基本情報/Basic Information

開講科目名 ／Course	自然・環境・人間２(自然言語処理a)／NATURE,ENVIRONMENT AND HUMANITY2(NATURAL LANGUAGE PROCESSING (A))
ナンバリングコード ／Numbering Code	93-1009
開講所属 ／Course Offered by	大学全カリ総合科目／
ターム・学期 ／Term・Semester	2026年度／2026 Academic Year　　春学期／SPRING SEMESTER
曜限 ／Day, Period	木1／Thu 1
開講区分 ／semester offered	春学期／Spring
単位数 ／Credits	2.0
学年 ／Year	2,3,4
主担当教員 ／Main Instructor	呉　浩東
遠隔授業科目 ／Online Course	－

担当教員情報/Instructor Information

教員名 ／Instructor	教員所属名 ／Affiliation
呉　浩東	言語文化学科／INTERDISCIPLINARY STUDIES

授業の目的・内容 ／Course Objectives	機械翻訳を始め様々な自然言語処理システムが日常生活に浸透しています。本講義では、自然言語処理の基礎技術から応用技術まで学び、利活用に必要な素養を身に付けることを目標とします。具体的には深層学習による自然言語処理のコア技術、形態素解析や構文解析などの基礎解析技術と機械翻訳を内容とします。本講義ではこれらを座学と演習によりバランスよく習得することを目指します。
授業の形式・方法と履修上の注意 ／Teaching method and Attention the course	なるべく受講者の関心に沿った資料を取り上げたいので、その都度、資料や課題を提示します。ディスカッション授業はPowerPointなどで資料を提示しながら行います。資料（テキスト含む）はPDFで配布します。受講者が復習に活用できるよう全員に共有します。ディスカッションやワークショップの時には特に積極的にほしいです。 　正当な理由があって欠席した場合、授業資料を自習し、課題を完成し提出してください。 　第一回を除いて概ね以下の順序で進む予定です。 １． 教員による前回授業の課題に対する解答と解説 ２． 教員による当日の授業内容の概要説明 ３． 教員による講義 ４． 教員による課題の提示と説明 ５． 受講者による課題の回答作成と提出
使用言語 ／Language used	日本語/Japanese
採用している授業方法 ／Teaching methods used	プレゼンテーション/Presentation 、 実習/Practical_training 、 フィールドワーク/Fieldwork 、 PBL（課題解決型学習）/Project-based-learning
事前・事後学修の内容 ／Before After Study	manabaに開示するテキストの指定される内容を予習し、前回出される課題を次回に提出し、前回の授業内容に復習します。 　事前：当日の内容の予習（2時間程度） 　事後：当日の内容と演習課題の復習（2時間程度） 毎授業回の復習課題が必ず締め切り期日までに解答してください。
テキスト1 ／Textbooks1	書籍名 ／Title 著者 ／Author name 出版社 ／Publisher ISBN ／ISBN その他（任意） ／other
テキスト2 ／Textbooks2	書籍名 ／Title 著者 ／Author name 出版社 ／Publisher ISBN ／ISBN その他（任意） ／other
テキスト3 ／Textbooks3	書籍名 ／Title 著者 ／Author name 出版社 ／Publisher ISBN ／ISBN その他（任意） ／other
参考文献等1 ／References1	書籍名/ｻｲﾄ名 ／Title IT Text 自然言語処理の基礎 著者 ／Author name 岡﨑直観 他 出版社/URL ／Publisher オーム社 ISBN ／ISBN 9784274229008 その他（任意） ／other
参考文献等2 ／References2	書籍名/ｻｲﾄ名 ／Title 大規模言語モデル入門 著者 ／Author name 山田育矢 他 出版社/URL ／Publisher 技術評論社 ISBN ／ISBN 9784297136338 その他（任意） ／other
参考文献等3 ／References3	書籍名/ｻｲﾄ名 ／Title 著者 ／Author name 出版社/URL ／Publisher ISBN ／ISBN その他（任意） ／other
評価方法 ／Evaluation	評価基準 ・期末テスト: 授業で学習した技術について応用力を評価します。 ・演習: 各テーマで学んだことを理解できているかを宿題で評価します。 ・平常点: 授業での質問など、授業への積極的な参加態度などを評価します。 評価配分 期末テスト(50％)、演習(40%)、平常点(10%)
関連科目 ／Related Subjects	本科目の関連科目として、自然言語処理bと人工知能入門a,b、人工知能応用、プログラミング論bを履修することが望ましいです。
備考 ／Notes	前回出した課題の解答は、授業内で説明します。また、課外において個別の質問にも応じます。メール(kgo@dokkyo.ac.jp)へ連絡もしくはZoomにて直接面談をします。
到達目標 ／Learning Goal	自然、環境、人間に関する学問分野について、副題に示したテーマをもとに、21世紀型市民としてふさわしい実践的な知識を習得し、今後の複雑な国内および国際情勢に対処していく方法について、論理的かつ創造的思考を持って対応できるようにする。
DPとの関連 ／Relation to DP

