エンジニア・Web技術AI開発講座プログラミングから数理知識まで高度なAI開発技術を習得

AIの計算処理は、一般的にPythonをはじめとしたプログラミング言語を用いて行います。また、AI開発には数理知識や機械学習、ディープラーニングについての知識・技術も必要となります。この講座では、AIの基本的な概要から、プログラミング、機械学習・ディープラーニング、微分、行列、確率統計といった数理知識を学びます。

期待できる効果
  • AI開発に欠かせないスキルセットを身につけられる
  • AIを用いたシステムやサービスの開発ができるようになる

研修前

  • 新人エンジニアとのコミュニケーションや、先輩社員が教育に時間を割くうえでの負担が大きかった
  • AIを活用したシステムを開発したかったが、知識不足によりできなかった

研修後

  • 研修で新人エンジニアの技術理解が進んだことで、開発業務がスムーズに進み社内教育の負担も軽減された
  • 機械学習の仕組みと実装方法を理解することで、AIを活用したシステム開発ができるようになった
デジタル人材育成・研修について相談する

カリキュラム

AI開発講座

AIの基本的な概念を踏まえたうえで、AIシステム開発に欠かせないプログラミング言語のPythonを学習します。

その後、実際にAIを開発するうえで必要となってくる数理知識、機械学習やディープラーニングのライブラリの活用方法を身につけます。

対象者

  • AIシステム開発を行うエンジニアの方
  • 他言語の開発経験のあるエンジニアでリスキリングしたい方

研修の目的

  • システム部門に配属予定の社員にプログラムを学ばせ、スムーズに現場配属できるようにしたい
  • AIシステム開発を担う人材のリスキリング・育成をしたい
デジタル人材育成・研修について相談する

