
2026/03/01 16:35
10‑202:モダンAI入門(カーネギーメロン大学)
RSS: https://news.ycombinator.com/rss
要約▶
Japanese Translation:
概要:
本発表では、Zico Kolter 教授が教えるカーネギー・メロン大学の最新AIコースをオンライン版として導入することが紹介されます。講義は録画され、オンキャンパスの日程から2週間後に公開されます(MW[F] 9:30–10:50 Tepper 1403; 金曜は復習または欠席時の補講用)。オンラインスケジュールはキャンパスのタイムテーブルと同じですが、講義動画 と 自動採点される Colab/Marimo ノートブック課題 を配信し、各課題には短い閉鎖試験が付随します。
成績評価は プログラミング宿題 20 %、クイズ 40 %、試験 40 %(中間テスト 10 %、累積期末テスト 20 %) に分かれます。学生はプログラミングに関して 15‑112 または 15‑122、数学に関しては 21‑111 または 21‑120 のいずれかを修了している必要があります。
コース内容は現代AIのテーマ(教師あり学習・ニューラルネットワークからトランスフォーマー・トークナイザー・推論・ファインチューニング・強化学習・安全性/セキュリティ・AGI まで)を網羅します。学生は宿題にAIアシスタントを使用できますが、最終提出物はAIなしで行う必要があります;クイズや試験中のAI利用は禁止です。スケジュールや評価方法など一部詳細は、2026年春学期初回実施時に変更される可能性があります。
このバージョンは元リストからすべての重要ポイントを保持し、評価に関する誤記述を訂正し、主旨を明確かつ簡潔に保っています。
本文
ロジスティクス
- 講師: Zico Kolter
- 授業日程: MW[F] 9:30–10:50 Tepper 1403
(注:金曜の授業は必要に応じて復習セッションまたは追補授業としてのみ使用されます。)
オンラインコース
本講義の無料版をオンラインで実施します。CMU のスケジュールと同時進行で、1/26 から開始し(CMU スケジュールより2週間遅延)、全ての内容―講義動画、Mugrade 上の課題等―は下記の日付から2週間後に公開されます。
- 誰でも講義動画を視聴し、自動採点式課題(クイズや期中・期末テストは除く)を提出できます。
- 授業と宿題が公開されたらメールで通知を受けるには登録してください。
- TA、オフィスアワー、採点方法、前提条件等の情報は CMU バージョンにのみ適用されます。
シラバス概要
本講義では「モダンAI」がどのように機能するかを学びます。「モダンAI」とは、ChatGPT、Gemini、Claude 等を支える機械学習手法と大型言語モデル(LLM)を指します。
多くの学術的文脈では「人工知能」はより広い技術セットを含みますが、本講義では一般的な用法に焦点を当てます。
表面的には汎用性が高いように見えるこれらのモデルは、驚くほどシンプルな基盤に依存しています。最小限の LLM 実装は数百行程度のコードで、少数の機械学習手法とアーキテクチャのみを用います。
学習内容
-
基本的な教師あり機械学習
- 線形モデル
- 損失関数 & 最適化
- ニューラルネットワーク
-
大型言語モデル
- 自己注意・トランスフォーマー
- トークナイザー
- 効率的推論
-
ポストトレーニング手法
- 教師付き微調整
- アラインメント & インストラクションチューニング
- 推論モデル & 強化学習
- AI システムの安全性・セキュリティ
これらは一般的な枠組みを提供します。詳細は 2026 年春期の最初のオファリングで変更される可能性があります。
採点
| 成績項目 | 割合 |
|---|---|
| 宿題 & プログラミング課題 | 20% |
| 宿題クイズ | 40%(期中テスト 10%、期末テスト 20%) |
| 期中・期末試験 | 40% |
前提条件
- プログラミング: 15‑112 または 15‑122。基本的な Python(オブジェクト指向含む)の習熟度が必要です。
- 数学: 21‑111 または 21‑120。微分積分(導関数)を基本とし、線形代数と確率の知識があると有利ですが、必要に応じてカバーします。
宿題 & プログラミング課題
