＜このコースの内容＞
GakuNin RDM 解析機能利用支援コース：教員・管理者編 へようこそ！
本コースは、外部の計算機を用いた研究データの分析を、大学の学部生・大学院生に指導・提供したいPI（研究主宰者）向けの教材です。
学習目標：
学生向けに適切な解析環境を準備できる。
学習の進め方：
本コースは、各機関・研究室で解析環境を構築する場合を想定して、以下２つの項目で構成されています。
Ａ．解析基盤の全体像と、解析環境の構築に必要な準備
Ｂ．ケーススタディ
各項目には、動画とクイズが用意されています。動画を見て学習し、学習後にクイズに解答してください。
クイズの正解率80%以上で「合格」となり、項目別のデジタルバッジが付与されます。
すべての項目の動画をご視聴いただき、かつ、すべての項目のクイズに「合格」された方には、コース完了を証明するデジタルバッジが付与されます。
ぜひ、すべてのバッジを獲得してください。
学習内容詳細：
本コースは、以下のように構成されています。
Ａ．解析基盤の全体像と、解析環境の構築に必要な準備
1. 本教材の学習目標
2. TLJHと外部クラウドサービスの比較
3. TLJHと外部クラウドサービスの比較 ①GakuNin RDMとの連携について
4. TLJHと外部クラウドサービスの比較 ②計算リソースについて
5. TLJHと外部クラウドサービスの比較 ③認証方式について
6. TLJHと外部クラウドサービスの比較 ④解析環境の永続性について
7. TLJHと外部クラウドサービスの比較 まとめ
8. NII JupyterとTLJHの比較
9. NII JupyterとTLJHの比較 ①ユーザー分離レベルについて
10. NII JupyterとTLJHの比較 ②認証方式について
11. NII JupyterとTLJHの比較 ③メモリ・ストレージ容量について
12. NII JupyterとTLJHの比較 ④GPU対応について
13. NII JupyterとTLJHの比較 ⑤永続性について
14. GakuNin RDMと外部Jupyterの関係について
15. 各解析環境ごとの性能比較
16. ユーザー要件およびセキュリティ要件について
17. TLJHを導入するにあたって
18. TLJH連携のためのネットワーク設定
19. TLJH連携のためのネットワーク設定 ①インターネット公開の原則について
20. TLJH連携のためのネットワーク設定 ②「HTTPS（暗号化通信）」による安全確保について
21. TLJH連携のためのネットワーク設定 ③ファイアウォールの許可設定について
22. TLJH連携のためのネットワーク設定 ④VPN利用時の注意点について
23. TLJH導入時の計算リソース・スペック策定
24. TLJH導入時の計算リソース・スペック策定 ①CPUについて
25. TLJH導入時の計算リソース・スペック策定 ②メモリについて
26. TLJH導入時の計算リソース・スペック策定 ③ストレージについて
27. TLJH導入時の計算リソース・スペック策定 ④ネットワークについて
28. TLJH導入時の計算リソース・スペック策定 ⑤仮想化環境について
29. TLJHでGPUを利用する場合の条件
30. TLJHでGPUを利用する場合の条件 ①GPUハードウェアの選定について
31. TLJHでGPUを利用する場合の条件 ②ソフトウェア環境の構築について
32. TLJHでGPUを利用する場合の条件 ③利用ポリシーとリソース管理について
33. TLJHでGPUを利用する場合の条件 ④設備・コストに関する注意点について
34．TLJHインストール手順の確認
35. GakuNin RDM連携手順の確認
Ｂ．ケーススタディ
1.研究データ分析の引き継ぎを“再現”で解く
2.この教材のゴール（再現・改造・資産化）
3.事例の全体像：3点セット＋フォーク＋プロジェクト作成者
4.引き継ぎの進め方：判断ポイントに注目
5.引き継ぎのとき研究室でよく起きる“車輪の再発明”
6.根本原因は、コードより“動かしていた環境”が残らないこと
7.登場人物と研究室の状況
8.磯野さんの卒研：気温×CO₂濃度の相関分析
9.入手したデータiwate.csv の保存
10.個人PCで分析ノートが完成
11.研究を引き継ぐ波野さんは、他地域にも展開したい
12.引き継いで解析ノートを使える形にできる？
13.解決の方向性はデータ・コード・環境定義を一体で共有すること
14.GakuNin RDMで実現すること
15.引き継ぎするためにすることのロードマップ
16.依存関係を洗い出し
17.使用環境は、“全部”ではなく“使っている分”に絞って残す
18.バージョン固定の意味
19.新規プロジェクトの作成
20.データとノートをアップロード
21.解析機能（Jupyter）を有効化
22.解析タブで新規環境作成へ
23.基本イメージ選択（Python系）
24.追加パッケージ入力（名称＋バージョン）
25.JupyterLab起動とファイル確認
26.ノート実行で再現性の確認
27.結果の共有方法① Syncで書き戻す
28.結果の共有方法② プログラムから `/mnt/rdm` に直接保存
