~AIに使われずにAIを使いこなす~

ディープラーニング

研修成果

1.ChatGPTやGeminiのような生成AIの仕組みから学ぶことで生成AIを使いこなせるようになる

2.AIの専門家とコミュニケーションが取れるようになる

3.今年度中のG検定合格を目指すための学習のポイントがわかる


特徴

コツを伝授します

G検定は2時間の試験時間で、220~230問程度の出題されますので、1問を約30秒で解かなければならない試験です。ただし、Webで検索が可能という非常に現代的な特徴も持っています。初学者が苦労するコンセプトを中心にお話します。

演習中心

研修中は重要な問題をピックアップして問題演習と解説を繰り返していきます。表面的な理解ではなく、仕組みからしっかり理解できるように解説していきます。通常の書籍等とは異なり、受講者の皆さんの実務とのつながりを第1に考え現在使われている技術から解説していきます。

実体験

アニメーションやゲームあるいはPythonのコードを操作します。実体験を通して学ぶことで記憶に定着することができます。時間が足りない部分は後で体験できるようにリンク集を差し上げております。参加者のお仕事内容によっては実業務に活かせるサービスも含まれているかと思います。

達成目標

  • 次回の一般社団法人日本ディープラーニング協会に合格するための知識と勉強方法を身につける。

対象

  • これからAIを学ぶ初学者の方
  • AIを使ったシステムの開発を予定しているエンジニア
  • AI技術者とコミュニケーションをとる必要のある方
  • G検定はどなたでも受けられる資格試験です

前提知識:高校卒業レベルの数学の知識

定員:16名様(超える場合はご相談ください)

カリキュラム

1日目

1.研修の目的と目標
①本研修を通じてAI技術の全体像を理解し、実務への応用力を養う。
②G検定合格を1つの到達目標としながらも、プログラムの基本から技術原理まで幅広く学習する。

2.G検定の概要
①G検定とは:日本ディープラーニング協会(JDLA)が主催する検定。
②出題範囲:AI・機械学習・ディープラーニングの基礎知識、法律、倫理など。
③学習方法と対策:公式テキスト、模擬問題、eラーニングの活用。

3.人工知能の最近の動向
①生成AI(ChatGPT, DALL·E など)の台頭
②自然言語処理技術の進化(LLM、BERT、GPTなど)
③自動運転や医療画像診断などへのAI応用
④AIにまつわる倫理・バイアス・説明可能性の課題

4.ディープラーニングの概要
①ニューラルネットワークの構造と学習
②活性化関数、誤差逆伝播法(Backpropagation)
③ディープラーニングと従来の機械学習の違い
④ G検定に出る数理統計学

2日目

5.ディープラーニングの基本
①CNN(畳み込みニューラルネットワーク):画像認識に強い構造
②RNN(リカレントニューラルネットワーク):時系列データ処理
③強化学習・深層強化学習:AlphaGoなどの事例
④深層生成モデル(GAN、VAE):画像生成・データ拡張など

6.ディープラーニングの応用
①画像認識:顔認識、防犯カメラ、医療画像診断
②自然言語処理:翻訳、要約、質問応答、チャットボット
③音声認識:音声アシスタント、自動字幕生成など

7.機械学習の具体的手法
①教師あり学習:線形回帰、ロジスティック回帰、決定木、SVMなど
②教師なし学習:k-means、主成分分析(PCA)など
③強化学習:エージェントと環境の相互作用
④アンサンブル学習:ランダムフォレスト、ブースティングなど

扱わない内容

・AIプロジェクトに必要な知識(細目)
①AI開発プロセスの全体像
②データに関する基礎知識
③評価指標の理解
④アルゴリズムの選定と特徴
⑤実装・運用上の留意点

・AIの社会実装に伴う法律・倫理(細目)
①個人情報保護法(日本)
② GDPR(EU一般データ保護規則)
③AI倫理に関する国際的な原則
④AIバイアスと社会的影響
⑤説明責任と透明性

必要備品

Google chromeでインターネット環境にアクセスできるパソコンがあること。

価格(ノンカスタマイズの場合)

講師料:15万円(税別)
テキスト代:3,000円(税別) ✕ 研修参加人数

研修テキストへのリンク

IT企業の人財育成に関することなら0120-559-463受付時間 9:00-18:00 [ 土・日・祝日除く ]

お問い合わせ メールでお気軽にどうぞ