使用ガイド: コース内ラボ

コース内ラボとは何ですか?

コース内ラボは、学習者がワークスペースと呼ばれる実環境でITスキルを実習できる新しいカリキュラム項目です。この実践的な体験により、学習者はコースで学んだ内容を直接応用し、自信と実務への備えを高めることができます。このガイドは、コースに魅力的なラボを設計する際に役立ちます。

コースにラボを含める理由とは？

コース内ラボにより、学習者は以下を行うことができます。

• コースを離れずに、実際のワークスペースでスキルを演習する
• 学んだスキルを実際の職場で使えるようにする
• 内容に主体的に取り組むことで、理解の定着と学習成果を向上させる

コース内ラボは3つの機能で構成されています:

1. ビデオ指導: これまで成果を出しているビデオレクチャー形式を基盤に、コース内ラボはビデオによる説明を中心に構成されています。
2. ラボタスク: 新しいスキルを演習できるよう、学習者に手順と必要なリソースをわかりやすく示します。
3. ITスキルワークスペース: あらかじめ構成された環境により、セットアップなしで即座に演習を開始できます。

質の高いラボを設計する

コース内ラボを取り入れる場所を決定します。

コースの中で、コース内ラボを配置することで重要なスキルを強化でき、学習目標とも合致するポイントを見極めます。

✅ベストプラクティス:

• 学習目標に最適なラボの種類を選択します:
  • フォローアロングラボ: 学習者が同じ手順を再現できるよう、講師が作業プロセスを示しながら段階的に解説する形式のラボ。
  • ガイド付き実践ラボ: 部分的なガイダンスを提供しつつ、学習者が与えられた構造やリソースを使って自分で課題の解決に取り組む形式のラボ。
• 各コース内ラボが対応するレクチャーで教えたスキルを直接支える内容にする
• コース内ラボを、設定した学習目標と明確に結びつける
• コース内ラボをデバイスに依存しない設計にし、PCとMacの双方で同等に機能するようにする

💡 例:

Jupyter Notebook

• matplotlibを使ったデータ可視化のレクチャーの後に、学習者がインタラクティブなグラフを作成するJupyter Notebookのフォローアロングラボを追加する。
• pandasの基礎を教えた後に、学習者がデータセットのクリーニングと分析を自分で行うガイド付き実践ラボを追加する。

生成AI

• プロンプトエンジニアリングのレクチャーの後に、学習者がGPTモデルを使ってプロンプトを作成・検証するフォローアロングラボを追加する。
• ファインチューニングのモジュールの後に、学習者が自分専用のAIアシスタントを作成するガイド付き実践ラボを配置する。

AWS

• クラウドの基礎に関するレクチャーの後に、学習者が初めてのEC2インスタンスを起動・設定するAWSフォローアロングラボを追加する。
• サーバーレスコンピューティングのセクションに、学習者がAWS LambdaとAPI Gatewayを使って完全なAPIを構築するガイド付き実践ラボを追加する。

ラボ付きレクチャーを作成する

「ラボ付きレクチャー」のカリキュラム項目を選択して開始します。ラボの要点を捉え、学習者がどのスキルを演習するかがわかる、明確で説明的なタイトルを作成します。このタイトルは、コースコンテンツ内のカリキュラム項目として表示されます。

✅ベストプラクティス
:

• 学習目標に明確に沿った、具体的なタイトルを作成する
• 演習する主要スキルに焦点を当てる
• 学習者の目標に関連し、魅力的なタイトルとする

💡 ラボタイトル例:

Jupyter Notebook

• フォローアロングラボ:「インタラクティブなデータ可視化: Matplotlibで動的チャートを作成する」
• ガイド付き実践ラボ:「データ加工チャレンジ: Pandasで実データセットをクリーンアップして分析する」

生成AI

• フォローアロングラボ:「プロンプトエンジニアリングの極意: 正確な出力のための効果的なGPTプロンプトを作成する」
• ガイド付き実践ラボ:「AIアシスタントを構築する: 特定タスク向けにモデルをファインチューニングする」

