基礎講座
 | 概要 生成AIの概要を知りたい方、ビジネスで活用したい方に概要や活用事例をお伝えします。 詳細を確認 講座内容 生成AI概要、生成AIでビジネスはどう変わるのか、ChatGPT活用方法、生成AIの利活用 |
 | 概要 AI開発に必要なPyhtonプログラミング、及び関連ライブラリのNumpy、Pandas、Matplotlib、Seabornの基礎をお伝えします。 詳細を確認 講座内容 Python基礎、Numpy基礎、Pandas基礎、Matplotlib、Seaborn |
 | 概要 機械学習・深層学習を実装する上で必要な線形代数・微積分など数学の基礎や、確率・統計学をお伝えします。 詳細を確認 講座内容 数学基礎、線形代数、微分・積分、確率統計 |
 | 概要 G検定合格を目指してAIの歴史から概要、AIのアルゴリズム、法務をお伝えします。350問以上の問題演習が含まれています。 詳細を確認 講座内容 人工知能とは、人工知能をめぐる動向、人工知能分野の問題、機械学習の具体的手法、ディープラーニングの概要、ディープラーニングの手法、社会実装に向けて |
 | 概要 機械学習の概要、各手法の解説、精度指標やアンサンブル学習など機械学習がひと通り使いこなせるレベルを目指します。 詳細を確認 講座内容 機械学習の概要、機械学習の流れ、機械学習の手法、機械学習の評価検証、機械学習の精度改善 |
 | 概要 データサイエンスに必要な「ビジネス力」、「データサイエンス力」、「エンジニアリング力」を養います。 データサイエンティスト検定合格を目指す内容となります。 詳細を確認 講座内容 ビジネス、データサイエンス、データエンジニアリング |
 | 概要 生成AI（特に大規模言語モデル(LLM)）を自社ビジネスに活かすための知見・開発技術をお伝えする講座です。 詳細を確認 講座内容 生成AI概要、大規模言語モデル（LLM）の技術、ChatGPT API、ChatGPTの周辺技術 |
生成AIビジネス講座
生成AIを自社ビジネスに活かすための知見をお伝えする講座です。
講義時間
2 時間
価格
オンライン ー（準備中）
ライブ 19,800円（税込 21,780円）
講義内容
| テーマ | 内容 | 目標 |
|---|---|---|
| １．生成AIの概要 | 生成AIの基本概念と歴史 特徴、技術的背景 機械学習と深層学習 | 生成AIに関する基本的な知識とその技術的背景を理解する。 |
| ２．生成AIが与える影響 | 生成AIの影響を与える領域とその変化 業務効率化 クリエイティブ分野の進展 | 生成AIがどのようにさまざまな分野に影響を与えるかを理解する。 |
| ３．生成AIでビジネスはどう変わるのか | 生成AIによるビジネスモデルの変革 求められる業務領域の変化 | 生成AIをビジネスに取り入れることで得られる利点と変化の方向性を理解する。 |
| ４．生成AIの活用事例 | 生成AIの具体的な活用事例 | 他社の事例を参考に、生成AIをどのように活用できるかを理解する。 |
| ５．生成AIを自社活用するために | 生成AI導入のためのステップ 周辺技術の概要 | 自社で生成AIを導入し、効果的に活用するためのステップとどのような知識が必要になるのかを学ぶ。 |
| ６．生成AI 重要用語解説 | 生成AIに関連する重要用語の解説 基本的な概念、技術的な用語集 | 生成AIに関連する専門用語とその意味を理解し、実務に活かすための基礎知識を身につける。 |
生成AI 重要用語解説 内容
| テーマ | 内容 | キーワード |
|---|---|---|
| １．生成AIの技術 | ・テキスト、画像、音声等の生成モデルに共通する技術的な特徴を俯瞰して理解している。 ・大規模言語モデルの基本構造を理解している。 | 確率モデル、基盤モデル、言語モデル、大規模言語モデル (LLM)、トランスフォーマー (Transformer)、アテンション (Attention)、GPT-3 |
| ・大規模言語モデルにおけるモデルの学習方法を理解している。 ・大規模言語モデルのアラインメントを理解している。 | 教師あり学習、自己教師あり学習、事前学習、ファインチューニング、アラインメント (Alignment)、人間のフィードバックによる強化学習 (RLHF)、インストラクション・チューニング (Instruction Tuning) | |
