From 51eb78d34c660b4d0b2b813b324292c8adea78a5 Mon Sep 17 00:00:00 2001 From: Yoshio Terada Date: Wed, 20 Dec 2023 13:10:24 +0900 Subject: [PATCH 01/11] Modified expression MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit Modified expression from 生成系 -> 生成 --- translations/ja-jp/README.md | 10 +++++----- 1 file changed, 5 insertions(+), 5 deletions(-) diff --git a/translations/ja-jp/README.md b/translations/ja-jp/README.md index dc9836a2f..7a0d1a446 100644 --- a/translations/ja-jp/README.md +++ b/translations/ja-jp/README.md @@ -16,9 +16,9 @@ [![Open in GitHub Codespaces](https://img.shields.io/static/v1?style=for-the-badge&label=GitHub+Codespaces&message=Open&color=lightgrey&logo=github)](https://codespaces.new/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-yoterada) [![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://aka.ms/genai-discord?WT.mc_id=academic-105485-yoterada) -# 初心者のための生成系 AI - コース +# 初心者のための生成 AI - コース -マイクロソフトのクラウド・アドボケイトが提供する、全12回のレッスンで生成系 AI アプリケーション構築の基礎知識を身につけましょう。各レッスンで、生成系 AI の基礎知識やアプリの実装に必要なキーポイントをしっかり押さえます。このコースを通じて、自分だけの生成系 AI のスタートアップ企業を作りながらアイデアを形にする過程を実際に体験できます。 +マイクロソフトのクラウド・アドボケイトが提供する、全12回のレッスンで生成 AI アプリケーション構築の基礎知識を身につけましょう。各レッスンで、生成 AI の基礎知識やアプリの実装に必要なキーポイントをしっかり押さえます。このコースを通じて、自分だけの生成 AI のスタートアップ企業を作りながらアイデアを形にする過程を実際に体験できます。 ## 🌱 はじめに @@ -34,7 +34,7 @@ ## 🧠 さらに知識を深めたいですか？ -このコースを終了後、さらに生成系 AI に関する知識を深めたい場合は、[生成 AI 学習コレクション](https://aka.ms/genai-collection?WT.mc_id=academic-105485-yoterada)を、ぜひご覧ください！ +このコースを終了後、さらに生成 AI に関する知識を深めたい場合は、[生成 AI 学習コレクション](https://aka.ms/genai-collection?WT.mc_id=academic-105485-yoterada)を、ぜひご覧ください！ ## 🚀 スタートアップですか、それとも実現したいアイデアはありますか？ @@ -61,14 +61,14 @@ | 00 | [コース紹介 - コースの受講方法](../../00-course-setup/translations/ja-jp/README.md?WT.mc_id=academic-105485-yoterada) | テクノロジーのセットアップとコースの枠組み | レッスンが成功したと分かるゴール設定| | 01 | [生成 AI と大規模言語モデルの紹介](../../01-introduction-to-genai/translations/ja-jp/README.md?WT.mc_id=academic-105485-yoterada) |**概念**: 生成 AI と現在のテクノロジー環境| 生成 AI とは何か、そして大規模言語モデル（LLM）がどのように動くかを理解する。 | | 02 | [様々なLLMの調査と比較](../../02-exploring-and-comparing-different-llms/translations/ja-jp/README.md?WT.mc_id=academic-105485-yoterada) | **概念**: さまざまな大規模言語モデルのテスト、反復、および比較 | ユースケースに適した AI モデルを選択 | -| 03 | [責任ある生成系 AI の利用](../../03-using-generative-ai-responsibly/translations/ja-jp/README.md?WT.mc_id=academic-105485-yoterada)| **概念**: ファウンデーションモデルの限界と AI に伴うリスクを理解する | 責任ある生成系 AI アプリケーションの開発方法を学ぶ | +| 03 | [責任ある生成 AI の利用](../../03-using-generative-ai-responsibly/translations/ja-jp/README.md?WT.mc_id=academic-105485-yoterada)| **概念**: ファウンデーションモデルの限界と AI に伴うリスクを理解する | 責任ある生成 AI アプリケーションの開発方法を学ぶ | | 04 | [プロンプト・エンジニアリングの基礎](../../04-prompt-engineering-fundamentals/translations/ja-jp/README.md?WT.mc_id=academic-105485-yoterada) | **Code/概念:** ハンズオン形式でプロンプト・エンジニアリングのベストプラクティスを学ぶ | プロンプトの構造と使用法の理解 | | 05 | [高度なプロンプトの作成](../../05-advanced-prompts/translations/ja-jp/README.md?WT.mc_id=academic-105485-yoterada) | **Code/概念:** プロンプトに様々なテクニックを取り入れ、プロンプト・エンジニアリングの知識をより深める | 出力結果を改善するため、プロンプト・エンジニアリングのテクニックを取り入れる | | 06 | [テキスト生成アプリケーションの構築](../../06-text-generation-apps/translations/ja-jp/README.md?WT.mc_id=academic-105485-yoterada) | **Code:** コード：Azure OpenAI を使用してテキスト生成アプリを構築する | トークンと温度を効率的に使用しモデルの出力を変化させる方法を理解する | | 07 | [チャットアプリケーションの構築](../../07-building-chat-applications/translations/ja-jp/README.md?WT.mc_id=academic-105485-yoterada) | **Code**: チャット アプリケーションを効率的に構築および統合するための手法。 | AI を利用したチャット・アプリケーションの品質を効果的に監視し維持するための重要なキーメトリクスと注意点を把握する | | 08 | Vector Databases を利用した[検索アプリケーションの構築](../../08-building-search-applications/translations/ja-jp/README.md?WT.mc_id=academic-105485-yoterada) | **Code**: セマンティック検索とキーワード検索のの違いについて学ぶ。テキストの埋め込みについて学び、検索への適用方法を理解する | 埋め込み技術を利用したデータ検索アプリケーションを構築する | | 09 | [画像生成アプリケーションの構築](../../09-building-image-applications/translations/ja-jp/README.md?WT.mc_id=academic-105485-yoterada) | **Code:** アプリケーション開発で画像生成が役立つ理由 | 画像を生成するアプリケーションを構築する | -| 10 | [ローコード AI アプリケーションの構築](../../10-building-low-code-ai-applications/translations/ja-jp/README.md?WT.mc_id=academic-105485-yoterada) | **Low Code:** Power Platform における生成系 AI の概要 | 教育系スタートアップ企業がローコードで学生の課題追跡アプリを構築する | +| 10 | [ローコード AI アプリケーションの構築](../../10-building-low-code-ai-applications/translations/ja-jp/README.md?WT.mc_id=academic-105485-yoterada) | **Low Code:** Power Platform における生成 AI の概要 | 教育系スタートアップ企業がローコードで学生の課題追跡アプリを構築する | | 11 | [Function Calling との統合](../../11-integrating-with-function-calling/translations/ja-jp/README.md?WT.mc_id=academic-105485-yoterada) | **Code:** Function Calling とアプリケーションにおける用途 | 外部 API からデータを取得するため Function Calling を設定する | | 12 | [AI アプリケーション用の UX デザイン](../../12-designing-ux-for-ai-applications/translations/ja-jp/README.md?WT.mc_id=academic-105485-yoterada) | **概念:** 透明性と信頼性を備えたAIアプリケーションの設計 | 生成 AI アプリケーションの開発時に UX デザインの原則を適用する | | xx | [学習の継続](../../13-continued-learning/translations/ja-jp/README.md?WT.mc_id=academic-105485-yoterada) | 各授業の内容をさらに進めるための参考リンク! | 生成 AI の技術をマスターするために | From da7eced1838f1d28e00935018b1c911b4581d1dc Mon Sep 17 00:00:00 2001 From: Yoshio Terada Date: Thu, 21 Dec 2023 00:11:30 +0900 Subject: [PATCH 02/11] Update Japanese expression Modified Japanese expression to understand more easily. (Same meaning) --- 00-course-setup/translations/ja-jp/README.md | 48 +++++++++++--------- translations/ja-jp/README.md | 26 +++++------ 2 files changed, 39 insertions(+), 35 deletions(-) diff --git a/00-course-setup/translations/ja-jp/README.md b/00-course-setup/translations/ja-jp/README.md index efb5d5b3f..b3377ad84 100644 --- a/00-course-setup/translations/ja-jp/README.md +++ b/00-course-setup/translations/ja-jp/README.md @@ -1,6 +1,6 @@ # このコースを始めるために -私たちは、皆様がこのコースを開始し生成 AI で何を創り出すのかを見るのが、とても楽しみです！ +私たちは、皆様がこのコースを開始して、生成 AI を使って何を作り出してくださるのか、それを見るのがとても楽しみです！ 皆様がこのレッスンを成功できるよう、セットアップ手順と技術要件そして必要な時に情報を得る方法を、このページにまとめました。 @@ -10,40 +10,43 @@ ### 1. リポジトリのフォーク -コードを修正したりレッスンの課題を完了するため、このリポジトリ全てをご自身の GitHub アカウントで[フォーク](https://github.com/microsoft/generative-ai-for-beginners/fork?WT.mc_id=academic-105485-yoterada)してください。また、簡単にこのリポジトリを見つけれるよう、[スター（🌟）をつける](https://docs.github.com/en/get-started/exploring-projects-on-github/saving-repositories-with-stars?WT.mc_id=academic-105485-yoterada)こともできます。 +コードを修正したり、レッスン課題を終了するため、このリポジトリをご自身の GitHub アカウントに[フォーク](https://github.com/microsoft/generative-ai-for-beginners/fork?WT.mc_id=academic-105485-yoterada)してください。また後から、簡単にこのリポジトリを見つけられるように、[スター（🌟）をつける](https://docs.github.com/en/get-started/exploring-projects-on-github/saving-repositories-with-stars?WT.mc_id=academic-105485-yoterada)のもお勧めです。 ### 2. codespaces を作成 コードを実行する際、依存関係の問題を避けるため、GitHub codespaces で、このコースを実行することをお勧めします。 -codespaces は、上記でフォークしたリポジトリの `Code` を選択し、**Codespaces** オプションを選択することで作成できます。 +codespaces は、上記でフォークしたリポジトリの `Code` を選択し、**Codespaces** オプションを選択することで作成できます。 + +![codespaceを作成するボタンを示すダイアログ](../../images/who-will-pay.webp?WT.mc_id=academic-105485-yoterada) + +> **ご注意** (訳者追記)： +Fork したリポジトリで Codespace を利用する場合、Codespace の使用料はマイクロソフトが支払います。 ### 3. API　キーの保管 アプリケーションを構築する際、API キーを安全に管理することはとても重要です。公開リポジトリにこうした機密情報をコミットすると、不正利用による想定外のコストや問題が発生する可能性があります。そこで、作業中のコードに直接 API キーを保存しないようにしてください。 -![codespaceを作成するボタンを示すダイアログ](../../images/who-will-pay.webp?WT.mc_id=academic-105485-yoterada) - ## ローカルのコンピュータで実行する方法 ローカルのコンピュータ上で、コードを実行するためには、[Python のインストール](https://www.python.org/downloads/?WT.mc_id=academic-105485-yoterada)が必要です。 -そして、リポジトリを使用するためクローンする必要があります +そして、下記のようにリポジトリをクローンする必要があります ```shell git clone https://github.com/microsoft/generative-ai-for-beginners cd generative-ai-for-beginners ``` -これですべての準備が整いましたので、学習と作業を始めることができます。 +以上で準備が整ったので、学習と作業を始められます。 ### miniconda　のインストール　（オプションの手順） -**[miniconda](https://conda.io/en/latest/miniconda.html?WT.mc_id=academic-105485-yoterada)** のインストールをお勧めします - これは、異なる Python **仮想環境**で `conda` パッケージ・マネージャをサポートする、比較的軽量なインストーラーです。`conda` を利用すると、異なる Python のバージョンやパッケージを簡単にインストールでき、切り替えるもできます。さらに、`pip` 経由で入手できないパッケージのインストールもできます。 +下記は省略可能な手順ですが、可能であれば **[miniconda](https://conda.io/en/latest/miniconda.html?WT.mc_id=academic-105485-yoterada)** のインストールをお勧めします - これは、異なる Python **仮想環境**で `conda` パッケージ・マネージャをサポートする、比較的軽量なインストーラーです。`conda` を利用すると、異なる Python のバージョンやパッケージを簡単にインストールでき、切り替えもできます。さらに、`pip` を利用して公開されているパッケージのインストールもできます。 -miniconda をインストールした後、リポジトリをクローンしてください（まだ行っていない場合）。そして、このレッスン用の仮想環境を作成してください： +miniconda をインストールした後、リポジトリをクローンしてください（まだ行っていない場合）。そして、このレッスン用に下記の手順で新たな仮想環境を作成してください： -下記の手順を実行する前に、まず *environment.yml* ファイルが存在していることをご確認ください。*environment.yml* ファイルは、conda　環境の構築に必要な依存関係を定義した設定ファイルで、下記のような内容を記述します： +まず *environment.yml* ファイルが存在しているかご確認ください。*environment.yml* ファイルは、conda　環境の構築に必要な依存関係を定義した設定ファイルで、下記の内容を記述します： ```yml name: @@ -68,15 +71,15 @@ conda activate ai4beg ### Python の拡張機能をインストールした Visual Studio Code の使用 -本カリキュラムを進めていく上で最もお勧めの方法は、[Python の拡張機能を](https://marketplace.visualstudio.com/items?itemName=ms-python.python&WT.mc_id=academic-105485-yoterada)インストールした [Visual Studio Code](http://code.visualstudio.com/?WT.mc_id=academic-105485-yoterada) のご利用です。 +このカリキュラムを進める際には、[Python の拡張機能](https://marketplace.visualstudio.com/items?itemName=ms-python.python&WT.mc_id=academic-105485-yoterada)をインストールした [Visual Studio Code](http://code.visualstudio.com/?WT.mc_id=academic-105485-yoterada) の使用を特にお勧めします。 -> **ご注意**: クローンした後、VS Code でディレクトリを開くと、自動的に Python 拡張機能のインストールが提案されます。上記で説明したように miniconda もインストールする必要があります。 +> **ご注意**: クローンした後、VS Code でディレクトリを開くと、自動的に Python 拡張機能のインストールが提案されます。上記で説明したように miniconda もインストールしてください。 -> **ご注意**: ローカルにインストールした Python を利用したい場合、VS Code がコンテナでリポジトリを再度開くことを提案した際、コンテナでの起動を拒否してください。 +> **ご注意**: 仮に、ローカルにインストールした Python を利用したい場合、VS Code がコンテナでリポジトリを再度開くことを提案してきた時、その提案を拒否してください。 ### ブラウザで Jupyter の使用 -ご自身のコンピュータの Web ブラウザから直接、Jupyter 環境を使用することもできます。実際クラシックな Jupyter と Jupyter Hub は、自動補完、コード・ハイライトなどの機能を備えた非常に便利な開発環境を提供します。 +ご自分のコンピュータの Web ブラウザを利用して直接 Jupyter 環境を利用できます。実際クラシックな Jupyter と Jupyter Hub は、自動補完、コード・ハイライトなどの機能を備えた非常に便利な開発環境を提供します。 Jupyter をローカルで起動するには、レッスン・コースのディレクトリに移動し、下記のコマンドを実行します： @@ -90,25 +93,25 @@ jupyter notebook jupyterhub ``` -次に任意の `.ipynb` ファイルに移動し、ファイルを開いて作業を開始できます。 +次に任意の `.ipynb` ファイルに移動し、ファイルを開いて作業を開始します。 ### コンテナでの実行 -ローカル環境に Python をインストールする代わりに、コンテナ上で実行することもできます。このプロジェクトを fork するとレポジトリ内に、コンテナ環境を構築するために必要な設定を含む `.devcontainer` フォルダが存在します。そこで、VS Code は起動時にコンテナで実行することを提案します。コンテナで実行する為には、事前に Docker のインストールが必要で、少し複雑になるため経験豊富なユーザーにお勧めします。 +ローカル環境に Python をインストールする代わりに、コンテナ上でも実行できます。このプロジェクトを fork するとレポジトリ内に、コンテナ・イメージを構築するために必要な設定を含む `.devcontainer` フォルダが存在します。そして VS Code は設定ファイルに記載した内容を元に、コンテナ上での実行を提案します。コンテナで実行する為には、事前に Docker のインストールと起動が必要です。コンテナ環境のセットアップは少し複雑になるため経験豊富なユーザーにお勧めします。 -GitHub codespaces を使用して API キーを安全に管理するためには、Codespace Secrets の利用が最適です。[codespaces のシークレットを管理](https://docs.github.com/en/codespaces/managing-your-codespaces/managing-secrets-for-your-codespaces?WT.mc_id=academic-105485-yoterada)する方法については、このガイドをご参照ください。 +GitHub codespaces を使用して API キーを安全に管理するためには、Codespace Secrets の利用が最適です。[codespaces のシークレットを管理](https://docs.github.com/en/codespaces/managing-your-codespaces/managing-secrets-for-your-codespaces?WT.mc_id=academic-105485-yoterada)する方法については、リンク先のガイドをご参照ください。 ## レッスンと技術要件 このコースは、6 つの概念レッスンと 6 つのコーディング・レッスンがあります。 -コーディング・レッスンでは、Azure OpenAI サービスを使用します。コードを実行するには、Azure OpenAI サービスへのアクセスと API キーが必要です。[このアプリケーション・フォームを完了](https://go.microsoft.com/fwlink/?linkid=2222006&clcid=0x409?WT.mc_id=academic-105485-yoterada)することで Azure OpenAI へアクセス申請できます。 +コーディング・レッスンでは、Azure OpenAI サービスを使用します。コードを実行するには、Azure OpenAI サービスへのアクセス権限と API キーが必要です。[こちらのアプリケーション・フォームに記入](https://go.microsoft.com/fwlink/?linkid=2222006&clcid=0x409?WT.mc_id=academic-105485-yoterada)し Azure OpenAI へアクセス申請を行います。 -アプリケーション・フォーム申請処理の完了を待つ間、何もできないわけではなく、各レッスン中に、`README.md` ファイルとサンプル・コードが含まれていますので、申請処理の完了前でもレッスンの内容をご確認いただけます。 +アプリケーション・フォームの申請処理が完了するまで、何もできないわけではありません。各レッスン中に、`README.md` ファイルとサンプル・コードが含まれていますので、申請処理が完了する前でもレッスンの内容をご確認いただけます。 ## Azure OpenAI サービスをはじめて使用する場合 -仮に Azure OpenAI サービスをはじめて使用する場合は、[Azure OpenAI サービス・リソースを作成しデプロイする方法](https://learn.microsoft.com/azure/ai-services/openai/how-to/create-resource?pivots=web-portal&WT.mc_id=academic-105485-yoterada)はこちらのガイドをご参照ください。 +仮に Azure OpenAI サービスをはじめて使用する場合は、[Azure OpenAI サービスのリソースを作成しデプロイする](https://learn.microsoft.com/azure/ai-services/openai/how-to/create-resource?pivots=web-portal&WT.mc_id=academic-105485-yoterada)必要があります。リソースの作成方法はリンク先のガイドをご参照ください。 ## 他の学習者との交流 @@ -122,11 +125,12 @@ GitHub codespaces を使用して API キーを安全に管理するためには 本レッスンはオープンソース・プロジェクトとして公開しています。仮に改善すべき点や問題を発見したら、[プルリクエスト](https://github.com/microsoft/generative-ai-for-beginners/pulls?WT.mc_id=academic-105485-yoterada)をお送りいただくか、もしくは、[GitHub の Issue](https://github.com/microsoft/generative-ai-for-beginners/issues?WT.mc_id=academic-105485-yoterada) で報告していただければ幸いです。 -このプロジェクトの開発チームは全ての貢献を確認しています。オープンソースにご貢献いただくことは、生成 AI の分野で新しいキャリアを築くのに良い方法かもしれません。 +このプロジェクトの開発チームは全ての貢献を確認しています。そしてオープン・ソース・プロジェクトに貢献すると、生成 AI の分野で新しいキャリアを築ける可能性もあります。 多くの場合、貢献者はコントリビューター・ライセンス契約（CLA）に同意して頂く必要があります。これは貢献者が持っている権利を、私たちに、皆様の貢献を使用する権利を実際に与えて頂くことを宣言するための契約です。詳細については [CLA、コントリビューターライセンス契約のウェブサイト](https://cla.microsoft.com?WT.mc_id=academic-105485-yoterada)をご覧ください。 -重要なお知らせ：このリポジトリ内に含まれるテキストを翻訳する場合、機械翻訳の使用は避けてください。翻訳の内容はコミュニティで検証するため、ご自身が熟知している言語でのみ翻訳作業にご協力ください。 +重要なお知らせ： +このリポジトリ内に含まれるテキストを翻訳する場合、機械翻訳の使用は避けてください。翻訳内容はコミュニティで検証するため、ご自身が熟知している言語でのみ翻訳作業にご協力ください。 プル・リクエストを提出すると、CLA-bot が自動的に CLA（コントリビューター・ライセンス契約）の提出が必要かどうかを判断し、プル・リクエストに適切なマーク（例：ラベル、コメント）を付けます。bot の指示にお従いください。この処理は、CLA を使用するすべてのリポジトリで一度だけ行う必要があります。 diff --git a/translations/ja-jp/README.md b/translations/ja-jp/README.md index 7a0d1a446..473bd3c94 100644 --- a/translations/ja-jp/README.md +++ b/translations/ja-jp/README.md @@ -18,38 +18,38 @@ # 初心者のための生成 AI - コース -マイクロソフトのクラウド・アドボケイトが提供する、全12回のレッスンで生成 AI アプリケーション構築の基礎知識を身につけましょう。各レッスンで、生成 AI の基礎知識やアプリの実装に必要なキーポイントをしっかり押さえます。このコースを通じて、自分だけの生成 AI のスタートアップ企業を作りながらアイデアを形にする過程を実際に体験できます。 +マイクロソフトのクラウド・アドボケイトが提供する、全 12 回のレッスンを通して、生成 AI アプリケーション構築の基礎知識を身につけましょう。各レッスンで、生成 AI の基礎知識やアプリの実装に必要な重要ポイントをしっかりと理解できるようにします。このコースを通じて、自分だけの生成 AI のスタートアップ企業を作りながら、アイデアを形にする過程を実際に体験できます。 ## 🌱 はじめに -まず初めに、このリポジトリ全体をご自身の GitHub　アカウントで [fork](https://github.com/microsoft/generative-ai-for-beginners/fork?WT.mc_id=academic-105485-yoterada) してください。すると、コードの変更や各課題を修了することができるようになります。また、後から見つけやすくするために、このリポジトリに[スター 🌟 をつける](https://docs.github.com/en/get-started/exploring-projects-on-github/saving-repositories-with-stars?WT.mc_id=academic-105485-yoterada) のもおすすめです。 +まずはじめに、このリポジトリをご自分の GitHub アカウントに[フォーク](https://github.com/microsoft/generative-ai-for-beginners/fork?WT.mc_id=academic-105485-yoterada)してください。 すると、コードの変更や各課題を修了することができるようになります。また、後から探しやすくするために、このリポジトリに[スター 🌟 をつけて](https://docs.github.com/en/get-started/exploring-projects-on-github/saving-repositories-with-stars?WT.mc_id=academic-105485-yoterada) おくことをお勧めします。 -各レッスンのリンクは、下記に掲載しています。最も関心のあるレッスンからご自由に始めてください！ +各レッスンのリンクは、下記に記載しています。興味のあるレッスンからご自由に始めてください！ -ご自身に最適なセットアップ方法を見つけるために、[コース・セットアップ・ページ](../../00-course-setup/README.md?WT.mc_id=academic-105485-yoterada)にアクセスしてください。 +ご自身に最適なセットアップ方法を見つけるために、[コース・セットアップ・ページ](../../00-course-setup/translations/ja-jp/README.md?WT.mc_id=academic-105485-yoterada)にアクセスしてください。 ## 🗣️ 他の学習者と出会ったり、サポートを受ける -学習する上で最も効果的な方法は、他の方と一緒に学ぶことです！[公式 AI Discord サーバー](https://aka.ms/genai-discord?WT.mc_id=academic-105485-yoterada)に参加し、このコースを受講している他の学習者と出会って交流し助け合いましょう。もしかすると、そこで次のあなたの共同創業者が見つかるかもしれないですね！ +学びを深めるには、他の人と一緒に学ぶことが最も効果的です。！[公式の AI Discord サーバー](https://aka.ms/genai-discord?WT.mc_id=academic-105485-yoterada)に参加して、このコースを受講している他の学習者と出会い、交流し、助け合いましょう。そこで、新たなビジネス・パートナーが見つかる可能性もありますよ！ -## 🧠 さらに知識を深めたいですか？ +## 🧠 もっと知識を深めたいですか？ -このコースを終了後、さらに生成 AI に関する知識を深めたい場合は、[生成 AI 学習コレクション](https://aka.ms/genai-collection?WT.mc_id=academic-105485-yoterada)を、ぜひご覧ください！ +このコースを終了後、さらに生成 AI に関する知識を深めるために、[生成 AI 学習コレクション](https://aka.ms/genai-collection?WT.mc_id=academic-105485-yoterada)を、ぜひご覧ください！ ## 🚀 スタートアップですか、それとも実現したいアイデアはありますか？ -その場合、[Microsoft for Startups Founders Hub](https://aka.ms/genai-foundershub?WT.mc_id=academic-105485-yoterada) にご登録いただくと、**OpenAI クレジットを無料で**もらえるだけでなく、**最大で $150k の Azure クレジットを獲得し、Azure OpenAI サービスで OpenAI のモデルを利用**することができます。 +その場合、[Microsoft for Startups Founders Hub](https://aka.ms/genai-foundershub?WT.mc_id=academic-105485-yoterada) にご登録いただくと、**無料で OpenAI クレジットを**もらえるだけでなく、**最大で $150k の Azure クレジットを獲得し、Azure OpenAI のサービスを通じて OpenAI のモデルを利用**することができます。 ## 🙏 ご協力いただける方を募集しています 貢献して頂ける方法をいくつかご紹介します： -- 文章の誤字脱字やコードに間違いを発見したら、[問題(Issue)で指摘する](https://github.com/microsoft/generative-ai-for-beginners/issues?WT.mc_id=academic-105485-yoterada)か[プルリクエストを送ってください](https://github.com/microsoft/generative-ai-for-beginners/pulls?WT.mc_id=academic-105485-yoterada) -- 私たちに、新しいレッスンや演習アイデアなどの提案をお送りいただき、コースの改善点を教えてください +- 文章に誤字や脱字、コードの間違いを発見したら、GitHub の[問題 (Issue) として報告して頂く](https://github.com/microsoft/generative-ai-for-beginners/issues?WT.mc_id=academic-105485-yoterada)か[プル・リクエストを送ってください](https://github.com/microsoft/generative-ai-for-beginners/pulls?WT.mc_id=academic-105485-yoterada) +- 新しいレッスンや演習のアイデアをご提案していただき、コースをより良くするための改善点を教えてください。 ## 📂 各レッスンに含まれる内容 -- トピックの概要を説明する短い動画 +- トピックの概要を紹介する短い動画 - README に記載されているレッスン - サンプル・コードを含む Jupyter Notebook（プロジェクト形式のレッスンの場合） - 学習内容を活用した課題やチャレンジ @@ -71,11 +71,11 @@ | 10 | [ローコード AI アプリケーションの構築](../../10-building-low-code-ai-applications/translations/ja-jp/README.md?WT.mc_id=academic-105485-yoterada) | **Low Code:** Power Platform における生成 AI の概要 | 教育系スタートアップ企業がローコードで学生の課題追跡アプリを構築する | | 11 | [Function Calling との統合](../../11-integrating-with-function-calling/translations/ja-jp/README.md?WT.mc_id=academic-105485-yoterada) | **Code:** Function Calling とアプリケーションにおける用途 | 外部 API からデータを取得するため Function Calling を設定する | | 12 | [AI アプリケーション用の UX デザイン](../../12-designing-ux-for-ai-applications/translations/ja-jp/README.md?WT.mc_id=academic-105485-yoterada) | **概念:** 透明性と信頼性を備えたAIアプリケーションの設計 | 生成 AI アプリケーションの開発時に UX デザインの原則を適用する | -| xx | [学習の継続](../../13-continued-learning/translations/ja-jp/README.md?WT.mc_id=academic-105485-yoterada) | 各授業の内容をさらに進めるための参考リンク! | 生成 AI の技術をマスターするために | +| xx | [学習の継続](../../13-continued-learning/translations/ja-jp/README.md?WT.mc_id=academic-105485-yoterada) | 各授業の内容をさらに進めるための参考リンク! | 生成 AI の技術をマスターするために | ## 🎒 その他のコース -私たちは他のコースも提供しています！ぜひご覧ください： +他のコースも提供しています！ぜひご覧ください： - [初心者のための ML](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-yoterada) - [初心者のための Data Science](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-yoterada) From b98c8eaa25348cf4dcfdc24bc01712e401eabd43 Mon Sep 17 00:00:00 2001 From: Yoshio Terada Date: Thu, 21 Dec 2023 00:48:22 +0900 Subject: [PATCH 03/11] Update Japanese expression Modified Japanese expression to understand more easily. (Same meaning) --- .../translations/ja-jp/README.md | 34 +++++++++---------- 1 file changed, 17 insertions(+), 17 deletions(-) diff --git a/01-introduction-to-genai/translations/ja-jp/README.md b/01-introduction-to-genai/translations/ja-jp/README.md index edcae7309..4210d84ca 100644 --- a/01-introduction-to-genai/translations/ja-jp/README.md +++ b/01-introduction-to-genai/translations/ja-jp/README.md @@ -33,9 +33,9 @@ > *世界規模で学習の利便性を高め、教育に対する平等な機会を実現し、学習者一人ひとりの要望に応える個別学習体験を提供します。* -スタートアップ・チームは、現在最も強力なツールである大規模言語モデル(LLM)を活用せず、この目標を達成する事は難しいと考えています。 +スタートアップチームは、大規模言語モデル（LLM）という現在最も強力なツールを使わなければ、上記の目標を達成するのが難しいと考えています。 -生成 AI を利用すると、生徒は 24 時間いつでも問い合わせ可能なバーチャルの教師から、大量の情報や例を得られるようになり、教師も生徒の成績を評価しフィードバックするために、新しいツールが使えるようになると考えられ、現在の学習方法や指導方法に革命をもたらすと考えられています。 +生成 AI を利用すると、生徒は 24 時間いつでも問い合わせ可能な、バーチャルの教師から大量の情報や例を学べるようになり、教師も生徒の成績を評価しフィードバックするために、新しいツールが使えるようになると考えられています。これは、現在の学習方法や指導方法に革命をもたらすと考えられています。 ![モニターを見つめる5人の若い学生 - DALLE2 による画像](../../images/students-by-DALLE2.png?WT.mc_id=academic-105485-yoterada) @@ -43,14 +43,14 @@ ## 生成 AI はどのようにして生まれたのでしょうか？ -最近発表された、生成 AI モデルは大きな注目を集めていますが、この技術は数十年にわたる開発の歴史があり、初期の研究は 1960 年代までさかのぼります。そして今、AI 技術は [OpenAI の ChatGPT](https://openai.com/chatgpt) や [Bing Chat](https://www.microsoft.com/edge/features/bing-chat?WT.mc_id=academic-105485-yoterada) のように会話能力を有するなど、人間の認知能力を持つレベルにまで達しています。また、これらのチャットシステムは、Bing の Web 検索における会話でも GPT モデルを採用しています。 +最近発表された、生成 AI モデルは大きな注目を集めていますが、この技術は過去数十年にわたる開発の歴史があり、初期の研究は 1960 年代までさかのぼります。そして今、AI 技術は [OpenAI の ChatGPT](https://openai.com/chatgpt) や [Bing Chat](https://www.microsoft.com/edge/features/bing-chat?WT.mc_id=academic-105485-yoterada) のように会話能力を有するなど、人間の認知能力を持つレベルにまで達しています。また、これらのチャットシステムは、Bing の Web 検索における対話でも GPT モデルを採用しています。 AI の歴史を振り返ると、初期の AI のプロトタイプは、タイプライター式のチャットボットで、専門家集団から抽出した知識をベースに、それをコンピューターに表現していました。知識ベースによる回答は、入力テキスト内に出現するキーワードがトリガーになっていました。しかし、タイプライター式のチャットボットは、スケール・アウトが難しい事がすぐに分かりました。 ### 統計学的手法を基にした AI 技術： 機械学習 1990年代に入り、テキスト解析に統計学的手法を応用したことで、転換点が訪れました。 -これにより、データからパターンを学習できる新しいアルゴリズムが開発されました。これは「機械学習」として知られ、学習にプログラミングを必要としません。この手法を用いることで、機械は人間の言語理解を再現することが可能になります。テキストとラベルの組み合わせで訓練された統計モデルが、メッセージの意図を示す定義済みのラベルで、未知の入力テキストを分類することができるようになります。 +これにより、データからパターンを学習する新しいアルゴリズムが開発されました。これは「機械学習」として知られ、学習にプログラミングを必要としませんでした。この手法を用いることで、機械は人間の言語理解を再現することが可能になります。テキストとラベルの組み合わせで訓練された統計モデルが、メッセージの意図を示す定義済みのラベルで、未知の入力テキストを分類することができるようになります。 ### ニューラルネットワーク(神経回路網)と最新の仮想アシスタント @@ -58,7 +58,7 @@ AI の歴史を振り返ると、初期の AI のプロトタイプは、タイ ニューラルネットワーク（特に再帰型ニューラルネットワーク - RNN と呼ばれる）は、自然言語処理を飛躍的に進化させ、文章中に含まれる単語の意味を、文脈を考慮して評価し、より有益な方法でテキストの意図を表現できるようになりました。 -この技術は、21 世紀の初頭に登場したバーチャル・アシスタントの基盤となり、人の言葉を読み取って要求を識別し、それに応じた行動を取ることができます。例えば、事前に用意したスクリプトで応答したり、外部サービスを利用することが含まれます。 +この技術は、21 世紀の初頭に登場したバーチャル・アシスタントの基盤となり、人の言葉を読み取って要求を識別し、それに応じて行動を取ることができます。例えば、事前に用意したスクリプトで応答したり、外部サービスを利用することが含まれます。 ### 現在の生成 AI @@ -68,7 +68,7 @@ AI の歴史を振り返ると、初期の AI のプロトタイプは、タイ 長年の AI 研究を経て、*トランスフォーマー* と呼ばれる新しいモデルのアーキテクチャが登場し、RNN の限界を越え、より長文テキストのシーケンスを入力として受け取ることができるようになりました。トランスフォーマーは、アテンションメカニズム(注意機構)を採用しており、モデルが、受け取った入力に対して異なる重み付けを行うことができます。これにより、テキスト内の単語の並ぶ順番に関わらず、最も関連性の高い情報が集中している部分に「より多くの注意を払う」ことができます。 -最近の生成 AI モデルの多くは、文章の入出力を行う「大規模言語モデル（LLMs）」とも呼ばれており、実際にこのアーキテクチャに基づいています。これらのモデルが注目される理由は、書籍、記事、ウェブサイトなど様々な情報源から、膨大なラベルなしデータとして訓練されているにも関わらず、創造性を備え文法も正しい文章を作り出すのが特筆すべき点です。したがって、これらのモデルは、機械が単に入力されたテキストを「理解」する力を飛躍的に向上させただけでなく、人間の言葉で独自の回答を作り出す力も実現しました。 +最近の生成 AI モデルの多くは、文章の入出力を行う「大規模言語モデル（LLMs）」とも呼ばれており、実際にこのアーキテクチャに基づいています。これらのモデルが注目される理由は、書籍、記事、ウェブサイトなど様々な情報源から、膨大なラベルなしデータとして訓練されているにも関わらず、創造性を備え文法も正しい文章を作り出すのが特筆すべき点です。したがって、これらのモデルは、機械が入力されたテキストを「理解」する力を飛躍的に向上させただけでなく、人間の言葉で独自の回答を作り出す能力も実現しました。 ## 大規模言語モデルの仕組みを教えてください？ @@ -80,7 +80,7 @@ AI の歴史を振り返ると、初期の AI のプロトタイプは、タイ * **出力トークンの予測**: 入力として n 個のトークンを受け取ると（モデルによって n の最大値は異なります）、モデルは出力として 1 個のトークンを予測する力を持っています。この予測されたトークンは次の反復処理の入力に追加され、拡張ウィンドウ・パターンにより、ユーザーが 1 つ以上の文を回答として得られるようになります。これは、ChatGPT を試したことがある人なら、文の途中で時々処理が停止するような動きにつながる理由です。 -* **選考過程、確率分布**: モデルは、現在のテキストの順番の後ろに続く文字を、確率的に可能性の高い結果に基づいて出力トークンを選びます。これは、モデルが過去の訓練に基づいて、「次に出現するトークン」の各選択肢についてどれだけの確率があるかを計算し、その全体の確率分布を推定しているからです。ただし、得られた分布から最も確率の高いトークンが必ず選ばれるとは限りません。この選択には、ある程度のランダム性が導入されており、モデルが決定的に振る舞わないようにしています。- つまり同じ入力に対して必ずしも同じ出力が得られるわけではないのです。