AWS

• フォローアロングラボ:「初めてのクラウドサーバー起動: EC2インスタンスのハンズオン構築」
• ガイド付き実践ラボ:「サーバーレスAPIチャレンジ: LambdaとAPI Gatewayでエンドツーエンドのソリューションを構築する」

ラボビデオをアップロードする

重要: レクチャーにビデオをアップロードした後でないと、「ラボ」オプションは使用できません。

ラボのビデオを追加し、処理が完了するまで待ちます。その後、「+ラボ」ボタンをクリックしてラボを作成し、ラボエディタにアクセスします。

コース内ラボエディタでラボを編集する

コース内ラボを作成するには、3つのステッププロセスに従います:

1. コース内ラボを計画する: ワークスペースを選択し、スターターコードをアップロードします。
2. タスクを作成する: ラボを複数のタスク要素に分割して構成します。
3. コース内ラボを公開する: コンテキストを追加し、ラボを完成させます。

ラボを計画する

ラボワークスペースを選択する:

利用可能なオプションからコース内ラボの専門領域とワークスペースタイプを選択します。 

ワークスペースの種類: Udemy環境と個人環境

コース内ラボでは、Udemy Pro登録者向けにUdemyワークスペースが提供されます。一部の学習者は、代わりに自分の個人環境を使用する場合があることに注意します。

✅ ベストプラクティス:

• Udemyワークスペースと個人環境のポリシーや制限の違いを踏まえ、すべての学習者が利用できるコース内ラボを設計する
• すべての受講生に一貫した学習体験を提供できるよう、Udemyコース内ラボワークスペースの技術仕様を確認する。

スターターコードをアップロードする:

学習者向けにUdemyワークスペースへ事前読み込みされるスターターコードを用意します。

✅ ベストプラクティス:

• Jupyterラボの場合、必要なipynbファイルとデータファイル（例: CSV）をすべて含むzipファイルを用意する
• スターターコードのzipファイル名からスペースを削除する
• ラボをプレビューして、スターターファイルが正しく読み込まれていることを確認する
• 初期のzipファイルに含まれるMakefileを削除しない
• __MACOSX、.DS_Store、.git、.gitignore、*.pnp.cjs、pycache、node_modules、.yarnなどの不要なファイルを含めない

タスクを作成し、参照コードを追加する

ラボタスクの追加

ラボタスクは、ラボ全体の目標に向けた一連の手順をまとめた論理的な単位です。

タスクタイトルを入力する:

各タスクには、学習者が次のパートに進む前に達成すべき内容がわかる明確なタイトルが必要です。

✅ ベストプラクティス:

• 学習者が達成すべき具体的な成果を示すタスクタイトルとする
• 説明は10語以内に簡潔にし、タスクの目的が明確に伝わるようにする
• 学習者がタスクの目的を理解できるよう、必要最小限のコンテキストを提供する

💡 タスクタイトル例:

Jupyter Notebook

フォローアロングラボ:「インタラクティブなデータ可視化: Matplotlibで動的チャートを作成する」

• タスク1:「可視化のためにデータセットをインポートして準備する」
• タスク2:「インタラクティブ機能付きのレスポンシブな折れ線グラフを作成する」
• タスク3:「グラフにカスタマイズされた注釈とスタイルを追加する」

ガイド付き実践ラボ:「データ加工チャレンジ: Pandasで実データセットをクリーンアップして分析する」

• タスク1:「雑多なデータセットを読み込み、内容を確認する」
• タスク2:「欠損値と外れ値を処理する」
• タスク3:「カテゴリー別の集計サマリ統計情報を作成する」

生成AI

フォローアロングラボ:「プロンプトエンジニアリングの極意: 正確な出力のための効果的なGPTプロンプトを作成する」

• タスク1:「テキスト生成のためのベースラインプロンプトを作成する」
• タスク2:「制約テクニックを適用して応答を絞り込む」
• タスク3:「複雑なタスクに思考連鎖プロンプトを実装する」