| ・大規模言語モデルにおける生成の仕組みを理解している。 | コンテキスト内学習 (In-Context Learning)、Zero-Shot、Few-Shot、Chain-of-Thought、サンプリング手法 | |
| ・大規模言語モデルの性能評価について知っている。 | リーダーボード、ベンチマーク | |
| ・テキスト、画像、音声等の生成モデルの技術動向を俯瞰して理解している。 | 条件付き生成、拡散モデル (Diffusion Model) | |
| ・大規模言語モデルのオープン化の動向と原因について理解している。 | オープンコミュニティ、オープン大規模言語モデル、オープンデータセット、オープンソース、推論の効率化 | |
| ・大規模言語モデルの性能を決める要素の動向と原因について理解している。 ・マルチモーダル化の動向と原因について理解している。 | スケーリング則 (Scaling Laws)、データセットのサイズ、データセットの質、モデルのパラメーター数、計算資源の効率化、GPU マルチモーダル | |
| ・大規模言語モデルの外部ツール・リソースの利用の動向と原因について理解している。 | 学習データの時間的カットオフ、大規模言語モデルの知識、大規模言語モデルの不得意タスク | |
| 2.生成AIの利活用 | ・生成AIには何ができるのかを理解している。 ・生成AIをどのように使うのかを理解している。 ・生成AIの性能を拡張する使い方を理解している。 ・生成AIの活用を制限する要因を理解している。 | ケイパビリティ 活用事例 プロンプトエンジニアリング 生成AIの学習データ、生成AIの性能評価、生成AIの言語能力 |
| ・業界に特化した生成AIの活用方法を理解している。 | LLMを利用したサービス（ChatGPT・Bardなど）、RAG (Retrieval-Augmented Generation)の利用、エージェント・コード生成、外部ツール呼出し、広告クリエイティブへの応用、ドメイン固有 | |
| 3.生成AIのリスク | ・生成AIが、技術面・倫理面・法令面・社会面などで多様なリスクを孕むことを理解している。 | 正確性、ハルシネーション (Hallucination)、セキュリティ、公平性、プライバシー、透明性、悪用、誤情報の拡散、敵対的プロンプト、特定の生成AIサービスへの依存、環境問題 |
| ・生成AIの入力（データ）と出力（生成物）について注意すべき事項を理解している。 | 著作権、個人情報、機密情報、商用利用、利用規約 |
前提知識
特になし。
その他
ー
Python講座
AI開発に必要なPyhtonプログラミング、及び関連ライブラリのNumpy、Pandas、Matplotlib、Seabornの基礎をお伝えします。
講義時間
6 時間
受講期間
受講開始から 6 ヶ月間
価格
オンライン 9,800 円（税込 10,780円）
ライブ 19,600 円（税込 21,560円）
講義内容
前提知識
特になし。
備考
ー
| テーマ | 内容 | 目標 |
|---|---|---|
| １．Python基礎 | 基本的な文法 データ構造 関数とクラス ファイル処理 | Pythonプログラムの基礎、制御構文などを理解する。 |
| ２．Numpy基礎 | Numpy配列 配列の構造 多次元配列 配列計算 配列同士の連結 | Pythonライブラリで、深層学習で必須となるNumpyの基礎を理解する。 |
| ３．Pandas基礎 | Series 作成 インデックスの変更 データ処理 DataFrame 作成 インデックスの変更 データ処理 データの結合 ファイルの入出力 | Pythonライブラリで、表形式データに対して必須となるPandasの基礎を理解する。 |
| ４．Matplotlib、Seaborn | グラフ描画 折れ線グラフ 棒グラフ ヒストグラム ボックスプロット 散布図 散布図行列、等 | Pythonライブラリで、描画に必要なMatplotlib、Seabornの基礎について理解する。 |
数学・統計学講座
機械学習・深層学習を実装する上で必要な線形代数・微積分など数学の基礎や、確率・統計学をお伝えします。
講義時間
6時間
受講期間
受講開始から6ヶ月間
価格
オンライン 9,800円（税込 10,780円）
ライブ 19,600円（税込 21,560円）
講義内容
前提知識
