研修 on 鶴見教育工学研究所

jp_binder_arm64にJavaカーネルを追加しました

Wed, 12 Feb 2025 00:00:00 +0000

タイトルの通りですが。先日作成したrocker/binderの日本語設定 + arm64ビルドイメージに、Javaを実行可能なJupyterカーネルを追加しました。

rocker/binderに日本語設定を追加してApple Silicon (arm64) 向けにビルドしました

もともとイメージを作成した意図として「学部の標準データサイエンス環境」というのがあったので、大半 (全員?) の学生が講義で使用するJavaも使えるようにしたいと考えました。

JupyterでJavaを実行する仕組みはいくつかあるようですが、今回はJupyter for Javaで提供されている仕組みを使いました。JBangというJava環境構築ツール (?) を使って、JupyterカーネルをインストールするステップをDockerfile内に追加しました。

Javaをよく知らないので、適当にコピペしたサンプルコードも動いているので、これでよいのではないでしょうか。JupyterでJava Kernelを使うメモによれば、Mavenによるパッケージのダウンロード・インストールもできるようです。

よくわかりませんがパッケージのインストール・インポートができました

教育の最初の段階では、やはり1行書いては動かす、REPL式がよいのではないかと思いますので、Javaの入門教育などにも活用できるのではないでしょうか。

まぁ相変わらず、自分で使う予定はないんですが🤪

rocker/binderに日本語設定を追加してApple Silicon (arm64) 向けにビルドしました

Sun, 09 Feb 2025 00:00:00 +0000

タイトルの通りなのですが。今さらですが、Dockerを初めて使ってみました。

GitHub: tetlabo/jp_binder_arm64: rocker/binder に日本語設定を追加しました
Docker Hub: manabi/jp_binder_arm64

Dockerの (大まかな) 仕組みや、現在主流であることはもちろん10年近く前から知ってはいましたが、「作り込んだ環境が保持されない」「ストレージを多く消費する」「仮想化のオーバーヘッドがある」といった印象 (思い込み？) から、使っていませんでした。今回も、自分で使う意図はあまりない¹のですが、大学の講義 (標準PCがMac) や研修で、トラブルのないデータサイエンス (RStudio, Jupyter) 環境を配布したい、ということでイメージを作成しました。全部Google Colabでやればいいのですが、他の講義にRStudioを前提としているものもあり、この講義ではRStudio、この講義ではGoogle Colabとバラバラなのもなぁ、ということで「学部の標準データサイエンス環境」を意図しています。²

ベースとして、rockerプロジェクトでテンプレートとして配布されているbinderを使おうと思ったのですが、Dockerfile内ではgeospatialイメージを使用していて、このイメージがamd64 (x64) 用しかありませんでした。もちろん、Apple SiliconのMacでも --platform linux/amd64 オプションを指定すれば動きますが、せっかくなら仮想化にエミュレーションを重ねるよりは、arm64でビルドしたいと考えました。そこで、rockerプロジェクトのGitHubリポジトリをコピーして、改変することにしました。

…そこからが大変で、rockerプロジェクトで公開されているDockerfileをコピペで組み合わせれば動くだろう、と思ったらまぁうまくいかず、結局まる3日くらい試行錯誤してしまいました。作成した環境には、jupyter-rsession-proxyが導入されているので、RStudio ServerはJupyter Labのメニューから起動することになります。

Docker Hubに登録しているので、以下のコマンドでダウンロードし、実行できます。

`1`	`docker pull manabi/jp_binder_arm64`

なお、イメージは上記の通りarm64向けにビルドしているので、Apple Silicon搭載のMacでしか (最近のCopilot+PCも対応？) 使えません。また、Rの環境には、筆者が研修や講義でよく紹介するので、radiantパッケージをインストールしています。radiantは多くのパッケージに依存するShinyアプリであるため、Dockerfileから手元でビルドしようとすると、やたらと時間がかかります。

…いろいろ苦労して思ったのですが、やっぱりDockerはいらなくて、(大学教育に関しては) 1年次にHomebrewをベースとした「間違えのない」環境構築をさせて、それ以降は講義ごとに {renv} パッケージやuvコマンドで仮想環境を作るように指導した方が楽そうですね🤪

そもそも普段はVSCodeを使っているので、RStudioもJupyterも使わないのですが。 ↩︎
一介の非常勤講師が考えることじゃないんですけど🤪でも、せんせー方が誰も「イマドキのデータサイエンス事情」を知らずにデータサイエンス教育をしているので🤪 ↩︎

{learnr}で課題の実行結果を提出する仕組みを作る

Sun, 29 Dec 2024 00:00:00 +0000

講義のオンデマンド化と課題

昨日に引き続き、担当しているRの講義に関することですが、来年度は授業をオンデマンドで展開することになりました。もともと、「教室が足りないからオンライン化 (ライブ・オンデマンド問わず) できる授業はしてくれ」という要請¹が来ていて、すでに他の講義をオンデマンドで提供していることもあり、Rの講義もオンデマンド化することにしました。

現在も、講義は教室で行っていますが、(「単位の実質化」とかで) 毎週出している課題は、Rプログラムを書いて、LMS (Google Classroom) に提出してもらう形式です。来年は、それを一歩進めて、動画＋ハンズオン＋課題を {learnr} パッケージの枠組みでできないかと考えています。実際、社会人向けに3年ほどRの研修コンテンツを販売していて、そこでは {learnr} のコンテンツの中に動画を埋め込んで、shinyapps.ioでホスティングしていました。

こんな感じで。

そのため、やりたいことの大半は実現できると思っていましたが、唯一課題と考えていたのが課題でした🤪進次郎構文ではなく、「(私が解決しないといけないと思っていた) 課題が、(学生に課す) 課題 (をどうやって提出させるか) でした」という意味です。今度は岡田構文になっていますが。おーん🤪

課題の実行結果を保存して出力するには

{learnr} の中で問題を出して、それに (授業時間外に) 解答させることはできますが、その結果をどうやって出力し、提出するかということを解決する必要がありました。調べる限り、{learnr} 自身に、結果をメールで送信したり、ファイルとしてダウンロードする仕組みはなさそうでした。それらしい機能を持った {learnr} を拡張するようなパッケージもありますが、ドキュメントから (私の能力不足で) 使い方を読み取れないのと、メールで提出されても成績管理がしづらいので、候補からは外れます。

他の、R/Examsプロジェクトが開発しているパッケージも、Rで教育コンテンツを提供し、課題の提出を受け付ける機能がカバーされていますが、こちらはMoodleなどのLMSと連携させることが前提で、この授業のためだけに大学の標準のLMSと違うものを使うのは、教員、学生ともに無駄が多いと感じています。

{learnrhash} によるハッシュ化

そんなこんなで、色々調べていたら、ついに以下の記事を見つけました。

{learnr} 内の実行状態はShinyのセッション情報として保存されていて、get_tutorial_state() 関数でアクセスできますが、それをどうやって出力して、学生自身で取得して提出できるか、というところが課題でしたが、上記の記事をもとに、{learnrhash} パッケージを使い、セッション情報をハッシュ化して画面に表示することができました。

セッションをハッシュ化する

```{r eval=TRUE, context="server"}
learnrhash::encoder_logic()
```


```{r encode,eval=TRUE,echo=FALSE}
learnrhash::encoder_ui()
```

ハッシュ化されたセッションを復元する

```{r eval=TRUE, context="server"}
learnrhash::decoder_logic()
```


```{r decode,eval=TRUE,echo=FALSE}
learnrhash::decoder_ui()
```

回答結果をハッシュ化する

ハッシュから回答を復元する

Google Classroomには、Googleフォームと組み合わせて課題を出す機能があるので、ハッシュ化された回答をフォームに貼り付けて提出してもらう、という形式が実現できそうです。上図では {learnr} コンテンツ内でデコードしていますが、もちろん普通にコンソールからも復元できるので、採点も容易にできます。

おそらく、そんな感じで講義のオンデマンド化と合わせて、課題の提出・採点の効率化が実現できるのではないかと思っています。個人的には、そんなに毎週課題を出さなくても、授業内で完結するようにした方が、「大学生らしい」ことができる時間ができていいんじゃないか、とも思いますが。

長期的にはQuarto化、シングルページ化も

Quartoに {webR} と組み合わせた、シングルページでオンライン教材が作成できる拡張機能があるようです。

Introduction – Quarto Live Documentation

こちらも、RとPythonの両方に対応しているので、将来的にはRによるオンライン教材作りのスタンダードになっていくのかもしれません。

tutorial.helpersパッケージ

記事を投稿した後もいろいろ調べていたら、{tutotial.helpers} というパッケージが見つかりました。

CRAN: Package tutorial.helpers https://cran.r-project.org/web/packages/tutorial.helpers/index.html
Enable Students to Download Their Tutorial Answers • tutorial.helpers https://ppbds.github.io/tutorial.helpers/articles/downloads.html

このパッケージには、上記のリンク先にあるように、回答の情報をHTMLとしてダウンロードできる仕組みがありました。こちらを使う手もありそうです。ただ、HTMLなので目視が中心になる (rvestなどで解析してもいいですが) こと、正解か不正解かの TRUE / FALSE が出力に含まれないところが、ちょっと不便かなとも思いました。

他の大学でもそんなことがあるんですかね？ ↩︎

{transforEmotion}と{atrrr}でBlueSkyのセンチメント分析

Sat, 28 Dec 2024 00:00:00 +0000

担当しているRの講義で、毎年テキストマイニングを扱っています。その中で、SNSからのデータ収集や、いわゆる「ポジネガ分析」についても触れています。しかし、X APIは有償化して、個人の興味関心の範囲ではデータの収集ができなくなりました。“ツイート” 取得のデファクトスタンダードとなっていた{rtweet} パッケージも開発が終了してしまいました。

