[新製品・サービス]
AI技術者向け教育コースに「数理知識」「機械学習」「深層学習」を追加─インターネット・アカデミー
2023年2月27日(月)日川 佳三（IT Leaders編集部）
Web専門の教育講座を運営するインターネット・アカデミーは2023年2月27日、AI分野の新講座に「AI（数理知識）講座」「AI（機械学習）講座」「AI（ディープラーニング）講座」を追加した。神奈川工科大学と共同開発・制作した、AI技術者を対象としたプログラミング系コースで、AIを活用した新規ビジネスや新サービスを創出できるレベルまで学べる。ライブ授業形式で、校舎またはオンラインを選んで受講する。同年3月2日の「AI（機械学習）講座」第1回目から順次開講する。
インターネット・アカデミーは、AI分野の新講座を3つ追加した。「AI（数理知識）講座」「AI（機械学習）講座」「AI（ディープラーニング）講座」である。AI技術者を対象としたプログラミング系コースで、AIを活用した新規ビジネスや新サービスを創出できるレベルまで学べるとしている。講座内容は神奈川工科大学と共同で開発・制作した。
「AI（数理知識）講座」では、マシンラーニング（機械学習）/ディープラーニング（深層学習）を実装するうえで必要な、行列、微分、確率統計などの数理知識を習得する。「AI（機械学習）講座」では、結果とデータの因果関係を分析する回帰分析をメインに、広く機械学習の知識を学ぶ。「AI（ディープラーニング）講座」では、自然言語処理や文字認識、ビッグデータの分類・判断などに使う深層学習の基礎から応用までの技術を学ぶ。3講座の概要は表1のとおり。
ライブ授業形式で、校舎またはオンラインを選んで受講する。2023年3月2日の「AI（機械学習）講座」第1回目から順次開講する。受講料（税込み）は、「AI（数理知識）講座」が授業回数3回（6～12時間）で8万9100円、「AI（機械学習）講座」と「AI（ディープラーニング）講座」が授業回数5回（10～20時間）で14万8500円。
| 講座名 | 学習分野 | 学習内容 |
|---|---|---|
| AI（数理知識）講座 | AI概論と活用事例 | 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） | ||
| 環境構築 | Google Colabの用意 | |
| Numpyの利用 | ||
| 数学基礎と関数 | 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 | 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） | ||
| 行列 | 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） | ||
| 演習（数理知識のまとめ） | ||
| AI（機械学習）講座 | 機械学習の概要 | 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） | ||
| 予測（回帰）と分類 | ||
| 機械学習アルゴリズムの種類 | ||
| 単回帰分析 | 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 | 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 | ||
| ロジスティクス回帰 | 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 | 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 | ||
| アンサンブル学習 | 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）講座 | 概要と環境準備 | 機械学習とディープラーニングの違い |
| ディープラーニングに必要とされるPC・クラウド環境 | ||
| KerasおよびTensorflowとは | ||
| データ前処理技術 | 可視化 | |
| データクリーニング | ||
| モデルの評価手法 | 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 | ||
| モデルのチューニング | 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 | 多層パーセプトロン | |
| ニューラルネットの仕組み | 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） | ||
| 体験実習（MNIST） | 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 | 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 | ||
| CNN | 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 | ||
| 先進的な技術 | GAN | |
| 自然言語処理（BERTとGPT） | ||
| 強化学習 | ||
| 演習 |
インターネット・アカデミーの教育コースには、「プログラミング系コース」（18講座）、「デザイン系コース」（9講座）、「マーケティング系コース」（6講座）の3系統がある。プログラミング系コースのAI関連講座として、すでに「AIプログラミング講座」（2回、4～8時間、5万9400円）を開講している。同講座では、AIの基礎と推薦アルゴリズムを習得し、機械学習を導入するまでを学ぶ。
今回追加した3講座は、AI技術者としてより上位のスキルを求められる講座に該当し、AIを活用した新規ビジネスや新サービスを創出できるレベルの習得を目指せるという。