高校卒業程度の数学知識があること。
備考
ー
| テーマ | 内容 | 目標 |
|---|---|---|
| １．数学基礎 | 関数 距離 数列 | 数学の基礎となる関数、距離、数列について理解する。 |
| ２．線形代数 | 行列概要 ベクトル 行列基礎 固有値・特異値 | 機械学習・深層学習で必要となる行列について理解する。 |
| ３．微分・積分 | 極限 微分・偏微分 積分 | 機械学習・深層学習で必要となる微分・積分について理解する。 |
| ４．確率統計 | 集合 確率 確率分布 統計 ベイズ則 | データを扱う上で必須となる確率統計に関する基礎知識を理解する。 |
G検定講座
G検定に合格できるように、AIの基礎からG検定の範囲を網羅した講座構成になっています。
講義だけでなく、G検定同等の難易度の試験対策問題を350問以上用意しています。
※2024年新シラバス対応
講座時間
講義時間 9 時間
演習時間 6 時間
受講期間
受講開始から 6 ヶ月間
価格
オンライン 定価： 19,800 円（税込 21,780円）
割引価格： 14,800 円（税込 16,280円）
ライブ 29,600 円（税込 32,780円）
講義内容
前提知識
特になし。
備考
G検定の本番相当難易度の350問以上の問題演習が含まれています。
E資格とのセット受講で10,000円引きで受講可能です。
| テーマ | 内容 | 目標 |
|---|---|---|
| １．人工知能とは | 人工知能の定義 人工知能分野で議論される問題 | 人工知能に関する定義と人工知能分野で議論される問題を理解する。 |
| ２．人工知能をめぐる動向 | 探索・推論 知識表現とエキスパートシステム 機械学習、ディープラーニング | 現代の人工知能が確立されるまでにどのような手法が確立されたのか、その動向や課題を理解する。 |
| ３．機械学習の概要 | 教師あり学習、教師なし学習 強化学習 モデルの選択・評価 | 機械学習の手法を理解し、機械学習で解決できるタスクの種類、タスクに対する代表的な解決手法について理解する。 |
| ４．ディープラーニングの概要 | ニューラルネットワークとディープラーニング 活性化関数、誤差関数 正則化、誤差逆伝播法、最適化手法 | ディープラーニングの特徴、仕組みを理解し、各構成要素や精度改善のためのテクニックを理解する。 |
| ５．ディープラーニングの要素技術 | 全結合層、畳み込み層、正規化層、プーリング層 スキップ結合、回帰結合層、Attention オートエンコーダ、データ拡張 | ディープラーニングの要素技術（全結合、畳み込み層、回帰結合層、Attention）などを学び、タスクに適した手法や課題に応じてどのような対応を取るべきかを理解する。 |
| ６．ディープラーニングの応用例 | 畳み込みニューラルネットワーク（CNN） 深層生成モデル、画像認識分野 音声処理と自然言語処理分野 深層強化学習分野 モデルの解釈性とその対応、モデルの軽量化 | ディープラーニングの画像認識、自然言語処理、音声、深層強化学習などへの応用手法とその応用技術を理解する。 |
| ７．ディープラーニングの社会実装に向けて | AIと社会、AIプロジェクトの進め方 データの収集、データの加工・分析・学習 実装・運用・評価 クライシス・マネジメント | ディープラーニングの社会実装や、AIプロジェクトを進行する中で必要な知識を理解する。 |
| ８．AIの法律と倫理 | 個人情報保護法、著作権法、特許法 不正競争防止法、独占禁止法、AI開発委託契約 AIサービス提供契約、国内外のガイドライン プライバシー、公平性、安全性とセキュリティ 悪用、透明性、民主主義、環境保護 労働政策、その他の重要な価値、AIガバナンス | AIを活用する上で必要となる法律知識や、倫理について理解する。 |
全14時間程度想定（講義動画 9時間 ＋ 演習 5時間（確認問題））
機械学習講座
数値データの分析や予測等で用いられる機械学習の基礎からアンサンブル学習などの手法までお伝えし、実務で活用するための基礎固めを行います。
講義時間
9 時間（講義時間４時間、演習５時間）
受講期間
受講開始から 6 ヶ月間
価格
オンライン 35,800 円（税込 39,380円）
ライブ 71,600 円（税込 78,760円）
講義内容
前提知識
「Python基礎講座」修了程度のPythonに関する基礎知識。
備考
ー