また、ポジネガ分析については、当初たまたまGitHubで見つけたPythonのsentiment_jaライブラリを {reticulate}¹ パッケージを使って呼び出していました。しかし、ライブラリ自体がGitHubからなくなり、自分の手元にはたまたま削除される直前にCloneしたものが残っていたのですが、作者が削除したものをいつまでも使うのもな、と思っていました。そもそも私自身、どういうモデルなのかよく分からず、とりあえず感情価が返ってくるので使っている、というだけでしたし。

また、年明けにテキストマイニングの回がやってくるので、この辺りをアップデートしようと、いろいろ調べてみました。

Blueskyからポストを取得する

RからBluesky APIにアクセスできるパッケージ

APIに限らない、X社の方針転換などで、さまざまな代替SNSが公開されています。その中で、比較的ユーザー数が多く、Xの雰囲気に近いと思われるものにBlueskyがあります。また、Blueskyはオープンであることを重視しており、APIも無償で公開されています。そこで、RからBlueskyのAPIにアクセスできるパッケージがないかな、と探してみました。すると、以下の2つがありました。

CRAN: Package bskyr https://cran.r-project.org/web/packages/bskyr/index.html
CRAN: Package atrrr https://cran.r-project.org/web/packages/atrrr/index.html (アトルー？)

どちらも、機能的にはほとんど同じで、Blueskyへの投稿、いいね、リポストやフォロー・アンフォローなどの操作ができるようです。そして、今回の主目的である、他者のポストを取得する機能もあります。なお、XにおけるStreaming APIと同様に、BlueskyにもFirehoseというAPIがあり、リアルタイムのポストを取得できる仕組みはありますが、いずれのパッケージもまだサポートしていないようです。²実際、ランダムに取得したポストでポジネガ分析してもあまり意味がないので、今回はキーワードを取得して、そのテキストを処理対象とします。

{atrrr} パッケージのインストール

上記の2つのパッケージのどちらでも、キーワードを指定したポストの検索、取得はできますが、今回は {atrrr} パッケージを使います。³まずその前に、Blueskyにアカウントを作成する必要があります。特に迷うようなこともないので、ここでは省略します。

何年ぶりかに🤪APIアクセス以外に使用する予定はないですが

{atrrr} パッケージはCRANからインストールできます。

`1`	`install.packages("atrrr")`

そして、パッケージを読み込みます。

`1`	`library(atrrr)`

{atrrr} パッケージによるユーザー認証

はじめに、APIにアクセスするために auth() 関数で認証を得ます。XではAPIにアクセスするためにアクセストークンを取得する必要がありますが、Blueskyではユーザー名とパスワードでアクセスできます。

`1`	`auth(user = "ユーザー名", password = "パスワード")`

ポストの取得

次に、APIにアクセスし、キーワードで検索したポストを取得するには search_post() 関数を使います。ここでは、たまたま今日 (12/28) 開催された中央競馬のGI、ホープフルステークスについてのポストを取得してみましょう。

# ホープフルステークスやホープフルSなど表記が揺れるので
# 前半だけをキーワードとして指定
res <- search_post(q = "ホープフル since:2024-12-28 until:2024-12-29", limit = 200)
head(res)

## # A tibble: 6 × 20
##   uri                                                                   
##   <chr>                                                                 
## 1 at://did:plc:5cbdxxui4cmo2cytfahvafyl/app.bsky.feed.post/3leehkzsx7s2c
## 2 at://did:plc:itkjw3kfno5jvsjf5ptlu6ss/app.bsky.feed.post/3leeheyydb226
## 3 at://did:plc:dp3fdt3yreehru3pouwvaams/app.bsky.feed.post/3leegul2ar22d
## 4 at://did:plc:4urr3lljj6b2gca5bf4hyzt7/app.bsky.feed.post/3leegl5xbgc2m
## 5 at://did:plc:c3itjpvm5hamy7up773xna6a/app.bsky.feed.post/3leegfzu4cs2m
## 6 at://did:plc:kdkik6uosu3x4btwq2klnmrv/app.bsky.feed.post/3leeg2ekubc2l
##   cid                                                        
##   <chr>                                                      
## 1 bafyreigxm7shursdnjawezjom5467c6nkbxfxedki6ayzmyfepk7lkjcpa
## 2 bafyreibhsw75brxdokw2p4jgxkxerhtmtobxuoufxukdadfc6yr2tp7b2q
## 3 bafyreifly3pjba3ceantpcbeliqfy345pvesbl6wme46vgebt35unlroxa
## 4 bafyreiavsq6zsxkoeie3y7rnxl5kv4tsu6y6kyu33a5amhnig3k7avtvvu
## 5 bafyreiahf7oicub72c42qobtk32wtm7sigmuwf25w4lgv6ajrzet4hcdcu
## 6 bafyreia6jgc7lfuystkxbekzlpbs2t6atb7jtq53odgmopytoryc4ebyem
##   author_handle           author_name                      
##   <chr>                   <chr>                            
## 1 tee0.bsky.social        てちゃ                           
## 2 d27-abc.bsky.social     🤖マシンキラー阿彦🤖             
## 3 yukimiyosi.bsky.social  見吉 幸　クルクル福岡両時間いた人
## 4 neothakaoka.bsky.social 三葉虫                           
## 5 azuyahi.bsky.social     あずやひ                         
## 6 tsukimasite.bsky.social つきま                           
##   text                                                                          
##   <chr>                                                                         
## 1 "ホープフルの予想だけして、まだレースは見てないけど結果は見て、やっぱりクロワ！！！ってなってる人です！！！！！あとでレース見るね🫶"……
## 2 "ホープフルS面白かった〜とか競馬場楽しい〜とかフォロワーと会えてよかった〜とか諸々を呟いて行こうと兄の家に帰ったら早速兄がリゼロを見始めてくれてて冷や汗…
## 3 "今夜のホープフルステークス後夜祭で、前後夜祭は開催を辞めます。\n人も集まらないし、本人も忘れている事もありますし。気まぐれで開催するかもです。"……
## 4 "私のホープフル　ホープレスステークスでした\nでも北村友一さまが勝ったのはうれしい　こっちまで泣きそうになってしまった　おめでとうございます　クロワの単…
## 5 "こんばんは！\nホープフル外しました😅"                                        
## 6 "2024ホープフルステークス"                                                    
##   author_data      post_data        embed_data       reply_count repost_count
##   <list>           <list>           <list>                 <int>        <int>
## 1 <named list [8]> <named list [4]> <NULL>                     0            0
## 2 <named list [7]> <named list [4]> <NULL>                     0            0
## 3 <named list [8]> <named list [4]> <NULL>                     0            0
## 4 <named list [8]> <named list [4]> <NULL>                     0            0
## 5 <named list [8]> <named list [5]> <NULL>                     0            0
## 6 <named list [8]> <named list [5]> <named list [2]>           0            0
##   like_count indexed_at         
##        <int> <dttm>             
## 1          0 2024-12-28 12:04:35
## 2          0 2024-12-28 12:01:12
## 3          0 2024-12-28 11:52:02
## 4          0 2024-12-28 11:46:45
## 5          0 2024-12-28 11:43:53
## 6          4 2024-12-28 11:37:31
##   in_reply_to                                                           
##   <chr>                                                                 
## 1 <NA>                                                                  
## 2 <NA>                                                                  
## 3 <NA>                                                                  
## 4 <NA>                                                                  
## 5 at://did:plc:wlpww6oubzebkigukd3dacdn/app.bsky.feed.post/3led7cvcbqk2y
## 6 <NA>                                                                  
##   in_reply_root                                                          quotes
##   <chr>                                                                  <chr> 
## 1 <NA>                                                                   <NA>  
## 2 <NA>                                                                   <NA>  
## 3 <NA>                                                                   <NA>  
## 4 <NA>                                                                   <NA>  
## 5 at://did:plc:c3itjpvm5hamy7up773xna6a/app.bsky.feed.post/3led37ktv5k2t <NA>  
## 6 <NA>                                                                   <NA>  
##   tags   mentions links  langs      labels    
##   <list> <list>   <list> <list>     <list>    
## 1 <NULL> <NULL>   <NULL> <list [1]> <list [0]>
## 2 <NULL> <NULL>   <NULL> <list [1]> <list [0]>
## 3 <NULL> <NULL>   <NULL> <list [1]> <list [0]>
## 4 <NULL> <NULL>   <NULL> <list [1]> <list [0]>
## 5 <NULL> <NULL>   <NULL> <list [1]> <list [0]>
## 6 <NULL> <NULL>   <NULL> <list [1]> <list [0]>

ポストがデータフレームとして取得できました。このうち、text 列に実際に分析対象となるテキストが格納されています。

Rでセンチメント分析をする

次に、テキストのセンチメント分析をする方法を (講義のために) アップデートします。上述のように、昨年まではPythonのsentiment_jaライブラリを使っていました。また、それ以前はいくつかの公開された感情表現辞書を使う方法が一般的でした。しかし近年では、生成AIの基盤技術でもある、Transformerを使った言語モデルでセンチメント分析を行うことが主流のようです。

RでTransformerモデルを利用できるパッケージ

しかし、残念ながらそれらの研究開発領域ではPythonが主流で、Rからそれらの高度なモデルをネイティブに扱えるパッケージはないようです。CRANに公開されている、Transformer系のパッケージはいずれも、{reticulate} パッケージを使い、実質的にはRの裏でPythonを動かして処理するものばかりです。その中で、今回は目的にフィットした {transforEmotion} パッケージを使用します。