主要な活動として、連続的なプログラミング課題を通じて最小限の AI チャットボットを構築します。
- 提出は Mugrade システム経由(チュートリアル動画あり)。
- いくつかの課題は前回のものに依存しており、解答は CMU バージョンで配布されます。オンライン版では仲間との議論を奨励します。
- 課題は Colab ノートブック(Marimo バージョンも利用可)として公開され、各課題の Mugrade 版はリリース日から2週間後に利用可能です。
| 宿題 | 内容 |
|---|---|
| 0 | 自動採点 & プログラミング基礎(Marimo) |
| 1 | 線形代数と PyTorch の導入(Marimo) |
| 2 | 自動微分 & 線形モデルの訓練(Marimo) |
| 3 | ニューラルネットワークの訓練 |
| 4 | トランスフォーマーの実装 |
| 5 | 最小限 LLM の実装 |
| 6 | 教師付き微調整 & チャット訓練 |
| 7 | 強化学習 |
各宿題後には、基本的な質問や課題の概念を扱う 15 分間の授業内クイズが行われます。クイズはノートと本を持参しても構いません。
期中・期末試験
クイズに加え、3 回の対面試験があります:2 回の期中テスト(それまでの内容)と期末試験(総合、最後の第三部重視)。全ての試験はノートや本を持参できない閉門式です。
授業スケジュール
授業日程は仮定であり変更される可能性があります。すべての資料は下記の日付から2 週間後にオンラインで利用できます。
| 日付 | 講義テーマ | 宿題 |
|---|---|---|
| 1/12 | クラスロジスティクス & AI の簡単な歴史(ビデオ 1, ビデオ 2) | HW0 発行 |
| 1/14 | 教師あり学習の紹介(ビデオ) | — |
| 1/19 | MLK デー – 授業なし | — |
| 1/21 | 線形代数 & PyTorch(ビデオ) | HW0 提出 |
| 1/28 | 線形モデル(ビデオ) | HW1 発行 |
| 1/30 | 損失関数 & 確率(ビデオ) | — |
| 2/02 | 最適化 & 勾配降下法(ビデオ) | — |
| 2/04 (2/06に移動) | – | HW1 提出 |
| 2/06 | 線形モデルの訓練(ビデオ) | HW2 発行 |
| 2/09 | ニューラルネットワークモデル(ビデオ) | — |
| 2/11 | ニューラルネットワーク実装 | HW2 提出 |
| 2/16 | 期中テスト 1 – 教師あり機械学習 | HW3 発行 |
| 2/18 | シーケンスモデル:入力集合の扱い | — |
| 2/23 | 自己注意 & 位置埋め込み | — |
| 2/25 | トランスフォーマーモデル | HW3 提出, HW4 発行 |
| 3/02 | 春休み – 授業なし | — |
| 3/04 | 春休み – 授業なし | — |
| 3/09 | トークナイザー | — |
| 3/11 | 効率的推論 & キー・バリューキャッシュ | HW4 提出 |
| 3/16 | あなたの最初の LLM | HW5 発行 |
| 3/18 | 期中テスト 2 – 大型言語モデル | — |
| 3/23 | 教師付き微調整 | — |
| 3/25 | アラインメント & インストラクション/チャットチューニング | — |
| 3/30 | ゲスト講義 | HW5 提出, HW6 発行 |
| 4/01 | ゲスト講義 | — |
| 4/06 | 強化学習の基礎 | HW6 提出 |
| 4/08 | LLM のための RL | — |
| 4/13 | 推論モデル | HW7 発行 |
| 4/15 | AI 安全性 & セキュリティ | — |
| 4/20 | 将来:AGI とその先 | HW7 提出 |
| 4/22 | 講師 Q&A | — |
| TBDFinal | 最終試験 | — |
コースの AI ポリシー
- 許可: 宿題・プログラミング課題中(参考資料や学習支援として)。
- 禁止: 授業内評価時(宿題クイズ、期中テスト、期末試験)では AI アシスタントや外部資料の使用を許可しません。
理由:AI ツールは学習と実装に大いに役立ちますが、短期間の課題で過度に依存すると深い理解が阻害される恐れがあります。提出する解答を自ら完成させることで、クイズや試験への備えとなります。