29.メンバー招待（先生・後輩）
30.メンバーの権限調整
31.後輩側：招待からプロジェクトを開く
32.後輩側：既存の環境定義の再現
33.後輩側：新規解析環境を作成
34.後輩側：ノート実行で同じ結果を出力
35.引き継ぎの成功要因は3点セットが揃っていること
36.新データ okinawa.csv を追加して試す
37.ノート修正で沖縄でも成功
38.修正版をどう保存する？
39.上書き事故防止と成果保全をどう両立？
40.解決方針は元データは残し、改造データは分離すること
41.事故防止のため、複製元プロジェクト権限を読み込みへ
42.フォークとは何か（複製＋独立）
43.後輩側の操作：フォークの実行
44.フォーク後に引き継がれるもの
45.新プロジェクトに okinawa.csv を正式アップロード
46.環境を作り直し、改造版を確定
47.成果物を残す（Sync or `/mnt/rdm`）
48.先生・先輩を読み込みで招待してレビュー
49.先輩が改良版 co2temp_v2 を作成
50.v2を元プロジェクトに保存して公開
51.ファイルの見え方
52.`/mnt/rdm/`＝作成元プロジェクトに読み書き
53.`/mnt/rdms/`＝参加中の他プロジェクト（権限次第で読み書き）
54.ターミナルでv2をコピーして取り込む
55.v2を元にv3へ拡張（CO2濃度以外の要因も調べる）
56.自動化して実行のたび成果物を `/mnt/rdm` に保存
57.バージョンを追跡し、どのノートがどの図を作ったか残す
58.研究室内の知識循環（改善が次の改善を生む）
59.学生が作成者のままだと将来のアクセスが不安
60.研究責任者の役割は資産の受け皿となること
61.教員側の操作：教員がプロジェクト作成者としてフォーク
62.命名規則（年度・テーマ・担当者）
63.権限のおすすめテンプレは、教員=プロジェクト作成者、学生＝管理者にすること
64.2年後さらに後輩が加入、年度版をフォークして渡す
65.2年後も、同じ定義で環境を復元
66.要点の再確認（環境定義・フォーク・プロジェクト作成者）
67.チェックリストは、3点セット＋権限＋プロジェクト作成者
68.よくある落とし穴（保存場所・上書き・散らかり）
69.運用の注意（機密・リソース・環境整理）
70.実装の勘所（Sync／`/mnt/rdm/` と `/mnt/rdms/` の使い分け／自動保存）
71.研究室に持ち帰って試してみてほしいこと
※クイズや動画コンテンツはすべて日本語です。
※学習内容は2026年3月時点のGakuNin RDM操作方法を参考に作成されています。
＜Content of this course＞
Welcome to the GakuNin RDM Analysis Function Usage Support Course: for Teachers and Administrators!
This course is for PIs who want to get university undergraduates and graduate students to use external computers to perform research data analysis.
Course objectives:
Learn to prepare a suitable analysis environment for students.
Course structure:
This course assumes analysis environments established by each institution or laboratory and consists of the two items below.
A. Analysis platform overview and steps necessary to establish an analysis environment
B. Case studies
Each item includes a video and a quiz. Please watch each video to learn from it, and then take the corresponding quiz.
If at least 80% of your answers for each quiz are correct, you will pass and receive a digital badge for the corresponding item.
If you watch all the videos and pass all the quizzes for every item, you will receive a digital badge certifying that you have completed the course.
We encourage you to earn all the badges.
Detailed course content:
This course consists of the content below.