CRAN: Package transforEmotion https://cran.r-project.org/web/packages/transforEmotion/index.html

このパッケージは、Hugging Faceで公開されている、“Zero shot classification” に対応した任意のモデルをダウンロードし、{reticulate} パッケージでPyTorchやTensorflowを動かし、任意のラベル (後述) で判定ができます。

…まぁTransformerもHugging FaceもPyTorchも何もかもよくわかっていないんですが🤪

{transforEmotion} パッケージのインストール

{transforEmotion} パッケージはCRANからインストールできます。

`1`	`install.packages("transforEmotion")`

パッケージをインストールした後、パッケージが利用するPythonの仮想環境をminicondaで作成する必要があります。ドキュメントにも記載されていますが、setup_miniconda() 関数を実行します。

1
2
3

library(transforEmotion)

setup_miniconda()

基本的には、自動で必要なPythonライブラリ類がダウンロードされ、環境が構築されます。なお、Macでは ~/Library/r-miniconda-arm64/envs/transforEmotion 下に保存されます。

英語テキストでのテスト

環境が構築できたら、まずは英語のテキストでテストしてみましょう。{transforEmotion} パッケージでは、デフォルトで cross-encoder/nli-distilroberta-base モデルが使用されます。⁴公式サイトのサンプルのままですが、以下を実行してみましょう。

# Load data
data(neo_ipip_extraversion)

# Example text 
text <- neo_ipip_extraversion$friendliness[1:5]

# Cross-Encoder DistilRoBERTa
transformer_scores(
 text = text,
 classes = c(
   "friendly", "gregarious", "assertive",
   "active", "excitement", "cheerful"
 )
)

## $`Make friends easily`
##   friendly gregarious  assertive     active excitement   cheerful 
##    0.52954    0.08775    0.09368    0.08829    0.06882    0.13192 
## 
## $`Warm up quickly to others`
##   friendly gregarious  assertive     active excitement   cheerful 
##    0.05750    0.03237    0.17586    0.17694    0.30525    0.25208 
## 
## $`Feel comfortable around people`
##   friendly gregarious  assertive     active excitement   cheerful 
##    0.73451    0.03259    0.04983    0.04678    0.01982    0.11646 
## 
## $`Act comfortably around people`
##   friendly gregarious  assertive     active excitement   cheerful 
##    0.44115    0.04934    0.14065    0.22977    0.02672    0.11237 
## 
## $`Cheer people up`
##   friendly gregarious  assertive     active excitement   cheerful 
##    0.08325    0.13463    0.10779    0.07430    0.33212    0.26791

テキストの感情を6つの尺度で判定し、結果が割合で出力されます。とりあえず結果が出力されれば、環境構築はうまくいっているでしょう。

多言語に対応したモデルのインストール

上記のモデルは、英語にのみ対応しています。そのため、日本語テキストを分析するには、対応したモデルをダウンロードし、指定する必要があります。日本語を含めた多くの言語に対応したモデルとして、MoritzLaurer/mDeBERTa-v3-base-xnli-multilingual-nli-2mil7がありました。⁵

{transforEmotion} パッケージでは、モデルを transformer_scores() 関数の transformer オプションで指定すれば、自動的にダウンロード、インストールをしてくれます。以下のようなコードで、日本語のセンチメント分析ができます。また、Transformerによるモデルでは、任意のラベル (クラス) に対する推論ができます。ここでは、シンプルに「ポジティブ」か「ネガティブ」のどちらがもっともらしいか判定させます。初回は、モデルのダウンロード、インストールがあるため、かなりの時間がかかります。

text <- c("お正月がとても楽しみだ", "バレンタインは本当に憂鬱だ", "卒論が出せるか不安だ")

transformer_scores(
 text = text,
 classes = c("ポジティブ", "ネガティブ"),
 transformer = "MoritzLaurer/mDeBERTa-v3-base-xnli-multilingual-nli-2mil7"
)

## $お正月がとても楽しみだ
## ポジティブ ネガティブ 
##    0.97903    0.02097 
## 
## $バレンタインは本当に憂鬱だ
## ポジティブ ネガティブ 
##    0.04791    0.95209 
## 
## $卒論が出せるか不安だ
## ポジティブ ネガティブ 
##    0.02826    0.97174

そもそもわかりやすいテキストですが、きちんと判定できているようです。

日本語に特化したモデルのインストール

計算環境に余裕がある場合や、多言語のテキストを扱いたい場合は、上記の手順で十分ですが、日本語だけで十分だ、という時には、もう少し小さいモデルが使えるかもしれません。Hugging Faceで検索してみると、1つだけ⁶モデルがありました。akiFQC/bert-base-japanese-v3_nli-jsnli-jnli-jsickモデルは、著名な日本語モデルをさらにファインチューニングしたもの (のよう) です。今度はこちらを使ってみましょう。

fugashiライブラリのインストール

ただ、こちらのモデルは前処理にMeCabを使っており、利用にはfugashiライブラリが必要です。Rから transformer_scores() 関数を実行すると、ただ “object ‘classifier’ not found” とエラーが返ってくるだけで、何が悪いのかよくわかりませんでしたが、reticulate::repl_python() 関数でPythonコンソールを起動し、そちらでモデルの読み込み処理を実行すると、fugashiがインストールされていない、というエラーの原因がわかりました。

Rからminicondaの仮想環境でライブラリをインストールする、というややこしい形になりますが、以下のようにすることでグローバルではなく {transforEmotion} 用の環境にインストールできました。

library(transforEmotion)
library(reticulate)

repl_python()

# 以下はPythonコンソール

!pip install fugashi

exit

これで、日本語に特化したモデルが動かせるようになります。試してみましょう。初回はモデルのダウンロード、インストールに時間がかかります。

text <- c("お正月がとても楽しみだ", "バレンタインは本当に憂鬱だ", "卒論が出せるか不安だ")

transformer_scores(
 text = text,
 classes = c("ポジティブ", "ネガティブ"),
 transformer = "akiFQC/bert-base-japanese-v3_nli-jsnli-jnli-jsick"
)

## $お正月がとても楽しみだ
## ポジティブ ネガティブ 
##     0.2756     0.7244 
## 
## $バレンタインは本当に憂鬱だ
## ポジティブ ネガティブ 
##    0.98643    0.01357 
## 
## $卒論が出せるか不安だ
## ポジティブ ネガティブ 
##    0.93838    0.06162

こちらは、どうも値の大小が逆になっているようです。0が最大、1が最小なのかもしれません。 その振る舞いを理解していれば、多言語モデルよりは多少小さなモデルとして活用できます。

Blueskyのテキストをセンチメント分析する

ということで、環境が整ったので、Blueskyに投稿されたポストをセンチメント分析してみましょう。先ほどの search_post() 関数の実行結果が残っているので、transformer_scores() 関数と組み合わせます。

sentiment_res <- transformer_scores(
  text = res$text,
  classes = c("喜び", "怒り", "哀しみ", "楽しみ"),
  transformer = "MoritzLaurer/mDeBERTa-v3-base-xnli-multilingual-nli-2mil7" 
)

df <- sentiment_res |>
  bind_rows() |>
  rowid_to_column(var = "id") |>
  pivot_longer(cols = c(-id), names_to = "感情") |>
  mutate(感情 = factor(感情, levels = c("喜び", "怒り", "哀しみ", "楽しみ")))

head(df)

## # A tibble: 6 × 3
##      id 感情    value
##   <int> <fct>   <dbl>
## 1     1 喜び   0.173 
## 2     1 怒り   0.388 
## 3     1 哀しみ 0.172 
## 4     1 楽しみ 0.266 
## 5     2 喜び   0.0981
## 6     2 怒り   0.412

200件のポストについて、M3 Macで1分弱かかりました。専門的知識を駆使して🤪ポストの内容と判定結果を見ると、概ね「外した」とか「遅い」といった単語を「哀しみ」「怒り」と判定しているなど、妥当な判定をしているように思います。グラフにしてみましょう。

ggplot(df, aes(x = value, y = 感情, colour = 感情)) +
  geom_jitter() +
  scale_y_discrete(limits = rev) +
  scale_colour_fivethirtyeight()

1
2
3

ggplot(df, aes(x = value, fill = 感情)) +
  geom_histogram(position = "identity", binwidth = 0.025, alpha = 0.5) +
  scale_fill_fivethirtyeight()

言語学ではない、Rの講義でハンズオンとして実行する分には、こんなものでよいのではないでしょうか (?)。

…なんかちゃんとした記事になったので、アドベントカレンダーの時期にやればよかったですね。そして、{transforEmotion} パッケージとモデルが講義で使っているPosit Cloudで動くのかが不安です🤪多分メモリもストレージも足りないんだろうなぁ。

何年か前に、この { } で囲う記法は推奨されない、とかそんな議論があったように思いますが、R以外のソフトウェア、ライブラリと区別するために、ここでは囲っています。 ↩︎
{atrrr}の方は、開発者が実装に向けて協力を求めています。https://github.com/JBGruber/atrrr/issues/23 ↩︎
{bskyr} は、ドキュメントを見ると機能が豊富そうですが、実際手元で試すと、最初の認証からうまくいきませんでした。 ↩︎
例によってなんだかよくわかっていませんが。 ↩︎
例によって（ｒｙ ↩︎
2つありますが、同じ作者で「長い名前の方を推奨します」と書いてあるので。https://huggingface.co/akiFQC/bert-base-japanese-v3_nli-jsnli ↩︎

