AI開発AIスペシャリスト育成研修新規サービスを創出できるAI開発者を育成

「AIスペシャリスト育成研修」では、プログラミングの基礎からデータ分析、AI開発に必須の各種ライブラリなどを総合的に学習します。AI開発における業務上の課題発見および解決をリードし、AIエンジニアとして新規ビジネスやサービス等の創出ができる人材を育成します。

期待できる効果

Pythonを用いた業務効率化のシステムを実装できるようになる
データ集計や視覚化の自動化による業務効率化や高い精度でのデータ分析ができる
多言語を使うエンジニアを短期間でリルキリングできる

研修前

他の開発言語経験のあるエンジニアはいるが、AI開発の知識や技術がなかった
AI関連の技術理解が遅れており、自社の技術では部分的にしか対応できなかった

研修後

AI開発に必須のスキルを身につけたことで、エンジニアのリスキリングができた
機械学習・ディープラーニングなどの技術が身につき対応できる案件が増えた

さまざまな企業から選ばれています

AIスペシャリスト育成研修について相談する

AIスペシャリスト育成研修の特徴

特徴1実務に直結するスキルが身につく

知識をインプットするだけではなく、プログラミングの演習を通じて、実務に直結するスキルを身につけます。
特徴2研修のカスタマイズができる

貴社の業務上の課題感や目的に合わせて、カリキュラムや研修スケジュールを柔軟にカスタマイズできます。お気軽にご相談ください。
特徴3研修の成果を可視化できる

学習管理システム(LMS)での進捗管理はもちろん、日報、理解度テストの結果、開発した成果物など、様々な角度から研修効果を測定できます。

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。

研修カリキュラム

AIスペシャリスト育成研修では、AIのシステム開発で欠かせないPythonや、サーバー、データベースなどの知識など開発者が身につけておくべき基本スキルから学習します。その後、データ分析についての知識はもちろん、機械学習やディープラーニングなどを実装するうえで必要な微分、行列、確率統計などの数理知識や各種アルゴリズムを学習します。

機械学習では、基本的な仕組みやアルゴリズムの種類はもちろん、重回帰分析やロジスティクス回帰、クラスタリングなどの機械学習で用いられる様々な手法や、人間の言葉を処理する自然言語処理など、具体的な技術について学習をします。ディープラーニングでは、機械学習との違いや、開発・運用に必要な環境、パーセプトロンやニューラルネットの仕組み、ディープラーニングを支える各種技術について学習します。

対象者

これからAI開発について学習する方
AI開発の技術を体系的に学習したい方

研修の目的

AIを活用したシステム開発ができるように、新人エンジニアに体系的な開発技術を学ばせたい
各種ライブラリを用いて機械学習やディープラーニングの機能を実装できるようにしたい

AIスペシャリスト育成研修について相談する

HTML/CSS/JavaScript基礎

項目	内容
Web概論・HTML基礎	Webの概要ホームページの概要 HTMLの基本的なタグテーブル(表)
ハイパーリンクとマルチメディア	ハイパーリンク画像とWebにおける色指定動画音声
フォーム	フォームとはフォームのパーツ(基本) フォームのパーツ(応用)
セマンティックコーディングとWeb制作フロー	HTMLの変遷セマンティック・コーディング Web制作フロー画像の書き出し HTMLのコードチェック
CSS基礎	CSSとは CSSのルールセレクターフォント、テキストのスタイリング疑似クラス
CSSレイアウト	CSSレイアウト1 CSSレイアウト2 デザインのプロパティ背景とボーダー画像その他スタイル指定
HTML構築（Dreamweaver/VSCode）	オーサリングツールとはコーディングに入る前 HTMLコードの記述
CSS構築（Dreamweaver/VSCode）	CSSコーディング開発者ツール CSS演習サーバーへのアップロード
メディアクエリ・Webフォント・CSSアニメーション	メディアクエリ Webフォント疑似要素グラデーション trasnsformプロパティートランジション・アニメーション
JavaScript基礎1	JavaScriptの概要と書式 JavaScriptの命令変数・演算子条件・ループ関数とイベント
JavaScript基礎2	DOMの仕様と要素ノードの操作属性ノードとテキストノード Googleマップの導入
jQuery	jQueryの基本 jQueryにおけるイベント処理 jQueryの実践 jQueryプラグインの利用