このランダム性は、創造的な思考過程を模倣するために導入され、温度(temperature)というパラメータで調整ができます。 +* **選考過程、確率分布**: モデルは、現在のテキストの順番の後ろに続く文字を、確率的に可能性の高い結果に基づいて出力トークンを選びます。これは、モデルが過去の訓練に基づいて、「次に出現するトークン」の各選択肢についてどれだけの確率があるかを計算し、その全体の確率分布を推論しているからです。ただし、得られた分布から最も確率の高いトークンが必ず選ばれるとは限りません。この選択には、ある程度のランダム性が導入されており、モデルが決定的に振る舞わないようにしています。- つまり同じ入力に対して必ずしも同じ出力結果が得られるわけではありません。このランダム性は、創造的な思考過程を模倣するために導入され、温度(temperature)というパラメータで調整ができます。 ## スタートアップは、大規模言語モデルをどのように活用できるでしょうか？ @@ -89,9 +89,9 @@ AI の歴史を振り返ると、初期の AI のプロトタイプは、タイ 大規模言語モデルが最も得意とするのは、自然言語で記述されたテキストの入力から、新しいテキストを作ることだと述べました。 しかし、具体的にどのようなテキストの入力と出力を想定しているのでしょうか？ -大規模言語モデルの入力は「プロンプト」と呼ばれ、出力は「コンプリーション」と呼ばれています。これは、モデルが現在の入力に続く次のトークンを生成する仕組みを表しています。これからプロンプトの意味や、モデルを最大限に活用するための設計方法について詳しく見ていくことになりますが、とりあえず現時点では、プロンプトは以下のような要素が含まれるとお考えください： +大規模言語モデルの入力は「プロンプト」と呼ばれ、出力は「コンプリーション」と呼ばれています。これは、モデルが現在の入力に続く次のトークンを生成する仕組みを表しています。これからプロンプトの意味や、モデルを最大限に活用するための設計方法について詳しく確認していきますが、とりあえず現時点では、プロンプトは以下のような要素が含まれるとお考えください： -* モデルに対して、期待する出力の種類を指定する**指示**。この指示には、場合によって具体例やその他のデータを追加で組み込むことがあります。 +* **プロンプト（指示）**：モデルに対して、期待する出力結果や、出力フォーマットの種類を指定する。この指示には、場合によっては具体例やその他のデータを追加で組み込むことができます。 1. 記事、書籍、製品レビューなどの要約と、非構造化データから知見（インサイト）の抽出 @@ -113,7 +113,7 @@ AI の歴史を振り返ると、初期の AI のプロトタイプは、タイ
-* エージェントに対して会話形式で尋ねる**質問** +* **質問**：エージェントに対して会話形式で質問を尋ねる 訳者追記： - Who is Louis XIV and why he is an important historical character? @@ -122,7 +122,7 @@ AI の歴史を振り返ると、初期の AI のプロトタイプは、タイ
-* 続きを書く**文章の一節**で、実際には文章の執筆支援を要求しています +* **テキストの完成**：続きを書く。実際には文章を完成させるための執筆依頼をしています 訳者追記： - Louis XIV is an important historical character because @@ -132,25 +132,25 @@ AI の歴史を振り返ると、初期の AI のプロトタイプは、タイ
-* **プログラムコード**の一部と、そのコードに関する説明や記述を求める要望、または特定の作業を行うコードの生成を依頼するコメント +* **プログラムコード**：プログラムに関する説明や、コード記述を求める依頼。または特定の作業を行うコード生成を依頼します。 訳者追記： - A Python function to sum two numbers a and b - - 二つの数値aとbを合計するPython関数 + - 二つの数値 a と b を合計する Python の関数 ![Coding example](../../images/coding-example.png?WT.mc_id=academic-105485-yoterada)
-上記に挙げた例は基本的なものであり、大規模言語モデルの機能を全て網羅したわけではありません。教育分野に限らず、生成 AI が持つ潜在的な可能性と利点を示しました。 +上記に挙げた例は基本的なものであり、大規模言語モデルの機能を全て網羅したわけではありません。教育分野に限らず、生成 AI が持つ潜在的な可能性と利点を示しています。 -また、生成 AI モデルの出力結果は決して完璧ではなく、場合によってはモデルの創造性が逆効果となって、現実を曲解するような言葉を組み合わせたり、不快な言葉を組み合わせて作り出すこともあります。また、生成 AI は知能を持っているわけではありません。少なくとも、批判的思考や創造的推理、感情知能を含む広い意味において知能はありません。そして決定論的でもなく、信頼性もありません。なぜなら、誤った参照や内容、声明などの作り話が、正しい情報と混ざり合って、説得力のある自信に満ちた言葉で提示されることがあるからです。次のレッスンでは、これらすべての制限に対処し、それらを軽減するために何ができるかを見ていきます。 +また、生成 AI モデルの出力結果は決して完璧ではなく、場合によってはモデルの創造性が逆効果となって、現実を曲解するような言葉を組み合わせたり、不快な言葉を組み合わせて作り出すこともあります。また、生成 AI は知能を持っているわけではありません。少なくとも、批判的思想や創造的な推理、感情を含む広い意味における知能はありません。そして決定論的でもなく、信頼性もありません。なぜなら、誤った参照や内容、声明などからの作り話が、正しい情報と混ざり合い、説得力のある自信に満ちた言葉で、結果が提示されることがあるからです。次のレッスンでは、これらすべての制限に対処し、それらを軽減するために何ができるかを見ていきます。 ## 課題 -この課題では、「生成 AI」に関する知識を深め、まだ生成 AI が導入されていない領域を特定し、そこにどう取り込めるかを検討してください。従来の方法と比べて、どのような違いがあるでしょうか？これまでにできなかったことが、実現可能になるか、作業の速度が上がるかご検討ください。「問題点」「AIの活用方法」「導入による効果」といった見出しを用いて、理想の AI スタートアップについて 300 文字で概要をまとめてください。可能であれば、ビジネスプランも記述してください。 +この課題では、「生成 AI」に関する知識を深め、まだ生成 AI が導入されていない領域を特定し、そこにどう取り込めるかを検討してください。従来の方法と比べて、どのような違いがあるでしょうか？これまでにできなかったことが、実現可能になるか、作業の速度が上がるかをご検討ください。「問題点」「AIの活用方法」「導入による効果」といった見出しを用いて、皆様がこれから創業する理想の AI スタートアップを 300 文字でまとめてください。可能であれば、ビジネスプランも記述してください。 -この課題を達成すれば、マイクロソフトのスタートアップ向けインキュベータープログラム、[Microsoft for Startups Founders Hub](https://www.microsoft.com/startups?WT.mc_id=academic-105485-yoterada) への応募資格が得られるかもしれません。Azure や OpenAI の使用クレジット、メンタリング、その他多くの支援を提供していますので、詳細はウェブサイトをご覧ください。 +この課題を達成すれば、マイクロソフトのスタートアップ用インキュベータープログラム、[Microsoft for Startups Founders Hub](https://www.microsoft.com/startups?WT.mc_id=academic-105485-yoterada) への応募資格が得られるかもしれません。Azure や OpenAI の使用クレジット、メンタリング、その他多くの支援を提供していますので、詳細はウェブサイトをご覧ください。 ## 知識チェック From 32f7e716f845fe64ee85c24791c74996300e74d3 Mon Sep 17 00:00:00 2001 From: Yoshio Terada Date: Thu, 21 Dec 2023 00:58:35 +0900 Subject: [PATCH 04/11] Modified Japanese expression The wording of the text has been unified. --- .../translations/ja-jp/README.md | 4 ++-- 05-advanced-prompts/translations/ja-jp/README.md | 4 ++-- 06-text-generation-apps/translations/ja-jp/README.md | 4 ++-- 07-building-chat-applications/translations/ja-jp/README.md | 4 ++-- 08-building-search-applications/translations/ja-jp/README.md | 4 ++-- 09-building-image-applications/translations/ja-jp/README.md | 4 ++-- .../translations/ja-jp/README.md | 4 ++-- .../translations/ja-jp/README.md | 4 ++-- .../translations/ja-jp/README.md | 4 ++-- 9 files changed, 18 insertions(+), 18 deletions(-) diff --git a/03-using-generative-ai-responsibly/translations/ja-jp/README.md b/03-using-generative-ai-responsibly/translations/ja-jp/README.md index ce098fcbf..6060dc98c 100644 --- a/03-using-generative-ai-responsibly/translations/ja-jp/README.md +++ b/03-using-generative-ai-responsibly/translations/ja-jp/README.md @@ -8,7 +8,7 @@ AI、特に生成 AI に強い興味は抱くことは理解できますが、 ## はじめに -このレッスンでは以下の内容を取り上げます： +このレッスンでは、下記の内容について説明します。 - 生成 AI アプリケーションを構築する際に、なぜ責任ある AI を重視すべきか - 責任ある AI の基本原則と、それが生成 AI とどう結びつくのか @@ -16,7 +16,7 @@ AI、特に生成 AI に強い興味は抱くことは理解できますが、 ## 学習目標 -このレッスンを完了すると、以下のことが理解できるようになります： +このレッスンを修了すると、下記を理解できます： - 生成 AI アプリケーション構築時の、責任ある AI の重要性 - 生成 AI アプリケーションの構築時、責任ある AI の基本原則をいつ、どのように検討し適用するか diff --git a/05-advanced-prompts/translations/ja-jp/README.md b/05-advanced-prompts/translations/ja-jp/README.md index 6857b6474..6aa01caa1 100644 --- a/05-advanced-prompts/translations/ja-jp/README.md +++ b/05-advanced-prompts/translations/ja-jp/README.md @@ -12,7 +12,7 @@ ## はじめに -この章では、次のトピックについて説明します。 +このレッスンでは、下記の内容について説明します。 - プロンプトにさまざまな手法を適用することで、プロンプト・エンジニアリングの知識を深めます - 出力を変化させるようプロンプトを構成します @@ -22,7 +22,7 @@ ## 学習目標 -このレッスンを完了すると、次のことができるようになります。 +このレッスンを修了すると、下記を理解できます： - プロンプトの結果を改善するプロンプト・エンジニアリング手法を利用できる。 - 多様な、あるいは決定的なプロンプトを実行できる。 