R言語の講義資料を公開します

Fri, 08 Dec 2023 00:00:00 +0000

GitHubリポジトリ: https://github.com/tetlabo/adv_pgm3_2023

はじめに

筆者は、自営業 (法人ではなく) として、教育・研修・人材育成の領域を仕事にしています。基本的には、社会人研修 (BtoB) のセカイで、すでにある教材で9時17時講義したり、研修会社のオーダーに沿った教材を作成して、生活しています。

そんな中で、縁¹あって、母校の専修大学で2020年から非常勤講師をしています。当初は学部の必修科目 (200数十人受講) を分担して、他の先生が作成した教材でやっていたのですが、それと別に「Rについての授業をやってくれ」という依頼を受けて、2021年から「応用プログラミング3」という科目で「モダンなRプログラミング」をテーマ (自称) とした講義をしています。

3年目も後半にかかり、そろそろ教材も完成したかなと思うので、公開することにしました。R言語について学びたい、と思っている学生や社会人の参考になれば幸いです。商用・非商用問わず自由に使っていただいて構いませんが、代わりに 何か仕事 (研修、非常勤講師、教材・書籍執筆など) をいただければうれしいです。 そのうち、講義動画も撮影して公開しようと思っています。

なお、R言語の利用目的は一般的に統計解析 (データ分析) ですが、本講義では「分析手法については他の授業で学ぶはずなので触れません」というスタンスで、詳しくは説明していません (説明できませんし)。

講義の概要

(激重🤪) シラバス

シラバスには、以下のように記載しています。

＜到達目標＞

R言語の近年の動向を捉え、適切な開発環境、パッケージを選択してプログラミングできる

tidyverseを念頭に置いたモダンなデータ分析フローを理解し、分析を実践できる

機械学習やテキストマイニングなど、分析の目的に応じた手法を選択し、Rプログラムとして実装できる

＜講義概要＞
データ分析のためのプログラミング言語であるRについて、近年 (2010年代後半以降) の開発動向を紹介し、ビジネスや研究の現場で広く使われるパッケージの活用方法を、実際にプログラミングをしながら学習します。講義を通じて、実践的なRプログラミングのスキルを身に着けることを目標とします。なお、本講義の履修者は、R言語について基本的な知識を有していると想定しています。前提知識として想定するのは以下の事柄です。

【前提知識】※第1回の授業で簡単な振り返り、確認を行います。

Rでファイルからデータを読み込むことができる

オブジェクト (変数) を作成し、要素 (行や列) を参照できる

オブジェクトに関数 (データ加工、グラフィックス、統計処理など) を適用し、結果を得ることができる

実際には、第1回から第2回の授業でR言語の基本については概説していますので、Rをはじめて学ぶ方でも問題ないと思います。

教材とハンズオン環境

教材は、R Markdownで作成し、PowerPoint形式で出力しました。²筆者が軸足を置く (伝統的な) 社会人研修の業界では、PowerPointのノート部分に解説文をしっかりと書き込み、「ノート」表示で出力、A4サイズで印刷というのが主流です。³筆者も、そのやり方で10年以上やってきて、それなりに合理的なところがある⁴と思っているので、その形式にしています。

実際に講義する際には、スライド部分が全幅で表示される程度に拡大して使用しています。

また、講義内容に対応したハンズオン環境をPosit Cloudで作成し、学生に提供しています。大学ではG Suite for Educationを導入しているので、学生に付与されたGMailアドレスでログインさせていますが、私用のGMailアドレスその他でも無償で月25時間 (CPU時間) まで利用できます。それぞれのハンズオンは、Posit Cloudの無償版 (1 CPU, 1GBメモリー) で実行できるようにデータサイズなどを調整しています。

ガイダンス、Rプログラミングの基本: 教材PDF / ハンズオン環境
Rプログラミングの基本、最近の動向について: 教材PDF / 補足資料PDF / ハンズオン環境
R Markdownによるレポート作成: 教材PDF / ハンズオン環境
GUIによるデータ分析: Radiant等: 教材PDF / ハンズオン資料 / ハンズオン環境
ggplot2パッケージによるグラフィックス作成 (1): 教材PDF / ハンズオン環境
ggplot2パッケージによるグラフィックス作成 (2): 教材PDF / ハンズオン環境
tidyverseによるデータハンドリング (1): 教材PDF / ハンズオン環境
tidyverseによるデータハンドリング (2): 教材PDF / ハンズオン環境
Rによる統計モデリング、機械学習の基礎: 教材PDF / ハンズオン環境
機械学習フレームワークによる機械学習 (1): 教材PDF / ハンズオン環境
機械学習フレームワークによる機械学習 (2): 教材PDF / ハンズオン環境
RによるWebスクレイピング: 教材PDF / ハンズオン環境

以降は、順次公開します。

日本語テキストマイニング (1)
日本語テキストマイニング (2)
Shinyによるアプリケーション開発 / reticulateによるPythonとの連携 / まとめ

ライセンスなど

教材、プログラムのライセンスは、MITライセンスとします (GitHubリポジトリに設定)。商用、非商用問わず自由にお使いいただいて構いません。ただ、代わりに 何か仕事 (研修、非常勤講師、教材・書籍執筆など) をいただければうれしいです。

本当に縁だけで、学位も研究実績もないんですが。 ↩︎
一発で公開しているもののような出力にはならないので、PowerPoint上でそれなりに手を加えて完成させています。公開しているのはPowerPointからPDFに変換したファイルです。 ↩︎
プログラミングスクールや教育ベンチャーはもちろんそうではありませんし、コロナ禍によるオンライン化やペーパーレス化、さらには印刷コストの削減などさまざまな要因で、A4縦の印刷物、というのは絶対的な要件ではなくなりつつありますが、まだまだ大多数です。会社ごとの個別研修では、未だに印刷した教材を事前納品ということも多いです。 ↩︎
説明したいこと (オプションの細かな相違など) をスライド部分にすべて書き込むと、情報量が過多になり、何かを初めて学ぶ人には負荷になります。また、口頭での説明だけでは聞き逃すこともありますし、後から見返した時に覚えていないこともあります (個人的な感覚として、研修の受講者は講師の話を半分くらいしか聞いていません🤪)。また、今回のように教材だけを公開する場合には、研修ではもっと細かく深い説明をしているのに、スライドだけ見て「内容が薄い」「厳密でない」「こんなのに〇万円？」とか言われるリスクもあります。これは、研修会社の営業が教材を持って提案に行く場合も同様です。そういうことを考えると、結果的にこのスタイルはある程度の合理性があるな、と思っています。実際には、20数年前にOHPやワープロからPowerPointに移行する際に、なんとかA4縦の印刷物を作りたくて辿り着いたのではないかと思いますが。 ↩︎

Posit CloudにMeCab, RMeCab, gibasa, Sudachiをインストールする

Wed, 21 Dec 2022 00:00:00 +0000

結論

それぞれのスクリプトを入手し、実行してください。

MeCabのインストール

RMeCabのインストール

Sudachi (sudachipy) のインストール

デモ環境もどうぞ

上記スクリプトを配置したPosit Cloudプロジェクトを用意しました。Googleアカウントなどでログインし、無料で利用できます (25時間まで)。

https://posit.cloud/content/5159920

はじめに

大学の授業で「モダンなRプログラミング」(自称) を教えています。「文系情報学部」¹なので、ローカルのPC (Mac) に環境構築させるのが大変かな²と、授業ではPosit Cloud (旧RStudio Cloud) にあらかじめ各回の授業で必要なパッケージなどをインストールして共有しています。

ある回のテーマがテキストマイニングで、日本語を処理するためにMeCabと、MeCabをRから利用するためのRMeCab、比較的新しいgibasaをインストールする必要がありました。また、別系統としてSudachiも使ってみることにしました。

Posit Cloudの環境

ただ、Posit Cloudはクラウドサービスなので、ソフトウェアのインストールや、実行 (呼び出し) にいろいろな制約があり、一般的な手順通りではうまくインストールできません。そもそもそういう用途を意図していないのでしょうけど。例えば、以下のような点で不便です。³

root権限がない

Posit Cloudは、裏でUbuntuが使われていますが、ユーザー権限で動いており、sudo や apt などのroot権限が必要なコマンドは実行できません。そのため、何かR以外のソフトウェアを使いたい場合は、ソースコードをダウンロードして、Posit Cloudの環境でコンパイルすることになります。

ソフトウェアをインストールした環境を共有しても、Rパッケージ以外はコピーされない

ユーザーのホームディレクトリ下にソフトウェアをインストールしても、環境を受講者に共有すると、別のユーザー環境が割り当てられ、ホームディレクトリ以下は、パッケージがインストールされる ~/R ディレクトリ以外は共有されません。逆に言えば、インストール先に ~/R 以下を指定すれば共有できますが、(Linuxの) ライブラリへの絶対パス (/home/rXXXXX/R/... の XXXXX 部分) が変わり⁴、一部のパッケージはライブラリを見つけられず、使用できません。

フリープランではメモリが1GBしか使えないので、少し大きなソフトウェアはコンパイルできない

これは「それで困るなら金を払え」ということなのですが、例えば、MeCabの辞書を強化するNEologd辞書を使おうとしても、コンパイル作業の途中でメモリ不足で強制終了されます。おそらく、RadiantやStanなどの大きなパッケージもコンパイルできないでしょう。⁵

なお、Pythonライブラリは pip コマンドでインストールできますが、やはりメモリの問題で、データ分析系の大きめのライブラリはインストールできない場合があります。