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

Excel操作

項目	内容
RPA概論	人工知能とは機械学習とは RPAとは RPAの種類の紹介スクレイピングとはこの研修のゴール
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
オブジェクト指向	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
Pythonを用いてのExcel操作実践	Excelの読み書き Excelファイルの読み込みシート選択シート名の確認と変更シートの変更保存アドレス「A1」のセルの選択セルの値の読み書きセルへの書き込みセルの数式の書き込み

Webスクレイピング

項目	内容
RPA概論、Python基礎	RPAとは Webスクレイピングとは必要なソフト(Anaconda、Jupyter notebook、BeautifulSoup) Jupyter notebookの使い方 Pythonの基本文法１(画面出力) Pythonの基本文法２(変数、データ型) Pythonの基本文法３(配列、ループ) Pythonの基本文法４(条件分岐) Pythonの基本文法（関数)
HTML・CSS	Webサイト構築に必要な技術 HTMLの基本的なタグハイパーリンク、フォーム CSS概要、基本文法セレクタ―
一般的なWebサイトの情報収集(初級編)	Webスクレイピングの基本 BeutifulSoupを利用したデータ取得 Pythonによるファイルの読み書き(txt形式) Pythonによるファイルの読み書き(csv形式) 演習：ニュース記事の情報をCSVにまとめる
会員サイトの情報収集(中級編)	ログイン認証を必要とする会員サイトのWebスクレイピング Selemniumを利用した自動ページ遷移演習：会員サイトの情報の自動取得演習：競合調査への利用(アイデア出し)
正規表現を用いたデータ取得(上級編)	正規表現とは正規表現を扱うPythonの命令演習：Webページの情報を正規表現で取得演習：競合調査への利用(アイデア出し)

サーバー

項目	内容
Linuxの基礎	Linuxの基本操作コマンド操作ファイルとディレクトリファイルの作成ファイルの操作ディレクトリの操作
運用作業のコマンド	ファイルの内容を閲覧コマンドを利用した処理リンクファイルの作成ファイル検索と実行パス
アクセス権限とユーザー管理	管理者でコマンド実行ユーザーとパスワード管理グループの管理ファイルアクセス権と所有者シャットダウン
ソフトウェアのインストールと管理	クラス定義の基本 yumパッケージ管理ソースコードからのインストールソフトウェアインストールの実践
ネットワークの構築	ネットワークの基礎知識 IP(Internet Protocol) TCPとUDP ネットワーク設定
パケットフィルタリング設定	パケットフィルタリングの概要パケットフィルタリングの状況確認
ネットワークトラブルシューティング	デーモン起動の設定時刻の設定ネットワークトラブルシューティング
システム運用業務	ログの確認とバックアッププロセスの概要定期的にプログラム実行システム管理の日常業務シュミレーション
Webサーバー	Apacheの設定 Apacheの高度な設定
データベースサーバー	データベース設定 SQL データベース連携
システムリソース管理と緊急時対応	システムリソースの概要システムの状況確認 sarによるリソース状況の記録と確認リソースに関するトラブルシューティング緊急時のシングルユーザーへの切替ハードウェア障害やシステム起動不能時対応
Linuxインストール・LPIC試験対策	インストール方法 LPIC試験対策

データベース

項目	内容
データベース概要	データベースとはデータモデルリレーショナルデータベースの構造データベースサーバーの位置づけ SQLとは CRUDとは
データベースの操作	コマンドでの操作(CUI) PHPMyAdminでの操作(GUI) 基本操作(起動、ログイン）データベースとテーブルの操作データ型オプション指定データの操作(INSERT、SELECCT、UPDATE、DELETE)
条件指定	WHERE句１(比較演算子、論理演算子) WHERE句２(between、LIKE、IN、NOT IN、NOT) ソート(ORDER BY) 表示件数の制御(LIMIT、OFFSET)
リレーション、キー	リレーションとは属性、組、リレーションシップキーとは主キー、複号キー、候補キー、外部キー
ALTERコマンド	テーブル名の変更列の追加、削除、変更
制約	制約とは UNIQUE、PRIMARY KEY、CHECK、NOT NULL、DEFAULT
関数	数値関数文字列関数日付関数集約関数変換関数
グループ化	group by having
副問い合わせ（サブクエリ）	副問い合わせとは FROMを用いる方法 WHEREを用いる方法 HAVINGを用いる方法
結合	結合とは(交差、内部、全外部、右外部、左外部の概要) 内部結合(INNER JOIN) 外部結合(LEFT JOIN)
トランザクション、ロック	トランザクションとは文法(宣言、コミット、ロールバック) ロックとは排他ロック、共有ロック
正規化	正規化とは第一正規形第二正規形第三正規形
設計	システム開発のワークフロー画面設計画面遷移データベース設計 ER図実体、属性、関連