回 ／Time	授業計画（主題の設定） ／Class schedule	授業の内容 ／Contents of class	事前・事後学修の内容 ／Before After Study
1	自然言語処理の概要と演習環境の説明	人間は日常使っている言語（自然言語という）処理の研究テーマを紹介します。言語における曖昧性をまとめます。また、言語処理のプロセスについての理解を深めます。さらに、本科目の演習環境を説明します。	事前に授業内容を2時間程度予習し、事後に授業内容を2時間程度復習するうえ、演習課題を完成します。
2	形態素解析と構文解析の仕組み	自然言語処理解析において必要不可欠な形態素解析と構文解析の仕組みを説明する上、演習を実施します。	事前に授業内容を2時間程度予習し、事後に授業内容を2時間程度復習するうえ、演習課題を完成します。
3	意味解析の仕組み	言葉の意味解析における単語と文全体の意味の曖昧性を取り除くためのメカニズムを概説します。また、意味解析の原理について理解を深めます。	事前に授業内容を2時間程度予習し、事後に授業内容を2時間程度復習するうえ、演習課題を完成します。
4	Python入門	自然言語を解析するために、Pythonというプログラミング言語の入門知識を習得します。	事前に授業内容を2時間程度予習し、事後に授業内容を2時間程度復習するうえ、演習課題を完成します。
5	単語の分散とトピックモデル	自然言語処理に有益なベクトル表現を単語に対応付ける技術について学びます。	事前に授業内容を2時間程度予習し、事後に授業内容を2時間程度復習するうえ、演習課題を完成します。
6	Pythonによる自然言語処理の演習	Python言語をお用いて、自然言語の活用する方法を体験させます。	事前に授業内容を2時間程度予習し、事後に授業内容を2時間程度復習するうえ、演習課題を完成します。
7	文脈解析の原理	自然言語処理における文脈解析技術を用いて、文章の意味を理解し、適切な解釈を行うための原理を習得します。	事前に授業内容を2時間程度予習し、事後に授業内容を2時間程度復習するうえ、演習課題を完成します。
8	大規模言語モデルの仕組み	近年、生成AIの発展は目覚ましい。言語処理は人工知能の重要分野として変容し続けます。ここで、生成AIの活用法について体験させます。	事前に授業内容を2時間程度予習し、事後に授業内容を2時間程度復習するうえ、演習課題を完成します。
9	生成AIの仕組み	ChatGPTなどの生成AIの仕組みについて説明します。使用方法についての演習を実施することによって理解を深めます。	事前に授業内容を2時間程度予習し、事後に授業内容を2時間程度復習するうえ、演習課題を完成します。
10	プロンプトの活用方法	生成AIをフル活用するために、プロンプトエンジニアリングをマスターします。	事前に授業内容を2時間程度予習し、事後に授業内容を2時間程度復習するうえ、演習課題を完成します。
11	機械翻訳の原理と活用方法	機械翻訳の原理とその必要性について説明します。機械翻訳進化の歴史と最新の動態を踏まえて、機械翻訳ツールの活用法について体験させます。	事前に授業内容を2時間程度予習し、事後に授業内容を2時間程度復習するうえ、演習課題を完成します。
12	機械翻訳の演習	ニューラル機械翻訳の演習を体験し、その有効性を確認します。また、現時点における問題点を理解します。	事前に授業内容を2時間程度予習し、事後に授業内容を2時間程度復習するうえ、演習課題を完成します。
13	自然言語処理の諸応用と今後の課題	単語埋込みを利用した感情分析、大規模言語モデル時代の自然言語処理分野や社会の課題について議論します。	事前に授業内容を2時間程度予習し、事後に授業内容を2時間程度復習するうえ、演習課題を完成します。
14	授業のまとめ	1回目から13回目の授業内容を復習します。	授業内容を復習します。