※以下の目次から、貴社にあった言語を選択できます。

AI基礎
項目 内容
人工知能(AI)とは
  • 人工知能(AI)とは
  • AIのレベルと機能
  • ワーク:身近なAIが何かを考える
AIの発展とAIを支えるテクノロジー
  • AIの発展
  • クラウド
  • IoT
  • ビッグデータ
  • AI(人工知能)
  • 5G
AIプログラミングに必要な数学知識
  • 微分
  • 線形代数
  • 統計
演習
  • ワーク:AIで解決したい問題を考える
機械学習の種類
  • 機械学習とは
  • 機械学習の種類
  • 教師あり学習と教師なし学習
  • ワーク:教師あり学習と教師なし学習
機械学習が扱う問題
  • 線形回帰
  • ロジスティックス回帰
  • 決定木
  • クラスタリング
機械学習の使用事例
  • 線形回帰の使用事例
  • ロジスティックス回帰の使用事例
  • 決定木の使用事例
  • クラスタリングの使用事例
演習
  • ワーク:機械学習の使用シーンを考える
ディープラーニング
  • ディープラーニングとは
  • ニューラルネットワークとは
  • ワーク:ディープラーニング
機械学習と深層学習の使い分け
  • 機械学習と深層学習の使い分け
ディープラーニングの使用事例
  • 音声認識
  • 画像認識
  • 言語認識
  • 転移学習とファインチューニング
  • 【補足】Kaggle(データ分析のコンテスト)
ビッグデータとの関連性
  • ビッグデータとは
  • ビッグデータとの関連性
演習
  • ワーク:深層学習の活用シーンと使用方法を考える
生成AIとは
  • 生成AIとは
  • 生成AIのビジネス活用例とメリット
  • 識別AI(Discriminative AI)との違い
  • LLMとTransfomerモデル
生成AIの活用事例
  • 文書生成
  • 画像生成
  • 映像生成
  • 音楽生成
  • 産業別の生成系AI活用事例
演習
  • ワーク:AIで解決したい問題を考える
ChatGPTを使用する
  • ChatGPTとは
  • ChatGPTの使い方
  • ChatGPTの有料版
  • ChatGPTの回答精度を上げるための工夫
  • ChatGPTへの質問のテンプレート
  • ワーク:ChatGPTのプロンプト作成
【参考】有料版紹介
  • ChatGPTの有料版の紹介
  • 有料版プラグイン紹介
セキュリティリスク
  • ChatGPTが抱えるセキュリティリスク
演習
  • ChatGPTの使用シーンを考える
Python
項目 内容
基本文法
  • プログラムの書き方
  • 文字列と変数
  • 基本的な演算
  • リストとタプル
  • 辞書と集合
  • 条件文
  • 繰り返し文
関数とオブジェクト指向
  • 関数
  • オブジェクト指向
  • ファイルの読込みと書込み
  • datetimeモジュール
Djangoフレームワーク
  • Djangoフレームワーク
  • データベースの基礎
各種機能の実装1
  • モデルの応用
  • テンプレート
  • フォーム
各種機能の実装2
  • ユーザー認証機能
  • CRUD機能の応用
お問合せフォーム
  • お問合せフォームのユーザー画面
  • お問合せフォームの管理者画面
ECサイト1
  • 検索機能
  • 初期設定とユーザーモデル
  • モデルとセッション
ECサイト2
  • ビューとデザインテンプレート
AI(数理知識)
項目 内容
AI概論と活用事例/環境構築/数学基礎と関数
  • 人工知能とは
  • 人工知能の概要
  • 人工知能の活用事例
  • 人工知能になぜ数理知識が必要なのか(微分、行列、統計)
  • Google Colab の用意
  • Numpyの利用
  • 変数と定数
  • 一次関数
  • 指数(累乗と平方根)、対数
  • 多項式関数、三角関数、総和
  • 応用的な関数(ガウス、シグモイドなど)
微分/行列
  • 微分とは
  • 微分の公式、導関数
  • 微分の連鎖
  • 偏微分
  • 最小値問題(最小二乗法、勾配降下法)
  • スカラー、ベクトル、行列
  • 転置行列
  • 単位行列
  • 逆行列
  • ニューロ計算での利用
  • 固有値と統計での利用
統計
  • 統計とは
  • 平均、分散、標準偏差
  • 正規分布と3σ法
  • 条件付き確率とベイズ推定
  • 推定と仮説検定
  • 情報量(エントロピー)
  • 数理知識のまとめ
AI(機械学習)
項目 内容
機械学習の概要/単回帰分析
  • 機械学習とは
  • 人間の思考体系に基づく推論
  • 機械学習の種類(教師あり、なし)
  • 機械学習アルゴリズムの種類
  • 回帰分析の基本概念
  • モデルの導出
  • 評価関数の決定
  • Scikit-learn による実装
  • 演習
重回帰分析/ロジスティクス回帰
  • 重回帰分析とは
  • モデル、評価関数の設定
  • Scikit-learn による実装
  • 時系列データへの適用
  • ロジスティック回帰の基本を解説
  • サンプルコードでロジスティック回帰を試す
  • 教師あり学習による分類
クラスタリング
  • クラスタリングの基本を解説
  • K-means 法
  • サンプルコードでクラスタリングを試す
  • 階層的クラスタリング
  • 演習
決定木とその他の技術/アンサンブル学習
  • 決定木
  • その他の技術(主成分分析,アソシエーションなど)
  • 次元削減への応用
  • バギングとブートストラップ
  • 例題実行による体験
  • 演習
自然言語処理
  • テキストライブラリの準備
  • 形態素解析
  • MeCabの利用
  • TF-IDF値の計算
  • 記事カテゴリの自動判定
AI(ディープラーニング)
項目 内容
概要と環境準備/データ前処理技術/モデルの評価手法/モデルのチューニング
  • 概要と環境準備/データ前処理技術/モデルの評価手法/モデルのチューニング
  • KerasおよびTensorflowとは
  • 可視化
  • データクリーニング
  • 交差検定(クロスバリデーション)
  • 混同行列、適合率と再現率、ROC
  • グリッドサーチ,ランダムサーチ,アンサンブル
  • 演習
パーセプトロン/ニューラルネットの仕組み/体験実習 (MNIST)
  • 多層パーセプトロン
  • 多層構造
  • 活性化関数
  • 誤差評価関数
  • バックプロパゲーション
  • 勾配損失
  • パラメータ(隠れ層数、ユニット数、学習率、バッチサイズ)
  • 公開データベースの利用
  • データの読み込みと加工、準備
  • 学習評価とモデル改良
ディープラーニングの技術概論/CNN
  • 従来技術の課題と概要
  • データ拡張
  • ドロップアウト、オートエンコーダ
  • 画像認識の概要と技術
  • CNNの全体構造
  • 畳み込み(フィルタ)、プーリング
  • 様々なCNNアーキテクチャ(LeNet-5、AlexNet、GoogleNet、ResNet)
  • 転移学習(学習結果の保存と再利用、チューニング)
  • 演習
RNN
  • 構造と基本技術
  • 時系列データへの適用
  • 自然言語処理
  • ベクトルモデルとword2vec
  • 文章生成への利用
  • 演習
文章生成への利用
  • GAN
  • 自然言語処理:BERTとGPT
  • 強化学習
  • 演習

