2026年08月28日（金）
13:00～16:30
Tel：03-5857-4811 E-mail：info@rdsc.co.jp
問い合わせフォーム
奈良先端科学技術大学院大学 准教授 博士（工学） 内山 英昭 氏
【専門】
コンピュータビジョン・ヒューマンコンピュータインタラクション
専門はコンピュータビジョンを基盤とし，パターン認識や機械学習、センサ工学などの基礎技術から，AR/VR，ヒューマンコンピュータインタラクション，LLM/VLM応用，マルチモーダルセンシングといった応用領域まで幅広く取り組む。特にナビゲーション技術の分野では，複数の国際コンペティションで優勝経験を有する。また，大学院教育においては，生成AIを活用したコーディングやソフトウェア開発支援に関する講義・演習にも取り組んでいる。
【略歴】
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
非会員：
49,500円
（本体価格：45,000円）
会員：
46,200円
（本体価格：42,000円）
学生：
49,500円
（本体価格：45,000円）
非会員の方は1名につき49,500円（税込み）です。
会員の方もしくは新規会員登録していただいた方の受講料は以下の通りです。
★1名で申込の場合、46,200円（税込）に割引になります。
★2名以上同時申込の場合、1名につき半額の24,750円（税込）に割引になります。
※参加者全員の会員登録が必要です。登録料や年会費などは一切かかりません。
会員登録とは？ ⇒
よくある質問
30名 ※現在、お申込み可能です。満席になり次第、募集を終了させていただきます。
資料付（PDFで配布いたします）
【Zoomを使ったWEB配信セミナー受講の手順】
１）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。
２）
セミナー前日までに必ず動作確認をお願いします。Zoom WEBセミナーのはじめかたに
ついては
こちらをご覧ください。
３）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お送りいたします。
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。
・研究開発業務に生成AIを導入したい技術者・研究者
・Python等を用いたデータ解析やAI開発に興味のある方
・生成AIを活用した効率的なプログラミング手法を学びたい方
・AIエージェントやLLMを実務に応用したい方
・若手エンジニア・大学院生・技術系管理職
プログラミング初級-中級程度
Pythonの基本文法を理解していると望ましい
生成AIやLLMに関する事前知識は不要
・LLM・生成AIの基本原理
・生成AIを活用した開発・研究手法
・AIへの効果的な情報設計と指示方法
・AIエージェント・開発支援ツールの活用法
・AI活用時の実践的ノウハウと注意点
生成AIの急速な発展により，ソフトウェア開発や研究開発（R&D）の進め方は大きく変化している。特にLLM（Large Language Model）やAIエージェントを活用したコーディング支援は，プログラミングの効率化だけでなく，試作，データ解析，AI実装，検証といった研究開発全体の高速化を可能にしている。
本講座では，生成AIの基本原理から，AIを活用したコーディング手法，プロンプト設計，AIエージェントの利用法，R&Dへの応用までを体系的に解説する。単なるツール紹介ではなく，「どのようにAIへ指示すれば実用的なコード生成につながるのか」「AIと人間がどのように役割分担すべきか」といった実践的観点を重視する。
１．はじめに
1-1 生成AIによって変化する研究開発環境
1-2 ソフトウェア開発とAI活用の最新動向
1-3 大学院教育における生成AI活用事例
２．生成AIとLLMの基礎
2-1 AI・LLM・VLMの概要
2-2 Transformerと大規模言語モデルの仕組み
2-3 トークンとコンテキストウインドウ
2-4 Reasoningモデルの考え方
３．プロンプトエンジニアリング
3-1 プロンプト設計の基本
3-2 Chain of Thought (COT)
3-3 Few-shot / In-context learning
3-4 Retrieval-Augmented Generation (RAG)
3-5 Knowledge-grounded Prompting
４．生成AIを用いたコーディング
4-1 自然言語によるコード生成
4-2 エラー解析とデバッグ支援
4-3 ライブラリ仕様を利用した実装
4-4 AIを用いたコード変換
4-5 実装失敗を減らすための設計方法
５．AIエージェントと開発環境
5-1 AIエージェントの概要
5-2 MCP（Model Context Protocol）
5-3 CLI型AIエージェント
5-4 Codex，Claude Code，Gemini CLI等の活用
６．研究開発（R&D）への応用
6-1 データ解析への応用
6-2 機械学習実装への応用
6-3 コンピュータビジョン研究での活用事例
6-4 実験・評価・検証の効率化
6-5 AIと人間の役割分担
７．実践事例・デモ
7-1 既存コードを活用した実装事例
7-2 AIエージェントによる開発デモ
８．まとめ
8-1 生成AI活用時代に求められるスキル
8-2 今後の研究開発の展望
8-3 AI時代のエンジニアリング戦略
AI,DX,業務改善,ChatGPT,導入,使い方,WEBセミナー,オンライン