そのような環境で、いろいろと試行錯誤して、とりあえず自分の意図した (授業ができる) 環境は作れたので、方法を紹介します。

MeCabのインストール

MeCabは日本語形態素解析器のデファクトスタンダードです。Linux環境では、ソースコードが公開されており、コンパイルしてインストールします。⁶

Posit Cloudの環境では、上述のようにroot権限がないため、システム領域 (/usr/local 下) にはインストールできません。そこで、インストール先をホームディレクトリ (/home/rXXXXX) 以下に指定する必要があります。それ以外は一般的なインストール手順の通りです。MeCabとIPA辞書のソースコードをダウンロードし、ホームディレクトリ下にインストールするスクリプトを作成しましたので、ダウンロードしてPosit Cloud内に配置し、ファイルを開き “Run Script” ボタンを押せば、インストールができます。

これで、/home/rXXXXX/usr/local/ 以下にMeCabがインストールされます。なお、上述のようにこのディレクトリは環境を共有しても引き継がれません。

RMeCabのインストール

次に、RからMeCabを呼び出すRMeCabパッケージをインストールします。この際、RMeCabはコンパイル中にMeCabを探す (mecab-config コマンドなどを実行する) ため、先ほどのホームディレクトリ下にインストールしたMeCabを認識させる必要があります。また、コンパイル時には LD_LIBRARY_PATH や CPPFLAGS などの環境変数も正しく指定する必要があります。このあたりで、以前はじめてPosit CloudでRMeCabを使おうとして大分悩んだのですが、Sys.setenv() 関数とwithrというパッケージを使えば実現できる、ということがStack Overflowにあった (URL失念) ので、そのようにしてインストールするスクリプトを作成しました。これも、ダウンロードしてPosit Cloudに配置し、ファイルを開いて “Source” ボタンを押せば実行されます。MeCabのインストール場所を、withrパッケージの with_makevars() 関数に環境変数を指定してRMeCabパッケージに教えています。

gibasaのインストール

上記のスクリプトでは、gibasaパッケージもインストールしています。RMeCabと同様に、MeCabのインストール場所を教える必要があるため、Sys.setenv() 関数で mecabrc ファイルの場所を、MECAB_DEFAULT_RC という環境変数で指定しています。そして、GitHubに公開されているソースを remotes::install_github() 関数でインストールしています。

Posit Cloud上のRのバージョンについて

Posit Cloudでは、自動的に最新のRに環境が移行するようで、例えば少し前にR 4.2.1で作った環境を、しばらくしてから開くとR 4.2.2で立ち上がります。⁷そのため、上記スクリプトではR 4.2.2のインストールパスを直接指定していますが、今後バージョンが変わった際には、適宜数字を書き換える必要があります。

Sudachiのインストール

MeCab以外の形態素解析器として、近年利用が広がっているSudachiも使ってみました。sudachirパッケージもあるのですが、CRAN版、GitHub版ともに、Posit Cloudの環境では動作させることができませんでした。一方、つい先日投稿されたRでも、良いSudachi Lifeを送りたいという記事があり、RからPythonを呼び出すreticulateパッケージを使って比較的容易にSudachiを活用する例があったので、こちらに沿って教材は作成しました。

いずれにしてもSudachiのPython版sudachipyをインストールする必要がありますが、pipコマンドだけでインストールできます。こちらも、1行だけですがスクリプトにしており、“Run Script” ボタンで実行、インストールできます。

なお、Pythonライブラリは一度プロジェクトを再起動しないとRから見えないようなので、インストール後は画面右上の “…” メニューから、“Relaunch Project” を実行して再起動します。

完了！

これで、MeCab、RMeCab、gibasa、sudachipyが利用できるようになりました。ファイルを用意しておけば、それぞれ長くても数分以内に実行完了するので、講義をしながら適宜指示をして裏で実行させておき、話の区切りがついたところで操作に移る、ということができるでしょう。

デモ環境もどうぞ

上記スクリプトを配置したPosit Cloudプロジェクトを用意しました。Googleアカウントなどでログインし、無料で利用できます (25時間まで)。

https://posit.cloud/content/5159920

おわりに

こんな感じの授業をしており、教材執筆、プレゼンテーションもできますので、データ分析、IT基礎関係の非常勤講師を探している大学、各種学校関係者の方はご検討いただければ幸いです。

Webサイトトップページのお問い合わせフォームなどからご連絡ください。

ヨソの立派な大学の博士課程を修了された先生が言うとなんか問題ですが、自分の母校なので、自分自身を省みて「そんなもの」でしょう。 ↩︎
実際のところ、install.packages() や brew install だけなのですが、それでも手順書を順番通りに実行してくれない人は、社会人研修でも多くいます。そういうトラブルシューティングは面倒なので、ベンダー系研修会社ではPC持ち込みを許可せず、すべて環境を用意して研修をやっています。 ↩︎
タダで素晴らしいものを使わせてもらっているので、それに文句を言うつもりはまったくなくて、「そういう環境だ」と思っているだけです。 ↩︎
Posit Cloudのプロジェクト番号 (URL) とも異なり、予測・決め打ちは不可能です。 ↩︎
多くのパッケージは、Posit社によってバイナリ版が用意されているので、CRANにあるものであれば、コンパイルは不要です。 ↩︎
Ubuntuなどで、バイナリパッケージが提供されていることもあります。 ↩︎
おそらく、バージョンを固定する方法はありません。切り替えは、画面から簡単にできます。 ↩︎

Pythonの自学自習用コンテンツ

Tue, 22 Nov 2022 00:00:00 +0000

この記事は、以前このサイトで公開していたものを再公開するものです。

厚生労働省　Pythonで始めるプログラミング

https://www.mhlw.go.jp/content/11600000/000806709.pdf

PDFしか引っかからないので、どういう事業・予算で作られたものかよくわかりませんが、Pythonの環境構築から文法の基本、データ分析の基礎まで幅広くカバーした入門教材です。

慶応義塾大学ゼロから学ぶPython

https://kaityo256.github.io/python_zero/

京都大学 Python演習

https://repository.kulib.kyoto-u.ac.jp/dspace/handle/2433/265459

東京大学　Pythonプログラミング入門

https://sites.google.com/view/ut-python/

Python早見帳

https://chokkan.github.io/python/index.html

九州大学データサイエンス概論I & II

http://mdsc.kyushu-u.ac.jp/lectures

大東文化大学 Pythonプログラミング

http://www.ic.daito.ac.jp/~mizutani/python/index.html

福山大学 Pythonプログラミング演習

https://www.kkaneko.jp/cc/po/index.html

福山大学プログラミング入門とオンライン開発環境

https://www.kkaneko.jp/cc/online/index.html

Python実践データ分析100本ノック

https://www.shuwasystem.co.jp/support/7980html/5875.html

東大OCW コンピュータシステム概論

https://ocwx.ocw.u-tokyo.ac.jp/course_11409/

東大OCW データマイニング入門

https://ocwx.ocw.u-tokyo.ac.jp/course_11414/

ディープラーニング入門：Chainer チュートリアル

https://tutorials.chainer.org/ja/tutorial.html

機械学習帳

https://chokkan.github.io/mlnote/index.html

numpy 100本ノック

https://github.com/tetlabo/numpy-100/tree/master/jp

scipyレクチャーノート

http://www.turbare.net/transl/scipy-lecture-notes/index.html

YoutubeいちやさしいPython入門講座

「Python実践講座」

Rの自学自習用コンテンツ

Tue, 22 Nov 2022 00:00:00 +0000

この記事は、以前このサイトで公開していたものを再公開するものです。

今日からはじめるR 2021改訂版

Rに詳しくない、これからRを使ってみようかな、Rって何ができるの? という人向けにはちょうど良い内容ではないかと思います。

東京大学Open Course Ware 統計データ解析I

https://ocwx.ocw.u-tokyo.ac.jp/course_11405/

東京大学Open Course Ware 統計データ解析II

https://ocwx.ocw.u-tokyo.ac.jp/course_11408/

Rによる統計入門

https://htsuda.net/stats/

R自学自習の基礎知識

https://heavywatal.github.io/rstats/intro.html

Rによるデータ前処理実習 2021 東京医科歯科大

https://heavywatal.github.io/slides/tmd2021/

データエンジニアリング人材養成演習補助教材

https://demlc.github.io/Educational-materials/

滋賀大学の集中講義「データエンジニアリング人材養成演習」の補助教材です。こちらも前処理テクニックの紹介が中心です。

Rビギナーズガイド

https://syunsuke.github.io/r_beginners_guide/

Rで計量政治学入門

https://shohei-doi.github.io/quant_polisci/

私たちのR: ベストプラクティスの探究

https://www.jaysong.net/RBook/

統計・データ解析 (奥村晴彦)

https://oku.edu.mie-u.ac.jp/~okumura/stat/

R、R言語、R環境・・・・・・

https://mjin.doshisha.ac.jp/R/

jamovi完全攻略ガイド

https://bookdown.org/sbtseiji/jamovi_complete_guide/

jamoviで学ぶ心理統計

https://bookdown.org/sbtseiji/lswjamoviJ/

Jamoviという、裏でRが動いていて、マウス操作で使うことができる統計ソフトがあります。実は、R言語を覚えなくても、同じことはマウス操作でできます。そのマニュアルを、日本の大学の先生が翻訳・作成してくださっています。

r-wakalang

https://github.com/tokyor/r-wakalang

タダでITを学ぼう！政府・官公庁のオンライン教材

Tue, 22 Nov 2022 00:00:00 +0000

この記事は、以前このサイトで公開していたものを再公開するものです。

はじめに

筆者は、研修講師なので、自分で教材を作ったり、あるいは研修会社がすでに作成した教材を使って、9時17時オッサンがひたすら喋り続ける、とってもレガシーな研修を日々行っています。多くの場合、それらの教材は、「新卒で研修会社に入って講師しかやったことがない人」¹が市販の書籍などを抜粋し、劣化コピーして作っているものです。