AWS基礎

項目	内容
サービス概要（全体像）	AWSの全体像主要なサービスサービス特性と料金イメージ
AWSアカウントの用意	AWSのアカウントの作成 CloudWatchで料金アラートを設定 IAMで作業用ユーザーの作成
LightSail	インスタンスの作成 WordPressのインストールブラウザ経由でSSHアクセス WordPressサイトの公開
VPC(ネットワーク)	AWSにおけるネットワーク VPCの作成リージョンとAZ サブネットの作成ルーティングを設定
EC2(サーバー構築)１	EC2とは EC2インスタンスの設置 AMIとは SSHでEC2インスタンスに接続 Apacheをインストールと起動ファイアウォールの設定 HTMLの実行
補足事項	各AWSサービスの終了の仕方 Elastic IPとは Route 53とはドメインとDNS

Git

項目	内容
Gitの概念と初期設定	Gitとは Gitの歴史 GitHubとは Git、SourceTreeのインストール Gitの初期設定よく使うOSのコマンド Gitの基本的な仕組み Gitの操作の流れ Gitのデータ管理の仕組み Gitの使い方
Gitの基本操作	変更をステージへ追加変更の記録現在の状況を確認する変更履歴の確認ファイル削除・移動の記録バージョン管理しないファイルファイルへの変更の取り消しステージした変更の取り消し直前のコミットのやり直し
リモートリポジトリ	リモートリポジトリとは GitHub上のリポジトリの利用 Backlog上のリポジトリの利用リモートリポジトリの追加リモートから取得(フェッチ編) リモートから取得(プル編) フェッチとプルの使い分け(プル編) リモートから取得(リモートの情報の確認) リモートを変更・削除(プル編)
ブランチ	ブランチとはブランチの仕組みブランチの作成、切り替え変更のマージ
コンフリクト	コンフリクトとはコンフリクトの解決、防ぎ方ブランチを変更・削除ブランチを利用した開発の流れプルリクエストの流れ

データ分析基礎

項目	内容
データ分析とは	データ分析の流れデータ分析の目的基本文法データ分析をするときの定番アプローチ各グラフの使いどころ(ヒストグラム、折れ線、円グラフなど)
Pythonの復習、Pandas	演習：基本処理（変数、文字連結）演習：リストとループ処理の組み合わせ演習：関数演習：ファイルの読み書き Pandasの利用演習：Pandasを用いた計算
データの取込みから集計までの流れ	データの読み込みデータの全体像を把握データの結合（ユニオン、ジョイン）データ検算と各種統計量の確認データ集計(月別、商品別)
データの整形	データの揺れデータに揺れを残して分析してはいけない揺れを補正（商品名、金額表記、日付）顧客名をキーに２つのデータを結合計算しやすく加工したデータで再計算演習：データの揺れあり/なしで集計する
データの可視化１	顧客データの読み込みと整形顧客データの集計利用履歴データの集計顧客データと利用履歴データを組み合わせて分析演習：データを可視化して読み取れる情報
データの可視化２	月別売上の推移を可視化売上からヒストグラムを作成都道府県別の売上を集計して可視化店舗を絞り込んで可視化トグルボタンで地域データを抽出日付を指定してデータを抽出
仮説に基づいた分析	カスタマージャーニーを考えたデータ分析演習：キャンセル理由の仮説を考える仮説を検証特定店舗の売上を可視化（Excel、グラフ）演習：顧客の行動履歴から退会ユーザーと継続ユーザーの違いを分析

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