diff --git a/06-text-generation-apps/translations/ja-jp/README.md b/06-text-generation-apps/translations/ja-jp/README.md index 3b0839ba8..d9ee1e1b7 100644 --- a/06-text-generation-apps/translations/ja-jp/README.md +++ b/06-text-generation-apps/translations/ja-jp/README.md @@ -10,7 +10,7 @@ ## はじめに -この章では、次のことを行います。 +このレッスンでは、下記の内容について説明します。 - OpenAI のライブラリとその基本概念について学習します - OpenAI を使用して、テキスト生成アプリを構築します @@ -18,7 +18,7 @@ ## 学習目標 -このレッスンを終了すると、次のことができるようになります。 +このレッスンを修了すると、下記を理解できます： - テキスト生成アプリケーションとは何かを説明する事ができる - OpenAI を使用してテキスト生成アプリを構築する diff --git a/07-building-chat-applications/translations/ja-jp/README.md b/07-building-chat-applications/translations/ja-jp/README.md index 5a4f09b41..1729ef4fe 100644 --- a/07-building-chat-applications/translations/ja-jp/README.md +++ b/07-building-chat-applications/translations/ja-jp/README.md @@ -17,7 +17,7 @@ ## はじめに -このレッスンでは下記の内容について学びます： +このレッスンでは、下記の内容について説明します。 - チャット・アプリケーションを効率よく実装し、統合するためのテクニック - アプリケーションにカスタマイズと微調整を適用する方法 @@ -25,7 +25,7 @@ ## 学習目標 -このレッスンを終えた時点で、あなたは下記ができるようになります： +このレッスンを修了すると、下記を理解できます： - チャット・アプリケーションを実装し、既存のシステムに統合する際の考慮点を説明する - 特定のユースケースに合わせてチャット・アプリケーションをカスタマイズする diff --git a/08-building-search-applications/translations/ja-jp/README.md b/08-building-search-applications/translations/ja-jp/README.md index a0279e27d..24431eaa2 100644 --- a/08-building-search-applications/translations/ja-jp/README.md +++ b/08-building-search-applications/translations/ja-jp/README.md @@ -12,7 +12,7 @@ LLM は、チャットボットやテキスト生成だけでなく、Embeddings ## はじめに -このレッスンでは、下記の内容を取り扱います： +このレッスンでは、下記の内容について説明します。 - セマンティック検索とキーワード検索の違い - テキスト埋め込みとは何か @@ -21,7 +21,7 @@ LLM は、チャットボットやテキスト生成だけでなく、Embeddings ## 学習目標 -このレッスンを終了後、下記のことができるようになります： +このレッスンを修了すると、下記を理解できます： - セマンティック検索とキーワード検索の違いを理解し、説明できる - テキスト埋め込みとは何かを理解し、説明できる diff --git a/09-building-image-applications/translations/ja-jp/README.md b/09-building-image-applications/translations/ja-jp/README.md index 146482516..3848d78fd 100644 --- a/09-building-image-applications/translations/ja-jp/README.md +++ b/09-building-image-applications/translations/ja-jp/README.md @@ -8,7 +8,7 @@ LLM はテキスト生成だけでなく、テキストの説明から画像を ## はじめに -このレッスンでは、下記の内容について取り上げます： +このレッスンでは、下記の内容について説明します。 - 画像生成の有用性 - DALL-E と Midjourney の概要とその動作原理 @@ -16,7 +16,7 @@ LLM はテキスト生成だけでなく、テキストの説明から画像を ## 学習目標 -このレッスンを終了すると、下記のスキルを身につけることができます： +このレッスンを修了すると、下記を理解できます： - 画像生成アプリの作成 - メタプロンプトを用いてアプリケーションの範囲を定義 diff --git a/10-building-low-code-ai-applications/translations/ja-jp/README.md b/10-building-low-code-ai-applications/translations/ja-jp/README.md index 0349770ae..6ca39dcac 100644 --- a/10-building-low-code-ai-applications/translations/ja-jp/README.md +++ b/10-building-low-code-ai-applications/translations/ja-jp/README.md @@ -12,7 +12,7 @@ Power Platform は、直感的なローコードまたはノーコードの開発環境を通じて、組織のチーム・メンバーが自分達自身でソリューションを作れるような機会を提供します。この環境は、ソリューション作成のプロセスを大幅に簡素化します。Power Platform を使えば、ソリューションを数ヶ月や数年かけて作るのではなく、数日や数週間で作れるようになります。Power Platform は、Power Apps、Power Automate、Power BI、Copilot Studio の 5 つの主要製品から構成されています。 -このレッスンでは、下記の内容を取り扱います： +このレッスンでは、下記の内容について説明します。 - Power Platform における生成 AI の紹介 - Copilot の紹介と使い方 @@ -21,7 +21,7 @@ Power Platform は、直感的なローコードまたはノーコードの開 ## 学習目標 -このレッスンを終了すると、下記を理解できます。 +このレッスンを修了すると、下記を理解できます： - Copilot が Power Platform でどのように機能するかを理解します diff --git a/11-integrating-with-function-calling/translations/ja-jp/README.md b/11-integrating-with-function-calling/translations/ja-jp/README.md index df954b380..0febb07b0 100644 --- a/11-integrating-with-function-calling/translations/ja-jp/README.md +++ b/11-integrating-with-function-calling/translations/ja-jp/README.md @@ -10,7 +10,7 @@ ## はじめに -このレッスンでは、以下の内容を取り扱います： +このレッスンでは、下記の内容について説明します。 - 関数呼び出し (function calling) とは何か、その使用例について説明します。 - Azure OpenAI を使用して関数呼び出しを作成します。 @@ -18,7 +18,7 @@ ## 学習目標 -このレッスンを終えると、下記ができるようになります： +このレッスンを修了すると、下記を理解できます： - 関数呼び出しを使う理由を説明できます。 - Azure Open AI Service を使用して関数呼び出しアプリを構築できます。 diff --git a/12-designing-ux-for-ai-applications/translations/ja-jp/README.md b/12-designing-ux-for-ai-applications/translations/ja-jp/README.md index 8cf398bbc..2e3355c84 100644 --- a/12-designing-ux-for-ai-applications/translations/ja-jp/README.md +++ b/12-designing-ux-for-ai-applications/translations/ja-jp/README.md @@ -10,7 +10,7 @@ ユーザー・エクスペリエンスとは、ユーザーがシステム、ツール、デザインなど、特定の製品やサービスとどのように対話し、使用するかということです。AI アプリケーションを開発する際、開発者はユーザー・エクスペリエンスが効果的であるだけでなく、倫理的であることにも重点を置きます。このレッスンでは、ユーザーのニーズに対応する人工知能(AI)アプリケーションの構築方法について説明します。 -このレッスンでは、以下の内容を取り扱います： +このレッスンでは、下記の内容について説明します。 * ユーザー・エクスペリエンスの概要とユーザー・ニーズの理解 * 信頼性と透明性のある AI アプリケーションの設計 @@ -18,7 +18,7 @@ ## 学習目標 -このレッスンを受講すると、下記ができるようになります。 +このレッスンを修了すると、下記を理解できます： * ユーザーのニーズを満たす AI アプリケーションを構築する方法を理解します。 * 信頼性とコラボレーションを促進する AI アプリケーションを設計します。 From 8526151c0376ccc92a04bf70c447880567a577a0 Mon Sep 17 00:00:00 2001 From: Yoshio Terada Date: Thu, 21 Dec 2023 00:59:02 +0900 Subject: [PATCH 05/11] Modified Japanese Expression Modified Japanese Expression --- .../translations/ja-jp/README.md | 6 +++--- 1 file changed, 3 insertions(+), 3 deletions(-) diff --git a/02-exploring-and-comparing-different-llms/translations/ja-jp/README.md b/02-exploring-and-comparing-different-llms/translations/ja-jp/README.md index f8926939c..2174e24d1 100644 --- a/02-exploring-and-comparing-different-llms/translations/ja-jp/README.md +++ b/02-exploring-and-comparing-different-llms/translations/ja-jp/README.md @@ -4,13 +4,13 @@ > *(上記の画像をクリックすると、レッスン・ビデオを表示します)* -前回のレッスンで、生成 AI がどのようにして進化し、大規模言語モデル（LLM）がどう機能するのか、そしてスタートアップがそれらを自分たちの用途に応用し、成長させることができるかを見てきました。この章では、様々な大規模言語モデル（LLM）を比較し、それぞれの利点と欠点を理解することに焦点を当てます。 +前回のレッスンで、生成 AI がどのようにして進化し、大規模言語モデル（LLM）がどのように機能するのか、そしてスタートアップがそれらを自分たちの目的に対して、どのように適用し成長させることができるかを見てきました。この章では、様々な大規模言語モデル（LLM）を比較し、それぞれの利点と欠点を理解していきます。 