筆者自身も、大して変わりはなくて、大学を出て研修会社に入ったので、エンジニアとしての経験はほぼなく、やはり市販の専門書やオープンソースソフトウェアのドキュメント、Web上の技術ブログなどを元に教材を作成します。近年、そのような情報収集をしていると、政府や官公庁のサイト (*.go.jp) に、よくまとまった教材が公開されているのを見つけることが増えてきました。総務省、経産省、厚労省などの省庁がそれぞれ人材育成や就労支援の事業の一環で、ITの基礎や、AIなど先進領域の教育を提供しており、その教材が公開されているものです。実際には、どこかの研修会社やコンサルが受託して執筆しているものでしょうが、そういう仕事をしている人が書いただけあって、「研修教材」として体系化されて、利用しやすいものです。²

この記事では、そのような政府、官公庁が公表している優れた (筆者の主観による) 教材を随時紹介していきます。個人的には、そういうタダでよくできた教材があるんだから、わざわざ「文系学部卒、IT未経験から研修会社に入って、知らない技術を調べながら書いています」みたいな人³が作る教材よりも、きちんと品質が担保されたものを自分のペースで読んだほうが生産性も学習効果も高いのではないかと思います。

研修会社で受講すれば5万、10万かかります。資料をダウンロードして自分で読めばタダです。⁴

品質は、長年研修会社で研修をやっている筆者自身が見て、同等以上です。せっかく税金で作られているのですから、ぜひ活用してください。なお、ここではいわゆる「教材」以外にも、ITの基礎や最新動向を知りたい時 (=研修を受けたい時) に参考になる、平易な資料も紹介しています。

なお、ここでは大学の教材などは取り上げていません。特にデータサイエンス系の教材などは、Rの自学自習用コンテンツやPythonの自学自習用コンテンツなどで紹介していますので、そちらも参考にしてください。

総務省 ICTスキル総合習得プログラム

2023-01-26追記: 総務省のWebページからはなくなってしまったようですが、国会図書館のWebアーカイブにはPDFやZIPファイル含め残っています。

「総務省 ICTスキル総合習得プログラム」は、「データ収集」、「データ蓄積」、「データ分析」、「オープンデータ・ビッグデータ利活用事例」の4つのコースで構成されます。各コースは5つの講座から構成され、合計20講座でICTに関する基礎知識、基礎技術の全体像と各論を学ぶことができます。「各講座の概要一覧」には、各講座の説明内容の概要およびパート構成に加えて、アクセス情報と学習方面・難易度が示されています。アクセス情報に示されているQRコードを利用すると、スマートフォンやタブレット端末から簡単に教材のPDFへアクセスすることができます。

「データ分析」の章では、ExcelやRを使った実習問題も用意されており、資料を読むだけでない、実践的な学習ができます。

厚生労働省高度IT技術を活用したビジネス創造プログラム

https://www.mhlw.go.jp/stf/newpage_15221.html

一般社団法人ソフトウェア協会が作成、実施した事業の教材のようです。以下の幅広い領域の教材と、講師向けのマニュアルが公開されています。

デザイン思考
仮想化
AI (基礎)
IoT活用
セキュリティ
アジャイル開発
ビッグデータ
顧客分析・企画力養成

厚生労働省　開発した教育訓練プログラム

https://www.mhlw.go.jp/stf/seisakunitsuite/bunya/koyou_roudou/jinzaikaihatsu/program_development.html

キャリアアップやキャリアチェンジを目指す労働者を対象とした、技術革新を反映した最新かつ実践的な知識・技術の習得に資する教育訓練プログラムを業界団体、大学等に委託して開発しました。

ということで、AI、IoT、データサイエンスなども含む広範な領域の教材が無償で公開されています。IT分野を対象とした研修講師の養成プログラムもあります。

IPA マナビDX - あなたの学びに変革を！学んで身につくデジタルスキル

https://manabi-dx.ipa.go.jp/

2021年度まで、経産省の「巣ごもりDXステップ講座情報ナビ」として、さまざまな研修会社のコンテンツを無償で受講できる仕組みとして運営されていたものが、2022年4月からIPA所管のサイトに変わったようです。GoogleやMicrosoftのAIに関する無償プログラムを受講できたり、有償講座の受講料補助が受けられます。

科学技術振興機構博士Compass:研究人材のためのe-learning

https://jrecin.jst.go.jp/html/compass/e-learning.html

やや古いですが、さまざまな分野の基本的な事柄をe-Learning (動画) で学べます。特にITに関しては、以下のコースが関連するでしょう。

情報ネットワークコース
情報セキュリティコース
ソフトウェア工学コース
コンピュータアーキテクチャコース
データ構造とアルゴリズムコース
プログラミング言語コース (特定の言語についての教材ではなく、「プログラミング概論」のような内容です)
科学技術者のためのデータ解析技術コース
ロジカル・シンキングコース
品質の管理コース (大企業のIT部門では、QCもよく使われます)

総務省自治体におけるAI活用・導入ガイドブック

【PDF】https://www.soumu.go.jp/main_content/000820109.pdf

これは、教材ではないですが、自治体に限らず民間企業においても、「AIとは何か、何ができるのか」「どうやって導入・活用したらよいのか」を知るための、とても優れた資料です。2021年6月に公表されました。

それ以前から、筆者もAIプロジェクトの進め方に関する概論的な研修教材を作成し、実施していますが、そこで語っていることがほぼすべて書いてあります。そのため、最近では「みなさん今日〇万払って研修受けていますけど、同じことがこれに書いてあります。同僚の方とかにはこちらをお薦めしたほうがいいですよ。タダですから」と述べています。⁵

豊富な事例や、ステークホルダーの整理、予算の編成などさまざまな分野について、総務省や自治体の実践に基づく知見が記載されています。

文部科学省高等学校「情報科」教員研修用教材

高等学校情報科に関する特設ページ: https://www.mext.go.jp/a_menu/shotou/zyouhou/detail/1416746.htm
情報I: https://www.mext.go.jp/a_menu/shotou/zyouhou/detail/1416756.htm
情報II: https://www.mext.go.jp/a_menu/shotou/zyouhou/detail/mext_00742.html

こちらは、2022年度から必修化された、高校の「情報科」を担当する教員向けの講義ガイドです。情報科では、研修会社の新人研修で扱うような、「コンピューターの仕組み」や「OSの機能」といったITの基本的な部分から、ITシステムの開発プロセス、セキュリティ、PythonやRを用いたデータサイエンスまで、幅広い内容を扱うそうです。

高校で実際にどこまで取り上げるのかはわかりませんが、この教員用資料は全トピックを、「大人向け」に説明しているので、ITの全般的な入門書としてとても優れています。個人的には、研修会社の新人研修でよくある「〇〇を身近なものに例えてみよう」といった無意味な演習・グループワークなどがないので、新入社員の方もこれを通読したほうがよっぽどスピーディーに、ITの知識を身に着けられるのではないかと思います。

情報処理学会 IPSJ MOOC

https://sites.google.com/a.ipsj.or.jp/mooc/

上記の情報科の必修化に関して、情報処理学会も教員向けの解説コンテンツを公開しています。Eテレの高校講座や放送大学のようなトーンで、大学の教員などの専門家がわかりやすく解説しているので、やはり「大人」としては⁶これくらいがわかりやすくて良いのではないかと思います。

IPA 情報セキュリティ啓発

https://www.ipa.go.jp/security/keihatsu/features.html

情報セキュリティも、企業の新入社員研修などでよく扱われますが、モノによっては新入社員が直接的にかかわることがすくないISMSなどの仕組みを延々説明するだけの、役に立たない研修もあります。IPAが情報セキュリティの啓発のためにさまざまなコンテンツを提供しており、こちらを見た方がよっぽど役に立ちます。ここからセキュリティ！情報セキュリティ・ポータルサイトなどで、多数の学習コンテンツが公開されています。

NISC インターネットの安全・安心ハンドブック

https://security-portal.nisc.go.jp/guidance/handbook.html

内閣サイバーセキュリティセンター (NISC) では、サイバーセキュリティに関する普及啓発活動の一環として、ハンドブックを公開しています。こちらも、情報セキュリティの学習コンテンツとして有用です。

IPA AI白書2019

https://www.ipa.go.jp/ikc/info/20181030.html

AI白書は、IPAがここ数年発行しているものですが、基本的に最新版は印刷物や電子書籍として販売されています。以前のものがIPAのサイトで公開されています。現在は2019年版と2017年版が公開されています。2017年版はさすがに古くなっていると思いますが、2019年版については、日本の大企業の人事や中小企業の経営層は、ようやくこの時期の事柄に意識が向き出した頃⁷なので、ある意味でちょうど良いのかもしれません。AI技術の概要や、業界動向、事例などが豊富に紹介されています。

IPA DX白書

こちらは2022年の2月に公開されたばかりの、比較的新しい白書です。2018年頃から、経産省のDXレポートをきっかけに、DXがバズワード化しており、おそらく2020年代の新入社員のみなさんも、エラい人がDX, DX言っているのを耳にしていると思います。その、DXに関するさまざまな調査結果やDXの取り組み方 (要素技術や考え方のフレームワーク等) が整理されています。2021年版と2023年版が公開されています。

