基礎講座 - 豊富な演習で合格率の高いE資格認定講座／DeepSquare

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
$e資格数学・統計学講座$	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

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
2.生成AIの利活用	・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
3.生成AIのリスク	・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

講義内容

前提知識

　特になし。

備考

　ー

テーマ	内容	目標
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。
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。
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。
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。

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
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。
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。
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。
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。

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
人工知能とは	人工知能の定義人工知能研究の歴史	人工知能に関する大まかな知識と人工知能に関する現代までの歴史を理解する。
人工知能をめぐる動向	探索・推論知識表現機械学習・深層学習	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、その動向を体系的に理解する。
人工知能分野の問題	人工知能分野の問題	人工知能の世界で議論されている問題を紹介し、人工知能の実現に向けた課題と現在の人工知能がどのようなことができるようになったのかを理解する。
機械学習の具体的手法	教師あり学習教師なし学習強化学習モデルの評価	機械学習についてどのような手法があるかを紹介し、機械学習で扱う問題の種類、各問題に対する代表的な手法について理解する。
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ディープラーニングのアプローチディープラーニングを実現するには活性化関数学習の最適化更なるテクニック	ディープラーニングを理解するうえで押さえておくべき事柄を紹介し、関係する計算アルゴリズムと精度改善のための更なるテクニックを理解する。
ディープラーニングの手法	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	画像認識分野、音声、自然言語処理分野におけるディープラーニングの各モデルの概要と特徴、及び深層強化学習の基本的な手法とその応用技術を理解する。
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に向けて取り上げておくべき事柄を紹介し、AIプロジェクトを進行する中で必要な要素を知識を理解する。

全14時間程度想定（講義動画 9時間＋演習 5時間（確認問題））

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
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。
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。
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。
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。
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。

講義内容

前提知識

　特になし。

その他

　ー

　

テーマ	内容	目標
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。
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。
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。

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

基礎講座お申込み

受講形態必須
講座名	生成AIビジネス講座（ライブのみ）Python講座数学・統計学講座数学・統計学講座G検定講座機械学習講座データサイエンス講座画像解析基礎講座生成AIエンジニアリング講座（ライブのみ）
受講予定人数（最小5名以上）必須
会社名・所属先必須
お名前必須
メールアドレス必須
電話番号必須
必須	『利用規約』に同意します。
備考
	※送信ボタン押下後、3~4秒で送信が完了します。　完了まで時間がかかりますが、そのままお待ちください。

　