ガイド付き実践ラボ:「AIアシスタントを構築する: 特定タスク向けにモデルをファインチューニングする」

• タスク1:「トレーニングデータセットを準備する」
• タスク2:「ファインチューニングプロセスを設定して開始する」
• タスク3:「専門モデルをテストして評価する」

AWS

フォローアロングラボ:「初めてのクラウドサーバー起動: EC2インスタンスのハンズオン構築」

• タスク1:「サーバーアクセス用の安全なキーペアを作成する」
• タスク2:「EC2インスタンスを起動して構成する」
• タスク3:「SSHを介してインスタンスに接続する」

ガイド付き実践ラボ:「サーバーレスAPIチャレンジ: LambdaとAPI Gatewayでエンドツーエンドのソリューションを構築する」

• タスク1:「データ処理のためのLambda関数を作成する」
• タスク2:「API Gatewayエンドポイントを設定する」
• タスク3:「サーバーレスAPIをサンプルリクエストでテストする」

タスクのタイムスタンプを入力する:

各タスクがラボ用ビデオのどの時点（秒単位）で始まるかを正確に指定します。これらのタイムスタンプはビデオプレーヤー上でクリック可能なマーカーとして表示され、学習者が該当タスクへ素早く移動できるようになります。

ソリューションを提供する:

該当する場合は各タスクに「参照コード」を追加します。参照コードは、学習者がワークスペースにコピー/ペーストできるコードスナップショットを提供します。これらは、学習者が自分の作業内容を確認するためのものです。利用例としては、次のようなものがあります。

• 行き詰まったときにソリューションを確認する
• 自分の進め方に不安があるときに検証する
• 自分のソリューションが完成した後にアプローチを比較する

✅ ベストプラクティス:

• コードの整理と文書化
  • 実装の選択の背後にある理由を説明する詳細なコメントを含める
  • ソリューションアプローチの概要を含むREADMEファイルを追加する
  • 前提とした内容や検討した代替アプローチを記録する
  • 一貫した命名規則とコード構造を使用する
• 整然としたコード
  • ソリューションコードを論理的なセクションまたはモジュールに整理する
  • コードの整理に関する業界のベストプラクティスに従う
  • 適切なエラーハンドリングを含める
  • クリーンでメンテナンスしやすいコーディングプラクティスを示す
• 参照ファイルには不要なシステムファイル（例：__MACOSX、.DS_Store）を含めない
• 不要なフォルダのネストを避けるために、最上位に参照ファイルを追加する
• Jupyterラボでは、ノートブックからHTMLファイルをキャプチャしてアップロードし、参照コードとして含める

タスクリソースを追加する:

学習者がタスクに取り組む際に使用または参照する必要があるアセットを提供します。アセットとは、学習者がタスクに取り組む際に利用する必要があるリソースのことです。例:

• データベースファイル
• デザインしているウェブページに表示されるべき画像
• 作業時に参照するためのモックアップ
• アップロードが必要になる可能性があるJSON/YAMLファイル

コース内ラボを公開する

学習者向けのコンテキストを追加して、コース内ラボを完成させます。

1. ラボの推定期間を入力する
2. 関連するトピックをタグ付けする
3. 「公開」をクリックしてラボを完成させる

メモ: 学習者がコース内ラボにアクセスできるようにするには、コース内ラボ付きレクチャーも公開する必要があります。

魅力的なコース内ラボの作成を始める

コース内ラボは、学習者が現実的な環境でITスキルを実践的に身につける貴重な機会を提供します。このガイドに沿って進めることで、学習者が自信をつけ、問題解決力を高め、実務に備えるための有意義で実践的な学習体験を提供できます。

準備はできましたか？コースの中でコース内ラボを追加することで価値が高まる重要なレクチャーを見極め、適切なアクティビティを設計し、学習者に向けた明確な目標を設定します。丁寧に計画することで、コース内ラボは学習をより魅力的でインタラクティブ、そして効果的なものにできます。