おそらく、インチキ臭い講師の「ITトレンド」研修より、よっぽど正確だと思います。

総務省統計局高校生のための統計学習教材

https://www.stat.go.jp/teacher/comp-learn-03.html

総務省統計局が提供している、データサイエンスのための教材です。高校の数学や情報科で補助教材として使用することを念頭に作成されています。社会人になって、統計学やデータサイエンス、AIといったキーワードに興味を持って、勉強しようと思っている方に、ちょうど良い教材だと思います。

総務省統計局高等学校における「情報II」のためのデータサイエンス・データ解析入門

https://www.stat.go.jp/teacher/comp-learn-04.html

同様に、統計局が公開している補助教材です。統計学から一歩進んで (?) 機械学習などのデータサイエンス領域の知識を学習できます。Google Colabなどで実行可能なJupyter Notebook形式のプログラムも提供されています。

総務省統計局データサイエンス・スクール　レベル別教材

https://www.stat.go.jp/dss/getting/textbook.html

初心者向けから上級者向けまで、統計学についての基礎的な知識が学べる教材が提供されています。

数理・データサイエンス・AI教育強化拠点コンソーシアム数理・データサイエンス・AI教材

http://www.mi.u-tokyo.ac.jp/6university_consortium.html

本コンソーシアムは、「文理を問わず全国すべての高等教育機関の学生が，数理・データサイエンス・AIを習得できるような教育体制の構築・普及を目指」す大学横断の組織です。「コンソーシアムが公開したリテラシーレベル及び応用基礎レベルのモデルカリキュラムの全国展開に向け，東京大学数理・情報教育センターが開発した」豊富な教材が公開されています。

九州大学データサイエンス概論I & II

http://mdsc.kyushu-u.ac.jp/lectures

九州大学が、上記コンソーシアムのカリキュラムに対応する教材として開発した資料が、無償で自由なライセンス (CC-BY) で公開されています。このデータサイエンス概論では、統計学や機械学習の基礎知識から、Pythonプログラミングの基礎とデータ分析の実践まで、幅広い範囲をカバーしています。

統計データ利活用センタービジネスパーソン向け統計データ利活用1dayセミナー

https://www.stat.go.jp/rikatsuyou/training/seminar/index2020.html
【PDF】https://www.stat.go.jp/rikatsuyou/pdf/seminar1.pdf

統計局の外郭団体 (?) の独立行政法人統計データ利活用センターが開催したセミナーの教材と補助資料、動画が公開されています。講師は、「統計学が最強の学問である」シリーズで有名な西内啓氏です。ビジネスで統計・統計学を利用することについて、わかりやすくまとめられています。

一般社団法人全国専門学校情報教育協会専修学校リカレント教育総合推進プロジェクト

一般社団法人全国専門学校情報教育協会が「専修学校リカレント教育総合推進プロジェクト」事業として、各地の専修学校に委託した教育プログラムの成果が公表されています。各種の技術に関する豊富な教材がPDFで公開されています。

厚生労働省　Pythonで始めるプログラミング

https://www.mhlw.go.jp/content/11600000/000806709.pdf

教育ベンチャーなどでは「現役エンジニアが教える」を売りにすることが多いですが、メーカー系研修会社はほとんど、講師専業で、エンジニア経験のない人が教えています。だいたい2年目くらいから、現場に出たこともないのに「現場では～」「実務では～」とかググって出てきたことを語り出します。 ↩︎
書籍とは異なり、スライド1枚で1トピック、というように研修で講師が説明するスタイルに合致している、という意味です。 ↩︎
個人的には、これはマーケティングとしてプラスなのだろうか、と思いますが。 ↩︎
とはいえ、「会社のお金で、就業時間内にしか勉強したくない！」という人も数多くいるので、社会人研修という業界が成り立っているのですが。 ↩︎
それもどうかと思いますが。 ↩︎
さすがにトピックごとにキャラクターが出てきてドタバタ小芝居をするようなのは飽きてきますので。 ↩︎
研修会社では、どういうわけか2021年頃から「ビッグデータ」「IoT」研修の受講者が増えています…。それ、私が8年前に書いた教材なんですが…。 ↩︎

scikit-learnのアップデートでPandasデータフレームのまま前処理が可能に

Fri, 18 Nov 2022 00:00:00 +0000

発表から1か月経っているので、Python界隈ではすでに知れ渡っているのかもしれませんが。

Scikit-Learn’s Transformers Now Output Pandas Dataframes!という記事がありました。記事によると、10月17日にscikit-learn開発チームが、「今後、sklearnの各種TransformerでPandasデータフレーム形式の出力ができるようになる」と発表したそうです。¹

これは、開発版において、StandardScaler() などのTransformerに、set_output() というメソッド (API) が追加されたことによります。

https://scikit-learn.org/dev/auto_examples/miscellaneous/plot_set_output.html

Transformerオブジェクトを作成する際に、set_output(transform="pandas") と指定することで、Pandasデータフレームを受け取って、出力もデータフレームで返すようになります。開発版をインストールしないと使えません²が、以下のようなことができるようになります (ドキュメントの丸写しですが)。

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler

X, y = load_iris(as_frame=True, return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y, stratify=y, random_state=0)

scaler = StandardScaler().set_output(transform="pandas")

scaler.fit(X_train)
X_test_scaled = scaler.transform(X_test)
X_test_scaled.head()

Scikit-Learn開発版をインストールしてサンプルを実行した様子

これまでは、PandasとScikit-Learnの連携が部分的だったので、NumPy配列を介してデータをやり取りしていましたが、Scikit-LearnのTransformersがPandasデータフレームでの入出力に対応すると、より効率的に前処理プログラムを記述できますね。まだ正式リリースではないですが、研修教材も、そういうのを把握したうえで更新していかなくてはなりません。

scikit-learnってlinkedinでニュースを発信するんですね。 ↩︎
当然、バグが潜む可能性も高いので、実使用環境にインストールすることは推奨されません。 ↩︎

オリコン「企業研修顧客満足度ランキング」

Mon, 14 Nov 2022 00:00:00 +0000

オリコン企業研修顧客満足度ランキングというのがあり、今年度のランキングが発表されました。別に私は毎年追っているわけではありませんが、世の研修会社は、やはり「オリコン1位」というものをアピールポイントにします。

アイ・ラーニング、2022年オリコン顧客満足度調査「利用のしやすさ」で1位獲得 | ICT教育ニュース

私が在籍していた¹研修会社も、ある年に1位になって、Webサイトにデカデカと書いていました。

https://www.knowledgewing.com/kw/news/2019/oricon.html

ところが、今年度のランキングを見ると、総合9位、「オンライン研修」カテゴリでは圏外になっていました。そのランキングがそもそも影響力を持っている業界ではないですが、この調査は「受講者」に対して行っていて、私が連日🤪文句を言っている「大企業の人事」とは評価の観点が異なっていることに注目する必要があるだろうと思います。

例えば、各社へのコメントで、ネガティブな評価に以下のようなものがありました。

オンラインレッスンの際にカメラを強制されたが、理由があいまいなものであった。カメラをつける意義・理由を質問したところ「常識的に～」という返答があり腑に落ちなかった。

このあたり、人事と講師にとっては、まさに「カメラをONにするのが当たり前」なので、「常識的に～」といった反応だったのでしょう。²昨日も書いたのですが、人事の研修に対するKPIは「楽しそうかどうか」です。だから、顔を見たいのです。もしかしたら、Zoomにたくさん人が映っている様子をスクリーンショットを撮って、開催実績にしたいのかもしれません。講師は、ずっと人前で大声でしゃべって気持ち良くなる「プレゼン芸人」だったので、顔が見えないと不安です。だから、カメラをONにさせたがります。

もっとも、私は表情から受講者の様子を読み取るとかめんどくさいので、いつも「私は3センチ角の画面でみなさんの顔を見ても、何もわかりませんので、カメラはOFFで構いません。帯域の無駄です。(オトナなんですから) 何か不明点などがあれば、チャットで気軽に書き込んでください」と言っていますが。

そのへんの「ギャップ」に気付かないと、じわじわと支持が減ってくるのだと思います。

ただ、他社へのコメントも含めて、「コースの選択肢が多くて、自分にあったコースを選びにくいです」とか「同期と久しぶりに話し合う機会を貰えて、普段の業務での考え方を学べた」とか、みなさんオトナですよね？といったものもありますし、「尖ってる人には合わないね。対応出来てない結果として具体性に欠けてた」といった評価もあるので、そもそもの受講者層を考慮したサービスデザインも必要なのかなと思います。

先日も貼った図ですが

そして今も最大の大口取引先なんですが。 ↩︎
とはいえ、本当にこんな返答をする講師がいたら頭おかしいと思いますが。 ↩︎

「ワークショップ批判」からの研修批判

Wed, 09 Nov 2022 00:00:00 +0000

ワークショップは、参加者をまず日常の世界から引き離し、一種の隔離された状態におきます。通常は一泊二日のかなりつめこまれたスケジュールが用意され、朝早くから夜遅くまで、食事の時間もふくめて同じメンバーで過ごします。まったく新しい発想や考えかたに触れた受講者は、驚きとともにそれらを体験的に我がものにしていくようになります。そして二日間でなにかしらの壁をこえ、新しい自分に生まれかわったことを実感するのです。

ワークショップは非日常の体験であるからこそ、そこに自己変革のおおきな可能性を秘めているのですが、実は落とし穴もおなじところにあります。しばしば見られるのは、ワークショップを渡り歩くある種の中毒者の存在です。しばらく参加しないでいるとたまらなく参加したくなる、参加しているほかの人間をつい羨んでしまうといった、ワークショップといわば依存関係に陥っている人間をよく見かけます。

