開催5日前までに主催会社(株)トリケップスから参加者に当日必要なURLとパスワードをメールにてお知らせします。 | |
| 備考 | ★受講申込者が必要定員に満たないセミナーは中止・延期させていただく場合があります。 その場合は開催1週間前にご連絡します。 ★1口でお申込の場合 代表受講者を定めて下さい。請求書発送等の連絡は代表受講者へ行います。 申込時に参加者全員の氏名・所属が明記されていない場合、ご参加できない場合があります。 | |
セミナー講師
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.
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.
セミナー趣旨
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．
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．
セミナー講演内容
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
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
当サイトはグローバルサイン社によりセキュリティ認証をされています。
SSL/TLS対応ページ（https）からの情報送信は暗号化により保護されます。
SSL/TLS対応ページ（https）からの情報送信は暗号化により保護されます。