A. Analysis platform overview and steps necessary to establish an analysis environment
1. Objectives of this course
2. TLJH versus external cloud services
3. TLJH versus external cloud services (1) Linkage with GakuNin RDM
4. TLJH versus external cloud services (2) Computational resources
5. TLJH versus external cloud services (3) Authentication methods
6. TLJH versus external cloud services (4) Analysis environment persistence
7. TLJH versus external cloud services Summary
8. NII Jupyter versus TLJH
9. NII Jupyter versus TLJH (1) User isolation levels
10. NII Jupyter versus TLJH (2) Authentication methods
11. NII Jupyter versus TLJH (3) Memory and storage capacity
12. NII Jupyter versus TLJH (4) GPU support
13. NII Jupyter versus TLJH (5) Persistence
14. Relationship between GakuNin RDM and external Jupyter
15. Comparison of the performance of each analysis environment
16. User and security requirements
17. Introducing TLJH
18. Network settings for TLJH integration
19. Network settings for TLJH integration (1) Internet disclosure principles
20. Network settings for TLJH integration (2) Ensuring security with HTTPS (encrypted communication)
21. Network settings for TLJH integration (3) Firewall permission settings
22. Network settings for TLJH integration (4) Notes on VPN usage
23. Formulating computational resources and specs when introducing TLJH
24. Formulating computational resources and specs when introducing TLJH (1) CPU
25. Formulating computational resources and specs when introducing TLJH (2) Memory
26. Formulating computational resources and specs when introducing TLJH (3) Storage
27. Formulating computational resources and specs when introducing TLJH (4) Network
28. Formulating computational resources and specs when introducing TLJH (5) Virtual machine
29. Conditions for using a GPU with TLJH
30. Conditions for using a GPU with TLJH (1) Choosing GPU hardware
31. Conditions for using a GPU with TLJH (2) Building a software environment
32. Conditions for using a GPU with TLJH (3) Usage policy and resource management
33. Conditions for using a GPU with TLJH (4) Notes on equipment and costs
35. Confirming the TLJH installation procedure
36. Confirming the GakuNin RDM integration procedure
B. Case studies
1. Resolving the issue of handing over research-data analysis through "reproduction"
2. Goals of this course (reproduction, modification, and capitalization)
3. Case study overview: set of three + fork + project creator
4. Handover approach: a look at key decision-making points
5. "Reinventing the wheel," a common problem in laboratories upon handover
6. The root cause is that the environment where the code was used no longer exists in the code
7. Key people and laboratory situations
8. Ms. Isono's graduation research: correlation analysis of the temperature x CO₂ concentration
9. Saving the acquired iwate.csv data
10. The analysis notes are completed using a personal computer
11. Mr. Namino, to whom the research is being handed over, wants to expand to other regions as well
12. Can the analysis notes be put into a usable format after being handed over?
13. The resolution approach is to collectively share the data, code, and environment definitions
14. What can be achieved using GakuNin RDM
15. Roadmap of things to do in order to hand over the research
16. Identifying dependencies
17. Leaving only the "used portion" of the used environment, not the "entire thing"
18. Meaning of version fixing
19. Creating a new project
20. Uploading data and notes
21. Enabling the analysis function (Jupyter)
22. Creating a new environment on the analysis tab
23. Selecting a basic image (Python)
24. Inputting an additional package (name + version)
25. Launching JupyterLab and file confirmation
26. Confirming reproducibility via note execution
27. Result sharing method (1) Writing back with Sync
28. Result sharing method (2) Directly saving to '/mnt/rdm' from the program
29. Inviting members (teachers, juniors)
30. Controlling member authority
31. Junior side: opening a project from an invitation
32. Junior side: reproducing existing environment definitions
33. Junior side: creating a new analysis environment
34. Junior side: outputting the same results through note execution
35. The full set of three must be available to ensure handover success
36. Adding and trying the new okinawa.csv data
37. Revising the notes was successful even in Okinawa
38. How can the revised version be saved?
39. How can overwriting accidents be prevented while also preserving the results?
40. The resolution policy is to keep the original data and separate the modified data from it
41. Setting the original-project authority to read-only to prevent accidents
42. What is a fork (copy + independent)?
43. Operation on the junior side: executing a fork
44. What is handed over after executing a fork
45. Officially uploading okinawa.csv to a new project
46. Re-creating the environment and finalizing the modified version
47. Preserving results (Sync or '/mnt/rdm')
48. Inviting teachers and seniors via reading for review purposes
49. Seniors create the improved version co2temp_v2
50. Saving v2 to the original project and disclosing it
51. How files look
52. '/mnt/rdm/' = reading and writing to the creation-source project
53. '/mnt/rdms/' = other involved projects (reading and writing depending on authority)
54. Copying and importing v2 with the terminal
55. Expanding to v3 based on v2 (also consider factors other than the CO2 concentration)
56. Saving the results to '/mnt/rdm' upon each automated execution
57. Tracking the version to keep track of which note created each figure
58. Circulating knowledge in the laboratory (improvements lead to more improvements)
59. Leaving the student as the creator results in future access concerns
60. The role of researchers is to receive assets
61. Operation on the teacher side: fork with the teacher as the project creator
62. Naming rule (fiscal year / theme / person in charge)
63. Recommended authority template: teacher = project creator, student = administrator
64. More juniors will join after two years, so fork the annual version and give it to them
65. Restoring the environment with the same definitions after two years as well
66. Double-checking key points (definitions / forks / project creators)
67. Checklist: set of three + authority + project creator
68. Common pitfalls (saving location / overwriting / clutter)
69. Notes on operations (confidentiality / resources / environment setup)
70. Key points on implementation (Sync / when to use '/mnt/rdm/' versus '/mnt/rdms/' / automatic saving)
71. What we want you to try after bringing this back to the laboratory
* All the quizzes and videos are in Japanese.
* Note that the course content was created based on GakuNin RDM operating methods that were current as of March of 2026.