受講形式

インターネット・アカデミーの研修は、さまざまな形式に対応しています。「基礎はeラーニングで演習は集合研修」「講師派遣とリモートを組み合わせる」など、複数の形式の併用もできますので、お気軽にご相談ください。

  • リモート集合研修
  • 実地での集合研修
  • 講師派遣
  • eラーニング

Web開発会社の開発・マネジメントのノウハウをカリキュラム化現場の実務が研修で学べる

インターネット・アカデミーのグループ会社ではWeb開発・Saasサービスを手掛けています。実務で用いられている開発ノウハウをカリキュラム化し、研修で還元しています。

理解度チェック・アセスメントなど学習効果を可視化できる学習管理システム(LMS)

インターネット・アカデミーの学習管理システム(LMS)では「研修後の知識定着度を可視化したい」「社内報告のためのアセスメントがほしい」など、研修担当者の悩みにこたえる機能を搭載。学習の進捗管理から、さまざまな角度からの研修効果測定が行えます。

  • 研修テーマごとに受講した社員の理解度をダッシュボードで確認できます。
  • テストの結果を元に社員ごとのスコアをグラフで可視化。社内の平均スコアとの比較もできます。
  • 受講態度や理解度といった講師からのフィードバックによる定性評価にも対応しています。

AI系の研修を受けた企業からのコメント

日本アクセス株式会社

講師の説明や教材の完成度が非常に高く、分かりやすかったです。Pythonは、掘り下げて学習させてもらいましたので、今後は深いところで活用できそうです。AIのアルコリズムも以前はニューラルネットワークだけだと思っていましたが、今回は他のものも学ぶことができました。
インタビューをみる

株式会社 横河ブリッジ

ITリテラシーとAIプログラミングの研修を受講させていただきましたが、AIプログラミング講座は初めて聞く話が多くあり、大変勉強になりました。またこの講座で2人の研修講師にお世話になったのですが、IT技術が日常生活でどのように活用されているのか、お二人とも講義がわかりやすく、丁寧に説明してくださいました。
インタビューをみる

デジタル人材育成・研修について相談する

助成金で費用負担を軽減

インターネット・アカデミーのIT研修では、要件を満たすことで厚生労働省の人材開発支援助成金が利用できます。研修費用に対する経費助成と、受講中の賃金に対する賃金助成の両方が支給されます。

この助成金制度ではいくつかのコースが用意されており、研修目的に合わせて使用できる制度をご提案いたします。

経費助成+賃金助成
※eラーニングの場合、賃金助成は支給されません。
DX人材育成の研修で使える
事業展開等リスキリング支援コース
  経費助成 賃金助成 年間限度額
中小企業 75% 960(1人1時間) 1億
大企業 60% 480(1人1時間) 1億
新卒研修など幅広いテーマの研修で使える
人材育成支援コース
  経費助成 賃金助成 年間限度額
中小企業 45% 760(1人1時間) 1000万
大企業 30% 380(1人1時間) 1000万円

助成金を使った研修の事例紹介や、貴社が研修を行った場合に支給される助成額シミュレーションも承っています。お気軽にご相談ください。

助成金について相談する

DX伴走支援サービス・DX人材育成についてのご相談

法人サービスの電話お問合せ窓口
03-3341-3781
受付時間(平日・土日) 10時-21時

IT人材育成に精通したコンサルタントに無料でさまざまな相談をしていただけます。お気軽にご相談ください。

たとえばこんな相談ができます
  • DX伴走支援サービスについて、とりあえず話を聞きたい
  • 人材育成の事例を詳しく知りたい
  • 助成金の使い方や、支給額のシミュレーションを知りたい
会社名必須
部署名必須
お名前必須
ふりがな必須
電話番号必須
メールアドレス必須
受講人数
開始時期
対象者
       
ご相談内容
個人情報の取扱いについて

個人情報の利用目的についてご同意いただいた場合のみ、「同意して進む」を押してください。

プライバシー保護のため暗号化通信を使用しています。
このページの上へ