ワークショップ批判 - Fetal skeletal dysplasia forum

研修会社のアンケートにはだいたい「学んだ知識をいつ使いますか」といった問いがありますが、ワークショップ形式だけでなく、座学や実機演習中心の研修でも、「使う予定はない」といった回答がとても多いです。予定もないのに、9時17時、何万円も払って研修を受けます。

半期に1回ほどの研修受講が「人材育成施策」として義務付けられていたり、研修会社のカタログ (的なリスト) の中であれば何を受けてもよいような会社もあり、特に必要性も目的もなく受講している (のではないかと感じる) 人も多いです。

実際、「使わない学び」のほうが楽しいんですよね。何かトレンドワードを聞いて頷いてメモしたり、絶対に失敗しない (よう作られた) 演習用プログラムをいじって「成功体験」したり。しかも平日に業務を抜けて会社のお金で。でも、アンケートには「使う機会はない」と。

(全員ではもちろんないですが) そういった受講者が増えると、研修はより簡単に、受講者がつまずいてストレスを感じないように、試行錯誤の余地がないコピペの実習になり、知識がないとできないはずのディスカッションが、思い付きを出し合うお喋りの場になります。対応する講師も、アンケートにネガティブなことを書かれたくないので、優しく、手取り足取り、成長につながらないくらい肯定し、サポートします。

(主観でしかないですが) 大企業のベテランほどそういった「使わない学び」を求めて何度も研修を受ける方が多い印象です。実際に、半年前に受けたトレンド領域の研修を「何か更新されてるかもしれないから」とまた受けていた方もいました。…いや、そのトレンドの変化を自ら調べるための土台を身に着ける研修なんですけど、という。

加えて、近年のコロナ禍では、外出すること自体に「ハレ」(言い過ぎですけど) の要素が加わります。テレワーク続きの自宅を出て、ファシリティの整った研修会社の会場で、業務を気にせずゆったりと研修を受ける。もはや研修は「レジャー」のひとつになっています。私が実際に聞いた例では、名古屋の研修施設に京都から受講に来た方が、「大阪はオフィスと近くて、研修が終わったら戻らないといけない。東京はサテライトオフィスがあるからやっぱり行かないといけないから、いつも泊りでゆっくりできる名古屋を選んでいる」と仰っていました。

冒頭の記事でも以下のようなことが書かれています。

同様の週末のワークショップに参加し続けて、特別の瞬間を追い求めることになります。

ここでは当初の手段であったものが目的そのものに変化しています。日常の現実にていねいに、忍耐強く向きあって生きることより、安易に非日常を追い求めているといえるでしょう。ワークショップであたたかく、気持のよい思いをすることは貴重なことかもしれません。また同じ思いを抱いた仲間と語りあうこともすばらしい体験だとは思います。

しかしワークショップは、ひとつの出発点なのです。それはゴールではなく、学びやスキルアップの手段であり方法にすぎません。

本来、業務上の課題を解決するために必要な知識を身に着けるための研修が、「研修に参加して楽しく過ごす」ことが目的になっています。ただ、実際問題、そういった受講者が大企業にはたくさんいて、その人たち (の所属企業) が払う高額な受講料で研修会社の経営は成り立っていますし、私自身の収入にもつながっています。

その意味では、受講者はレジャーを楽しめて、講師は難しくないことをペラペラ喋っていればお金になって、企業の人事もこんなに研修予算を割いて人材育成に力を入れているんだとアピールできて、「三方良し」と言えばそうなんですが、外 (社会) から見た時にそれはどうなのかと。

そういうことを長年悶々と考えての、独立であったり、「地域」を意識した事業展開 (計画) であったりするのです。…特にオチはありません。図は、以前作った、「研修会社と教育ベンチャーのターゲットの違い」をあらわす (きわめて主観的な) ものです。

図解まるわかりメタバースのしくみ

Sat, 05 Nov 2022 00:00:00 +0000

持っていないんですが😅目次や紹介を見ると、企業向けの「体験！メタバース」研修のネタ元としてよさそうですね。

そもそも、本じたいに「やってみよう：メタバース企業のビジネス分析をしてみよう」「やってみよう：メタバースのアイデアを出してみよう」「やってみよう：メタバースのビジネス活用を考えてみよう」など、研修の中で演習¹としてありそうなトピックが含まれているので、そのまま許可だけ取れば使えそうです。

…研修 (教材、講師) って、テーマの領域で実務経験が豊富な「有識者」が作って、実施していると思われがちですが、実際には、「研修会社に『IT系未経験・新卒』で入って、現場に出ることもなく研修²しかやってこなかった人」(私もですけど) が、市販の書籍やネットの記事を換骨奪胎して作るものです。なので、研修は、先によい本が出ないと作れないのです😜

ただ、それで大企業の人事も大企業のビジネスパーソンも「研修を開催したという実績ができた」「難しくなくてよかった」と納得してくれるので、それはそれで産業として成り立っているのです。

率直に言うと、「今日初めてそのテーマを学ぶ人たちが、たかだか30分前後、検索することもモックアップを作ることもなしにただ思い付きを雑談するだけ」の「演習」には何の意義もないのですが、企業研修ではそういうのが好まれます。人事も参加者も、「他の人とおしゃべりする」ことを目的にしているので。 ↩︎
大抵のベンダー系研修会社では、教材と講師は分離されているので、新卒で入った講師も早々に、誰かが作った教材を読み上げるかたちでデビューします。 ↩︎

研修 on 鶴見教育工学研究所

jp_binder_arm64にJavaカーネルを追加しました

rocker/binderに日本語設定を追加してApple Silicon (arm64) 向けにビルドしました

{learnr}で課題の実行結果を提出する仕組みを作る

講義のオンデマンド化と課題

課題の実行結果を保存して出力するには

{learnrhash} によるハッシュ化

セッションをハッシュ化する

ハッシュ化されたセッションを復元する

長期的にはQuarto化、シングルページ化も

tutorial.helpersパッケージ

{transforEmotion}と{atrrr}でBlueSkyのセンチメント分析

Blueskyからポストを取得する

RからBluesky APIにアクセスできるパッケージ

{atrrr} パッケージのインストール

{atrrr} パッケージによるユーザー認証

ポストの取得

Rでセンチメント分析をする

RでTransformerモデルを利用できるパッケージ

{transforEmotion} パッケージのインストール

英語テキストでのテスト

多言語に対応したモデルのインストール

日本語に特化したモデルのインストール

fugashiライブラリのインストール

Blueskyのテキストをセンチメント分析する

R言語の講義資料を公開します

はじめに

講義の概要

教材とハンズオン環境

ライセンスなど

Posit CloudにMeCab, RMeCab, gibasa, Sudachiをインストールする

結論

MeCabのインストール

RMeCabのインストール

Sudachi (sudachipy) のインストール

デモ環境もどうぞ

はじめに

Posit Cloudの環境

root権限がない

ソフトウェアをインストールした環境を共有しても、Rパッケージ以外はコピーされない

フリープランではメモリが1GBしか使えないので、少し大きなソフトウェアはコンパイルできない

MeCabのインストール

RMeCabのインストール

gibasaのインストール

Posit Cloud上のRのバージョンについて

Sudachiのインストール

完了！

デモ環境もどうぞ

おわりに

Pythonの自学自習用コンテンツ

厚生労働省 Pythonで始めるプログラミング

慶応義塾大学 ゼロから学ぶPython

京都大学 Python演習

東京大学 Pythonプログラミング入門

Python早見帳

九州大学 データサイエンス概論I & II

大東文化大学 Pythonプログラミング

福山大学 Pythonプログラミング演習

福山大学 プログラミング入門とオンライン開発環境

Python実践データ分析100本ノック

東大OCW コンピュータシステム概論

東大OCW データマイニング入門

ディープラーニング入門：Chainer チュートリアル

機械学習帳

numpy 100本ノック

scipyレクチャーノート

YoutubeいちやさしいPython入門講座

「Python実践講座」

Rの自学自習用コンテンツ

今日からはじめるR 2021改訂版

東京大学Open Course Ware 統計データ解析I

東京大学Open Course Ware 統計データ解析II

Rによる統計入門

R自学自習の基礎知識

Rによるデータ前処理実習 2021 東京医科歯科大

データエンジニアリング人材養成演習補助教材

Rビギナーズガイド

Rで計量政治学入門

私たちのR: ベストプラクティスの探究

統計・データ解析 (奥村晴彦)

厚生労働省　Pythonで始めるプログラミング

慶応義塾大学ゼロから学ぶPython

東京大学　Pythonプログラミング入門

九州大学データサイエンス概論I & II

福山大学プログラミング入門とオンライン開発環境

厚生労働省高度IT技術を活用したビジネス創造プログラム

厚生労働省　開発した教育訓練プログラム

IPA マナビDX - あなたの学びに変革を！学んで身につくデジタルスキル

科学技術振興機構博士Compass:研究人材のためのe-learning

総務省自治体におけるAI活用・導入ガイドブック

文部科学省高等学校「情報科」教員研修用教材

総務省統計局高校生のための統計学習教材

総務省統計局高等学校における「情報II」のためのデータサイエンス・データ解析入門

総務省統計局データサイエンス・スクール　レベル別教材

数理・データサイエンス・AI教育強化拠点コンソーシアム数理・データサイエンス・AI教材

九州大学データサイエンス概論I & II

統計データ利活用センタービジネスパーソン向け統計データ利活用1dayセミナー

一般社団法人全国専門学校情報教育協会専修学校リカレント教育総合推進プロジェクト

厚生労働省　Pythonで始めるプログラミング

オリコン「企業研修顧客満足度ランキング」

図解まるわかりメタバースのしくみ