Methods / Series — 全5パート
研究者のためのローカル環境構築 × LLM活用ガイド。Pythonをまったく触ったことがない方でも、講座を順に進めれば、ローカルでデータ解析を始められます。最終的には、再現性のあるコードとして論文と一緒に公開できるところまで目指します。
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。コードを1行も書かない代わりに、ChatGPTなどのLLM（大規模言語モデル）に自然言語で意図を伝え、コードを書いてもらう「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、解析の再現性を担保したい方に特におすすめです。
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。
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一気通貫。
LLMへの依頼の仕方、フォルダ構造の伝え方、エラー対処、反復的な改善のコツ。個人情報・非公開データの扱いの注意点も。
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。
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Appendixからリンクを貼る方法。