スタートアップが次に進むべきステップは、大規模言語モデル（LLM）の現在の状況を調査し、自社のニーズに適したものが何かを理解することです。 ## はじめに -このレッスンでは以下の内容を扱います: +このレッスンでは、下記の内容について説明します。 - いま存在する様々な種類の LLM（大規模言語モデル）について学ぶ - Azure で用途に応じて異なる AI モデルを選択しテスト、反復作業、及び比較を行う @@ -18,7 +18,7 @@ ## 学習目標 -このレッスンを完了した後、以下のことができるようになります： +このレッスンを修了すると、下記を理解できます： - ユースケースに適したモデルを選択する - モデルのパフォーマンスをテストし、反復し、そして改善する方法を理解する From 80f2a452d660e2c6a8a6c0e39e30a0bcf53f7192 Mon Sep 17 00:00:00 2001 From: Yoshio Terada Date: Thu, 21 Dec 2023 02:17:41 +0900 Subject: [PATCH 06/11] Modified Japanese expression Modified Japanese expression --- .../translations/ja-jp/README.md | 39 +++++++++++-------- 1 file changed, 23 insertions(+), 16 deletions(-) diff --git a/03-using-generative-ai-responsibly/translations/ja-jp/README.md b/03-using-generative-ai-responsibly/translations/ja-jp/README.md index 6060dc98c..af8474e3f 100644 --- a/03-using-generative-ai-responsibly/translations/ja-jp/README.md +++ b/03-using-generative-ai-responsibly/translations/ja-jp/README.md @@ -24,23 +24,23 @@ AI、特に生成 AI に強い興味は抱くことは理解できますが、 ## 責任ある AI の原則 -生成 AI に対する興味は、今までにないほど高まっています。この盛り上がりは、新たな開発者や関心、資金をこの領域にもたらしています。これは、生成 AI を使用して新しい製品や、新しい企業を創業する人々にとって非常に好意的な状況ですが、同時に責任を持って進めることも重要です。 +生成 AI に対する興味は、今までにないほど高まっています。この盛り上がりは、新たな開発者や関心、資金をこの業界にもたらしています。これは、生成 AI を使用して新しい製品や、新しい企業を創業する人々にとって非常に好意的な状況ですが、同時に責任を持って進めることも重要です。 このコースでは、スタートアップが AI を利用した教育製品の実装に焦点を当てます。公平性、包括性、信頼性・安全性、セキュリティ・プライバシー、透明性、説明責任といった責任ある AI の原則に基づいて、これらが製品における生成 AI の活用と、どのように関連していくのかについて考えます。 ## 責任ある AI を優先すべき理由 -製品開発時、利用者の利益を最優先に考える人間中心のアプローチで進めると、最良の結果が得られます。 +製品開発時、「利用者の利益を最優先に考える顧客中心のアプローチ」で進めると、最良の結果が得られます。 -生成 AI の特徴は、利用者に役立つ回答、情報、ガイダンス、コンテンツを作成する力にあります。これは多くの手作業を必要とせずに行うことができ、それによって非常に素晴らしい成果を生み出すことができます。しかし、適切な計画と戦略がなければ、残念ながら利用者、製品、そして社会全体に有害な結果をもたらすこともあります。 +生成 AI は、利用者に役立つ回答、情報、ガイダンス、コンテンツを生成する力があります。こうした作業の多くは手作業を必要とせずに実行でき、それによって非常に素晴らしい成果を生み出せます。しかし、適切な計画と戦略がなければ、残念ながら利用者、製品、そして社会全体に有害な結果をもたらすこともあります。 -下記より、潜在的に害を及ぼす可能性のある例（全てではありませんが）について見ていきましょう： +下記で、潜在的に害を及ぼす可能性のある例（全てではありませんが）を確認しましょう： ### Hallucinations (幻覚) 「Hallucinations (幻覚)」とは、LLM が完全に無意味な内容や、他の情報に基づいて事実と異なる内容を出力する際に使用する用語です。 -例えば、スタートアップで、学生が AI モデルに対して歴史に関する質問をすることができる機能を作ったとします。そして、ある学生がこんな質問をしました +例えば、スタートアップで、学生から AI モデルに対して歴史に関する問い合わせのできる機能を作ったとします。そして、ある学生がこんな質問をしました `タイタニックの唯一の生き残りは誰ですか？` すると、モデルは以下のような回答を生成します @@ -49,11 +49,15 @@ AI、特に生成 AI に強い興味は抱くことは理解できますが、 ![Prompt saying "Who was the sole survivor of the Titanic"](../../../03-using-generative-ai-responsibly/images/ChatGPT-titanic-survivor-prompt.webp?WT.mc_id=academic-105485-yoterada) +> 訳者追記 +> プロンプト：タイタニックの唯一の生き残りは誰ですか？ +> 回答：タイタニック号の事故の唯一の生存者は、チャールズ・ジョーギンでした。彼はイギリスのパン職人で、タイタニック号のチーフ・ベーカリー職人でした。ジョーギンは、転覆した救命ボートにしがみつき、極寒の海で数時間耐え、RMS カルパチアに救助されたと伝えられています。彼の生存は、彼が大量のアルコールを摂取していたため、極度の寒さに耐えられたのではないかと伝えられています。ジョーギンは 1956 年まで生存し、後にタイタニック号の事故の経験について証言しました。 + > *(Source: [Flying bisons](https://flyingbisons.com?WT.mc_id=academic-105485-yoterada))* これはとても自信に満ちて、詳細な回答結果です。しかし残念ながら、この回答は間違っています。調べれば、タイタニック号の生存者は複数人いたことがわかります。この課題研究を始めたばかりの学生にとって、この回答は疑う余地なく事実として受け入れられるほど説得力があります。このような結果から、AI のシステムを信頼できなくなり、さらにはスタートアップ企業の評判にも悪影響を及ぼす可能性があります。 -LLM のバージョンを更新するごとに、幻覚を減らす方向でパフォーマンス改善がはかられています。ただ、この改善があったとしても、アプリケーションの開発者やユーザーは、こうした問題を意識し続ける必要があります。 +LLM のバージョンを更新するごとに、幻覚を減らす方向でパフォーマンス改善がはかられています。ただ、この改善があったとしても、アプリケーションの開発者やユーザーは、こうした回答捏造の問題を意識する必要があります。 ### 有害なコンテンツ @@ -61,19 +65,19 @@ LLM のバージョンを更新するごとに、幻覚を減らす方向でパ 有害なコンテンツには以下のようなものがあります： -- 自傷行為や特定グループへの危害を助長、または奨励する指示を与える +- 自傷行為や特定グループへの危害を助長、または奨励する指示 - 憎悪や侮辱的な内容 -- あらゆる種類の攻撃や、暴力行為の計画を指導する -- 違法なコンテンツを探す方法や、違法行為を犯す方法について指導する -- 性的に露骨な内容を表示する +- あらゆる種類の攻撃や、暴力行為の計画 +- 違法なコンテンツを探す方法や、犯罪を犯す方法 +- 性的に露骨な内容 スタートアップでは、このようなコンテンツが学生に見られないように、適切なツールと戦略を確実に導入したいと考えています。 ### 公平性の欠如 -公平性とは、「AI システムが偏見や差別を持たず、全人類を公平かつ平等に扱うこと」を意味します。生成 AI の世界では、マイノリティグループの排他的な世界観が、モデルの出力で再強化されないように注意を払いたいと思います。 +公平性とは、「AI システムが偏見や差別を持たず、全人類を公平かつ平等に扱うこと」を意味します。生成 AI の世界では、マイノリティ・グループの排他的な世界観が、モデルの出力で再強化されないように注意しなければなりません。 -このような公平性が欠如した出力は、利用者にとって好意的な製品体験を妨げるだけでなく、社会的な損害をさらに引き起こします。アプリケーション開発者として、生成 AI を用いたソリューション開発する際には、常に多種多様な利用者層を意識することが重要です。 +このような公平性が欠如した出力は、利用者にとって好意的な製品体験を妨げるだけでなく、社会的な損害をさらに引き起こします。アプリケーション開発者として、生成 AI を用いたソリューションを開発する際には、常に多種多様な利用者層を意識することが重要です。 ## 責任ある生成 AI の使用方法 @@ -83,13 +87,13 @@ LLM のバージョンを更新するごとに、幻覚を減らす方向でパ ### 潜在的な危害の測定 -ソフトウェアのテストでは、アプリケーションに対して利用者が行うと予想する行動についてテストします。同様に、利用者が入力しそうな様々なプロンプトをテストすることは、潜在的な害を見極めるための良い方法と言えます。 +一般的なソフトウェアのテストでは、アプリケーションに対して、利用者がおこなう行動を予想してテストを行います。同様に、利用者が入力する可能性のあるプロンプトを、様々なテスト・ケースを用意して実行すると、潜在的な問題を事前に発見できる可能性があります。 スタートアップが教育関連の製品を実装しているので、教育関連のプロンプトのリストを準備すると良いでしょう。これには、特定の科目、歴史的事実、学生生活に関するプロンプトなどが含まれるかもしれません。 ### 潜在的な危害の軽減 -AI モデルとその出力によって引き起こされる、潜在的な害を防ぐ、または抑制する方法を探る時が来ました。これを4つの異なるレイヤーで考えます。 +AI モデルとその出力によって引き起こされる、潜在的な問題を防ぐ、または抑制する方法を探る時が来ました。これを4つの異なるレイヤーで考えます。 ![Mitigation Layers](../../images/mitigation-layers.png?WT.mc_id=academic-105485-yoterada) @@ -99,11 +103,14 @@ AI モデルとその出力によって引き起こされる、潜在的な害 - **メタ・プロンプト** メタ・プロンプトやグラウンディングといった手法を使って、モデルの行動や情報を特定の方向に誘導したり制限することができます。これはシステム入力を使って、モデルに対して特定の制限を定義します。また、システムのスコープや領域に合った、より適切な結果を出力することもできます。 + > 訳者追記： + > グラウンディングの詳細は、[こちらの記事](https://techcommunity.microsoft.com/t5/fasttrack-for-azure/grounding-llms/ba-p/3843857)をご参照ください。 + Retrieval Augmented Generation（RAG）のような技術を使って、モデルが信頼できる情報源からのみ情報を引き出すようにすることもできます。このコースの後半で、検索アプリケーションの構築に関するレッスンもあります。 -- **ユーザーエクスペリエンス** 最後のレイヤーは、ユーザ・インターフェースです。利用者はどのような形であれ、アプリケーションが提供するインターフェイスを利用してモデルと直接やりとりを行います。このように UI/UX を設計し、モデルに送信する入力の種類やユーザーで表示されるテキストや画像を制限することができます。AI　アプリケーションをデプロイする際、生成 AI アプリケーションができることと、できないことについて透明性を持って伝える必要があります。 +- **ユーザー・エクスペリエンス** 最後のレイヤーは、ユーザ・インターフェースです。利用者はどのような形であれ、アプリケーションが提供するインターフェイスを利用してモデルとやりとりを行います。このように UI/UX を設計し、モデルに送信する入力の種類やユーザーで表示されるテキストや画像を制限することができます。