02 — 解析手法 / 全5パートのシリーズ
Pythonバイブコーディング講座
この講座は、Pythonをまったく使ったことがない研究者・大学院生・学部生を対象にしています。ChatGPTなどのLLM(大規模言語モデル)と対話しながらコードを書いていく、「バイブコーディング」のスタイルを採用します。Excelで限界を感じている方、解析の再現性を確保したい方に特におすすめです。
講座の到達目標
- 自分のPCにPythonの実行環境を構築できる
- LLMと対話しながらPythonコードを書き、実行できる
- エラーが出ても自分で対処できる
- 解析環境を再現性のある形で他人に渡せる(requirements.txt)
- 論文の公開にあわせて、解析パッケージをZenodo・GitHubにアップロードできる
先生、Pythonを一度も使ったことがなくても、だいじょうぶ?
だいじょうぶ。この講座は、まったく初めての人のためのものなんだ。LLMと話しながらコードを書くから、5つのパートを順に進めていこう。
Contents
01
はじめに知っておきたい、Pythonを使う理由と環境構築の考え方
Pythonを選ぶ理由、コードを書いて実行するということ、環境構築・ライブラリ・再現性の概念を整理。本講座全体の地図。
02
VSCode と仮想環境を整えて、最初のコードを実行する
VSCodeのインストールから、フォルダ作成、仮想環境(venv)構築、.ipynbファイル作成、Hello World、Excelの基本統計量出力までを通して解説。
03
ChatGPTと対話しながらコードを書いてもらうバイブコーディング
LLMへの依頼の仕方、フォルダ構造の伝え方、エラー対処、やり取りを重ねて改善するコツ。個人情報・非公開データの扱いの注意点も。
04
requirements.txt で環境を残し、再現性を確保する
pip freezeで現在の環境をrequirements.txtに書き出し、第三者が同じ環境を再現できるようにする方法。注意点も解説。
05
論文の公開にあわせて、Zenodo・GitHub にアップロードする
解析パッケージのフォルダ構造を整え、Zenodo(DOI発行)やGitHubに公開し、論文のAppendixにリンクを貼る方法。