AIジェネラリスト育成講座
| テーマ | 内容 |
|---|---|
| 人工知能とは | 人工知能の定義 |
| 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 |
| 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 |
| 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 |
| 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 |
プログラミング（Python）基礎講座
| テーマ | 内容 |
|---|---|
| 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 |
| 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 |
| 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） |
| Matplotlib、Seaborn | グラフ描画（折れ線、棒、ヒストグラム、ボックスプロット、散布図、散布図行列、等） |
数学・統計学講座
| テーマ | 内容 |
|---|---|
| 数学基礎 | 数列、指数関数・対数関数、ベクトル |
| 線形代数 | 行列基礎 |
| 微分・積分 | 微分、偏微分、積分 |
| 確率統計 | 確率統計基礎、確率変数と確率分布 |
G検定対策講座
AIジェネラリスト育成講座の内容に加えて、試験範囲の対策を実施します。
| テーマ | 内容 |
|---|---|
| 人工知能とは | 人工知能の定義、人工知能研究の歴史 |
| 人工知能をめぐる動向 | 探索・推論、知識表現、機械学習・深層学習 |
| 人工知能分野の問題 | 人工知能分野の問題 |
| 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 |
| 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 |
| 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 |