AI　アプリケーションをデプロイする際、生成 AI アプリケーションができることと、できないことについて透明性を持って伝える必要があります。 - [AI アプリケーションの UX デザイン](../../../12-designing-ux-for-ai-applications/README.md?WT.mc_id=academic-105485-yoterada)に特化したレッスンがあります。 + 本レッスンの最終章に「[12. AI アプリケーションの UX デザイン](../../../12-designing-ux-for-ai-applications/translations/ja-jp/README.md?WT.mc_id=academic-105485-yoterada)」に特化したレッスンがあります。 - **モデルを評価** 大規模言語モデル（LLMs）は、そのモデルがどのようなデータを使って学習されたのかを完全に把握することができないため、扱うのが難しい場合があります。それでもなお、モデルの性能や出力は常に検証すべきです。特に出力の正確性、類似性、根拠の正しさ、関連性を評価することは重要です。これにより、利害関係者や利用者に透明性と信頼性を提供することができます。 From ebb243507ea7607000879119c79f1386caba40e6 Mon Sep 17 00:00:00 2001 From: Yoshio Terada Date: Thu, 21 Dec 2023 04:09:47 +0900 Subject: [PATCH 07/11] Modified Japanese Expression Modified Japanese Expression --- .../translations/ja-jp/README.md | 108 ++++++++++-------- 1 file changed, 62 insertions(+), 46 deletions(-) diff --git a/04-prompt-engineering-fundamentals/translations/ja-jp/README.md b/04-prompt-engineering-fundamentals/translations/ja-jp/README.md index 1581423c1..bcc50737d 100644 --- a/04-prompt-engineering-fundamentals/translations/ja-jp/README.md +++ b/04-prompt-engineering-fundamentals/translations/ja-jp/README.md @@ -6,13 +6,13 @@ _生成 AI_ は、ユーザーからの依頼に対して、テキスト、画像、オーディオ、コード等の新しいコンテンツを生み出す能力を有しています。これを実現するために、OpenAI の GPT（Generative Pre-trained Transformer）シリーズのような、自然言語とコードの使用目的でトレーニングされた _大規模言語モデル（LLM）_ を利用します。 -利用者は、チャットのような馴染み深い手法で、特別な技術の知識や研修を受講しなくても、これらのモデルと対話できるようになりました。これらのモデルは、_プロンプト_ で操作し、ユーザーがテキストの入力（プロンプト）を送ると、AI からの回答（コンプリーション）が得られます。その後、利用者は何度も 「AI と対話」を重ね、複数回のやり取りを通じてプロンプトを洗練させ、期待する回答が得られるまで調整を行います。 +利用者は、チャットのような馴染み深い手法で、特別な技術の知識や研修を受講しなくても、これらのモデルと対話できるようになります。これらのモデルは、_プロンプト_ で操作し、ユーザーがテキストの入力（プロンプト）をモデルに送信すると、AI モデルからの回答（コンプリーション）が得られます。その後、利用者は何度も 「AI と対話」を重ね、複数回のやり取りを通じてプロンプトを洗練させ、期待する回答が得られるまで調整を行います。 -現在、「プロンプト」は生成 AI アプリケーションの主要なプログラミングインターフェースとなり、モデルに対して何を行うべきか指示し、返される回答の品質に影響を与えています。「プロンプト・エンジニアリング」は、大規模で一貫性のある高品質な回答を得るためのプロンプトの設計と最適化に焦点を当てた、急速に成長している研究分野です。 +現在、「プロンプト」は生成 AI アプリケーションの主要なプログラミング・インターフェースとなっており、モデルに対して何を行うべきか指示し、そして返される回答の品質にも影響を与えています。「プロンプト・エンジニアリング」は、大規模で一貫性のある高品質な回答を得るためのプロンプトの設計と最適化に焦点を当てた、急速に成長している研究分野です。 ## 学習目標 -このレッスンでは、プロンプト・エンジニアリングとは何か、そしてその重要性、また特定のモデルやアプリケーションの目的に応じた、効果的なプロンプトの作成方法について学習します。プロンプト・エンジニアリングの基本概念とベストプラクティスを理解し、実際にこれらのコンセプトを適用している例を、インタラクティブな Jupyter ノートブックの「サンドボックス」環境で動かし、その操作方法も学びます。 +このレッスンでは、プロンプト・エンジニアリングとは何か、そしてその重要性、また特定のモデルやアプリケーションの目的に応じた、効果的なプロンプトの作成方法について学習します。プロンプト・エンジニアリングの基本概念とベスト・プラクティスを理解し、これらを適用している例を、インタラクティブな Jupyter ノートブック「サンドボックス」環境上で動かし、その操作方法も学びます。 このレッスンの終了後、下記ができるようになります： @@ -21,30 +21,30 @@ _生成 AI_ は、ユーザーからの依頼に対して、テキスト、画 3. プロンプト・エンジニアリングのベストプラクティスと技術を習得する 4. OpenAI のエンドポイントにアクセスし、学んだテクニックを実際に試す -## サンドボックス (Sandbox) とは - プロンプト・エンジニアリングは現在、科学というよりは、むしろ芸術に近いものです。これに対する感覚を高めるには、_より多くの練習_ を積み重ね、アプリケーション専門知識で推奨される技術や、モデル固有の最適化を組み合わせた、試行錯誤の方法を取り入れることが重要です。 -このレッスンに付随するJupyterノートブックは、学んだ内容を実際に試すことができる _サンドボックス_ 環境を提供します。レッスン中、もしくは最終的なコードチャレンジで利用することができます。演習を行うためには、下記が必要です： +## サンドボックス (Sandbox) とは + +このレッスンに付随する Jupyter ノートブックは、学んだ内容を実際に試すことができる _サンドボックス_ 環境を提供します。レッスン中、もしくは最終的なコードチャレンジで利用できます。演習を行うためには、下記が必要です： 1. OpenAI API キー - デプロイした大規模言語モデル（LLM）のサービスエンドポイント 2. Python の実行環境 - ノートブックを実行する環境 -このリポジトリは Python 3 の実行環境を含む、_.devcontainer_ を提供しています。GitHub Codespaces、もしくは Docker Desktop をインストールしたご自身のローカル環境でリポジトリを開くことで、コンテナ環境が自動的に起動します。その後、ノートブックを開いて Python 3.x カーネルを選択することで、実行するためのノートブックを準備できます。 +このリポジトリは、_.devcontainer_ ディレクトリ配下の設定ファイルで Python 3 の実行環境を含むコンテナ・イメージを提供しています。GitHub Codespaces、もしくは Docker Desktop をインストールしたご自身のローカル環境でリポジトリを開くことで、コンテナ・イメージが自動的に起動します。その後、ノートブックを開いて Python 3.x カーネルを選択することで、実行するノートブックを準備できます。 -デフォルトで用意されているノートブックは、OpenAI の API キーを利用する設定になっています。フォルダのルート・ディレクトリにある`.env.copy`を`.env`にリネームし、`OPENAI_API_KEY=`の行に API キーを入力するだけで、準備が整います。 +デフォルトで用意されているノートブックは、OpenAI の API キーを利用する設定になっています。フォルダのルート・ディレクトリにある`.env.copy`を`.env`にリネームし、`OPENAI_API_KEY=`の行に API キーを入力するだけで、準備が完了します。 -このノートブックには基本的な演習が用意されていますが、より多くのサンプルやアイディアを試すために、ご自身で_Markdown_（説明文）や_Code_（プロンプトのリクエスト）のセクションを追加することができます。これにより、プロンプトデザインに対する感覚をより養うことができます。 +このノートブックには基本的な演習が用意されていますが、より多くのサンプルやアイディアを試すために、ご自身で _Markdown_（説明文）や _Code_（プロンプトのリクエスト）のセクションを追加することができます。これにより、プロンプト・デザインに対する感覚をより養うことができます。 ## スタートアップ -それでは、_このトピック_ がスタートアップのミッションである「[教育へ AI 革新をもたらす](https://educationblog.microsoft.com/2023/06/collaborating-to-bring-ai-innovation-to-education?WT.mc_id=academic-105485-yoterada)」とどのように結びついているのかについて見て行きましょう。私たちは　_個別学習_　を実現する AI アプリケーションの開発を目指しています。そこで、私たちのアプリケーションを利用する様々な利用者がプロンプトをどのように「デザイン」するかを考えてみましょう。 +それでは、_このトピック_ がスタートアップのミッションである「[教育へ AI 革新をもたらす](https://educationblog.microsoft.com/2023/06/collaborating-to-bring-ai-innovation-to-education?WT.mc_id=academic-105485-yoterada)」とどのように結びついているのかについて見て行きましょう。私たちは　_個別学習_　を実現する AI アプリケーションの開発を目指しています。そこで、私たちのアプリケーションを利用する様々な利用者がプロンプトをどのように「デザイン」するのかを考えてみましょう。 - **管理者**: AI に _カリキュラムのデータを分析し、カバーしてない領域を特定する_ よう要求する可能性があります。AI はその結果をまとめたり、コードを用いて可視化することができます。 -- **教員**: AI に _特定の生徒と授業科目に応じた授業計画を作成する_ 可能性があります。AI は指定されたフォーマットに従って個別に計画を作成できます。 +- **教員**: AI に _特定の生徒と授業科目に応じた授業計画の作成を依頼する_ 可能性があります。AI は指定されたフォーマットに従って個別に計画を作成できます。 - **生徒**: AI に _苦手な科目で個別指導を依頼する_ 可能性があります。AI は生徒のレベルに合わせたレッスン、ヒント、例を提供して指導することができます。 -これらは、ほんの一例です。教育専門家から厳選された、オープンソースのプロンプト・ライブラリ「[Prompts For Education](https://github.com/microsoft/prompts-for-edu/tree/main?WT.mc_id=academic-105485-yoterada)」を確認し、さらに広い視野で可能性を探ってみてください！ _サンドボックスでそれらのプロンプトを試しに実行したり、OpenAI Playground で試してどのような結果が出力されるか試してください！_ +これらは、ほんの一例です。教育専門家から厳選された、オープンソースのプロンプト・ライブラリ「[Prompts For Education](https://github.com/microsoft/prompts-for-edu/tree/main?WT.mc_id=academic-105485-yoterada)」を確認し、さらに広い視野で可能性を探ってみてください！ _サンドボックスでそれらのプロンプトを試しに実行したり、OpenAI Playground で試してどのような結果が得られるかを試してください！_