Syllabus data

Teacher name ： 湯本 高行
Course Title
Research Seminar I
Course Title in English
Research Seminar I
Course Type
Major Courses
-
Eligible Students
School of Social Information Science
Target Grade
3Year
Course Numbering Code
KCJBS3MCA3
Credits
2.00Credits
The course numbering code represents the faculty managing the subject, the department of the target students, and the education category (liberal arts / specialized course). For detailed information, please download the separate manual from the upper right 'question mark'.
Type of Class
演習 (Seminar)
Eligible Year/Semester
Spring semester 2026
Instructor
湯本 高行
Affiliation
社会情報科学部
Language of Instruction
Japanese
Related SDGs
N/a
Office Hours and Location
講義後に教室、もしくはメール等でアポを取り教員室にて
Contact
yumoto@sis.u-hyogo.ac.jp

Corresponding Diploma Policy
A double circle indicates the most relevant DP number and a circle indicates the associated DP.
Corresponding Undergraduate School DP
2◎／1〇／3〇
Corresponding Graduate School DP
ー
Corresponding University-Wide DP
N/a
Academic Goals of Teacher Training Course
ー

Course Objectives and Learning Outcome
講義目的
  1. 専門的知識の理解を深め，学問の方法論を身につける。
  2. 情報技術，データ分析技術を高める。
  3. 自然言語処理技術の理解を深め、その利用方法を修得する。

到達目標
  1. 専門文献を読んで説明することができる。
  2. ディスカッションの方法を身につけている。
  3. 自然言語処理技術の理論を理解し、それを用いたプログラムの開発ができる。
Subtitle and Keywords of the Class
自然言語処理
Course Overview and Schedule
講義内容
　自然言語処理(NLP)の理論と利用方法を学ぶ。前半はNLPに関する論文紹介を行う。最初の3回は担当教員が前提知識について講義を行い、その後、各受講者が論文１本ずつを選び、論文紹介を行う。後半では、前半で学んだ内容を基に、各自がテーマを設定し、NLPを応用したシステムを開発する。最後に発表会を行う。

授業計画
  1. ガイダンス
  2. 自然言語処理についての講義1
  3. 自然言語処理についての講義2
  4. 自然言語処理についての講義3
  5. 論文紹介1
  6. 論文紹介2
  7. 論文紹介3
  8. NLPを応用したシステムの開発1
  9. NLPを応用したシステムの開発2
  10. NLPを応用したシステムの開発3
  11. NLPを応用したシステムの開発4
  12. NLPを応用したシステムの開発5
  13. NLPを応用したシステムの開発6
  14. 発表会1
  15. 発表会2

In-person/Remote Classification
In-person
Implementation Method and Remote Credit Limit Application
・対面授業のみ
・遠隔授業単位上限の適用を受けない
Uses of Generative AI
Limited permission for use
Precautions for using Generative AI
以下の用途については使用を認める。
・予習、復習など、自身の理解を深めるための利用
・提出物の作成にあたっては、自ら作成した内容についての改善のための補助的な利用
　（例：必要な概念やプログラミング技法などの理解、文章の推敲 など）

以下の行為は禁止する。
・提出物そのものやその基本構想・構成案の作成を生成AIに行わせること
　（自ら作成した案に対する助言を求めることは構わない）
・生成AIの出力について、内容の理解および内容の正しさの検証を行わずに成果物に記載すること
　（例：提出したプログラム中に処理内容を説明できない箇所があるなど）
提出物に不自然な点があれば口頭での説明を求めることがある。
Textbook
末次拓斗：誰でもわかる大規模言語モデル入門，日経BP (2024)
※受講者には貸与するため購入する必要はありません。
References
適宜紹介する。
Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)
  • 講義内容の復習および論文紹介の準備：合わせて20h
  • システムの実装およびレポート作成：合わせて40h


Contents of Active Learning
  • 前半で学んだ内容を応用したシステムを各自で設計し、作成する。
  • 作成したシステムの発表会を行う。

Grading Criteria and Methods
成績評価の基準
  • 卒業研究を行うための基本的な知識と技能を身につけ、主体的な探究を行うことができる者に単位を授与する。講義目的・到達目標に記載する能力の到達度に応じてSからCまで成績を与える。

成績評価の方法
  • 発表30％、討論30％、レポート40％

How to Disclose Assignments and Exam Results
論文紹介の資料については添削を行い、作成したシステムについては発表会にて講評を行う。
Precautions and Requirements for Course Registration
  • 社会情報科学部の必修科目である。
  • データマイニング、プログラミングIIの各科目の内容を十分に理解していることを前提とする。
  • 毎回ノートPCを持参すること。
  • 生成AIの利用については教員の指示に従うこと。

Practical Education
該当しない。
Remarks
In cases where any differences arise between the English version and the original Japanese version, the Japanese version shall prevail as the official authoritative version.