AI人材育成講座

AIの全般的な知識と技術により課題解決のため自らプログラムを作成する方法を学びます。
本講座はプログラミング演習を中心に、知識だけでなく作る力を身に付けることができます。

本講座では以下の3つをAIエンジニアに求められる資質と考えます。

■課題解決力・開発力

AI開発においてよく用いられる技術である「機械学習・数値分析」「自然言語処理」「画像認識」に関して、与えられたタスク対してディープラーニングをはじめとする適切な手法を選択し、それを実行するプログラムを自ら開発することができる。

■専門力・分析力

作成したAIにより得られた結果が妥当・十分な結果であるか評価を下すことができ、改善が必要な場合は行うべき施策を自ら考え、実施することができる。

■伝達・コミュニケーション力

顧客やマネージャー、同僚エンジニアなどに対し、AIに関し正しい用語を用いることで情報伝達を齟齬なく行い、意思決定に必要となるコミュニケーションを適切かつ円滑に行うことができる。

• AI各分野（機械学習・画像認識・自然言語処理等）について、課題と手法を正しく理解できる
• AI各分野の課題解決のためのプログラムを作成できる
• AIを必要とする課題に対して、目標設定・データの選択・手法選択・分析・プログラムの作成を 実践できる

IT部門のエンジニア等

• AIやその活用に興味があり、プログラミングの知識・経験がある方
  （演習はすべてPythonを用いて行いますので、Pythonの経験がない方は事前に入門書等での学習を強く推奨いたします）
• 文献やウェブで必要な情報や技術を調査・参照し、プログラミングできる方
• 線形代数、微分、確率などの数学の基礎（推奨）

■AI全般
AIの定義・特徴などAIを学ぶ上で前提となる知識を学ぶ。
また、必要となる数学について学び、Pythonを用いたプログラミング演習を行う。

■数値分析・機械学習
数値分析・機械学習の各種手法を、プログラミング演習を通して学ぶ。

• 機械学習概論
• 前処理
• 回帰モデル
• 分類モデル
• クラスタリング

■自然言語処理
自然言語処理の基礎技術、および単語や文章の特徴量の抽出と利用方法をプログラミング演習を通して学ぶ。

• 自然言語処理概論
• 形態素解析
• 特徴量抽出
• 文書分類

■画像認識・ディープラーニング
画像のパターン認識や、畳込みニューラルネットワーク（CNN）を利用した画像認識、および、ディープラーニングをプログラミング演習を通して学ぶ。

• 画像認識概論
• パターン認識
• ニューラルネットワーク・ディープラーニングの理論
• CNN
• 転移学習
• 自己符号化
• R-CNN
• RNN・LSTM

■AI実習
データに対して、AIを用いた解決策を考え、AI開発を実践する。

全講義終了後にPythonによるプログラム作成を中心としたレポート形式の修了テストを実施いたします。
修了テストでは前述の「AIエンジニアに求められる資質」に基づき、各分野の課題解決力を確認いたします。
修了テストにて全分野で100点満点中、基準点70点以上を取得された方には、修了認定証を発行いたします。