| テーマ | 内容 | 目標 |
|---|---|---|
| １．機械学習の概要 | 機械学習の概要 | 機械学習の枠組みやその種類を確認し、機械学習がどのように行われているのか、アヤメのデータセットを用いて理解する。 |
| ２．機械学習の流れ | 機械学習の流れ | 機械学習におけるのデータの入手・前処理の仕方、モデルの学習方法など機械学習の流れについて詳しく理解する。 |
| ３．機械学習の手法 | 単回帰、重回帰 時系列予測、決定木 k近傍法、ロジスティック回帰 サポートベクトルマシン 教師なし学習 | 機械学習においてどのようなモデルがあるか理解し、各種モデルについて実装できる。 |
| ４．機械学習の評価検証 | 機械学習の評価検証 | 機械学習のモデルがどの程度優れているかの定量的な尺度と汎化性能を測るための各手法について理解する。 |
| ５．機械学習の精度改善 | 前処理 特徴量エンジニアリング アンサンブル学習 | 機械学習のモデルを学習させるにあたってさらなる精度改善のための各手法について理解し、実装できる。 |
データサイエンス講座
データサイエンスに必要な「ビジネス力」、「データサイエンス力」、「エンジニアリング力」を養います。データサイエンティスト検定合格を目指す内容となります。
講義時間
10 時間
受講期間
受講開始から 6 ヶ月間
価格
オンライン ー（準備中）
ライブ 88,000 円（税込 96,800円）
講義内容
前提知識
特になし。
その他
ー
| テーマ | 内容 | 目標 |
|---|---|---|
| １．ビジネス | 倫理・コンプライアンス 洞察力 プロジェクトの準備 ステークホルダーとのコミュニケーション 契約、プロジェクト推進 | データサイエンスに必要なビジネス力を養う。 |
| ２．データサイエンス | 線形代数・微分積分 統計学入門 確率・ベイズの定理 確率変数・確率分布 データの可視化 データの取得と加工 統計的推定と検定 回帰分析 機械学習 分析結果の評価 非構造化データの処理 | データサイエンスに必要な統計学、数学、機械学習やその可視化手法について理解する。 |
| ３．データエンジニアリング | システム構築・運用 アーキテクチャ設計 基礎プログラミング・API データの収集・蓄積・加工・共有・連携 SQL ITセキュリティ | データサイエンスに必要なエンジニアリング知識（IT知識、アーキテクチャ、データ（SQL））について理解する。 |
生成AIエンジニアリング講座
（大規模言語モデル編）
生成AI（特に大規模言語モデル(LLM)）をビジネスに活かすための知見・開発技術をお伝えします。
講義時間
3 時間
価格
オンライン ー(準備中)
ライブ 29,800円（税込 32,780円）
講義内容
前提知識
特になし。
備考
ー
| テーマ | 概要 | キーワード |
|---|---|---|
| １．生成AI概要と技術動向 | 人工知能技術である生成AIの特徴、技術的背景をお伝えします。 | 確率モデル ハルシネーション (Hallucination) 条件付き生成 拡散モデル (Diffusion Model) |
| ２．大規模言語モデル（LLM）の基本構造 | 大規模言語モデル（LLM）の仕組み、技術要素をお伝えします。 | 基盤モデル 言語モデル 大規模言語モデル (LLM) トランスフォーマー (Transformer) アテンション (Attention) GPT-3 |
| ３．LLMの学習方法とアライメント | 大規模言語モデル（LLM）の学習方法、精度改善手法をお伝えします。 | 教師あり学習、自己教師あり学習、事前学習 ファインチューニング アラインメント 人間のフィードバックによる強化学習 (RLHF) インストラクション・チューニング コンテキスト内学習 Zero-Shot、Few-Shot Chain-of-Thought サンプリング手法 |
| ４．ChatGPT API | ChatGPT APIの使い方、活用方法をお伝えします。 | ChatGPT API |
| ５．RAG（自社データの活用） | 自社データを活用するためのRAG（Retrieval-Augmented Generation）と、LangChain、Llamaindex、などChatGPTを活かす周辺技術をお伝えします。 | RAG、LangChain、Llamaindex |