講座一覧
aipassはAI・データ系に特化して全4コースを準備しています。
また、実際に副業を始める前の準備や実践経験を積むサポートも行います。
データ分析マスターコース
定価¥462,000(税込)
キャンペーン価格
¥99,000(税込)
3ヶ月 〜 6ヶ月
/
★★
初心者でも安心。Python基礎からNumpy/Pandasによるデータ処理・可視化・グラフ描画もカバー、機械学習も手を動かしながら実践重視で楽しく習得。
こんな人におすすめ！
- データ分析に興味はあるがプログラミング初心者の方
- Excelなどの集計から一歩進みたいビジネスパーソン
- 実践的なハンズオン形式で学びたい学習者
深層学習マスターコース
定価¥462,000(税込)
キャンペーン価格
¥99,000(税込)
3ヶ月 〜 6ヶ月
/
★★★
初心者でも安心。PyTorchでニューラルネット構築から画像認識・自然言語処理まで実データで学ぶ、理論と実践バランスの実践講座。
こんな人におすすめ！
- Pythonは学習済でニューラルネット構築経験がない方
- AIプロジェクトを技術でリードしたい担当者
- 実データセットでハンズオン形式で学習を進めたい方
生成AIマスターコース
定価¥462,000(税込)
キャンペーン価格
¥99,000(税込)
3ヶ月 〜 6ヶ月
/
★★★
初学者でも安心。LangChainやRAGで情報処理・AIエージェントなど、現場で役立つ最新スキルを段階的に習得できます。
こんな人におすすめ！
- 生成AI基礎を体系的に学びたい初心者
- AIエージェントで社内業務の自動化を検討するPM
- 異業種から生成AI領域へ転職希望の社会人
カリキュラム
受講の手引き
このセクションでは、意思決定に不可欠なデータ分析スキル習得を目指し、なぜ学ぶのか、全体の流れ、各セクションや目次を説明します。
また、計画的な学習のサポートの流れをご紹介します。
Pythonの基本
このパートでは、Pythonの基本的な特徴と使い方を学びます。
Pythonは、シンプルな文法と豊富なライブラリを備え、データ解析、機械学習、Web開発、自動化など、さまざまな分野で活用されています。
具体例を通して、環境構築からコードの実行まで、ステップバイステップで解説するので、実際に手を動かしながら理論と実践の両面からスキルを磨くことができます。
日常業務や趣味のプロジェクトで即戦力となる知識を身につけていきましょう。
1. Pythonの概要と実行方法
2. 変数とデータ型
3. データ構造
4. 条件分岐
5. 繰り返し処理
Pythonの応用
このパートでは、Pythonを用いた高度なプログラミング技術を学びます。
関数を活用して効率的なコードを記述する方法、クラスを利用してオブジェクト指向プログラミングを実装する手法、そして豊富なライブラリを組み合わせて実用的なアプリケーションを構築するプロセスを習得します。
1. 関数
2. クラス
3. Pythonのライブラリ
4. 様々なライブラリの活用
データ分析の基本
このパートでは、データ分析の基礎的な手法とツールを学びます。
データの性質を理解し、NumPyを用いて効率的な数値計算を行い、Pandasを活用してデータを整理・分析する方法を習得します。
また、Matplotlibを使用してデータの可視化を行い、結果を視覚的に表現する技術を身につけます。
1. データの性質
2. Numpyによる数値計算
3. Pandasによる表計算
4. Matplotlibによるグラフ描画
教師あり学習
このパートでは、機械学習の概要を理解し、教師あり学習の基礎を学びます。
教師あり学習の回帰を用いて数値の予測を行い、教師あり学習の分類を通じてカテゴリの識別を行う手法を習得します。
1. 機械学習の概要
2. 教師あり学習（回帰）
3. 教師あり学習（分類）
教師なし学習
このパートでは、教師なし学習の基礎的な手法を学びます。
クラスタリングを用いてデータをグループに分け、主成分分析を通じてデータの特徴を簡潔に表現する方法を習得します。
1. 教師なし学習（クラスタリング）
2. 教師なし学習（主成分分析）
機械学習の高度化
このパートでは、機械学習モデルの性能を向上させるための実践的な手法を学びます。
前処理を通じてデータを適切に準備し、特徴量エンジニアリングでデータの特性を強化し、パラメータチューニングでモデルの最適化を行います。
また、不均衡データへのアプローチを活用して、偏ったデータセットに対応する方法を習得します。
1. 前処理
2. パラメータチューニング
3. 特徴量エンジニアリング
4. 不均衡データへのアプローチ
受講の手引き
このセクションでは、意思決定に不可欠な深層学習スキル習得を目指し、なぜ学ぶのか、全体の流れ、各セクションや目次を説明します。
また、計画的な学習のサポートの流れをご紹介します。
Pythonの基本
このパートでは、Pythonの基本的な特徴と使い方を学びます。
Pythonは、シンプルな文法と豊富なライブラリを備え、データ解析、機械学習、Web開発、自動化など、さまざまな分野で活用されています。
具体例を通して、環境構築からコードの実行まで、ステップバイステップで解説するので、実際に手を動かしながら理論と実践の両面からスキルを磨くことができます。
日常業務や趣味のプロジェクトで即戦力となる知識を身につけていきましょう。
1. Pythonの概要と実行方法
2. 変数とデータ型
3. データ構造
4. 条件分岐
5. 繰り返し処理
Pythonの応用
このパートでは、Pythonを用いた高度なプログラミング技術を学びます。
関数を活用して効率的なコードを記述する方法、クラスを利用してオブジェクト指向プログラミングを実装する手法、そして豊富なライブラリを組み合わせて実用的なアプリケーションを構築するプロセスを習得します。
1. 関数
2. クラス
3. Pythonのライブラリ
4. 様々なライブラリの活用
5. NumPyによる数値計算
6. Pandasによる表計算
7. Matplotlibによるグラフ描画
深層学習の基本
このパートでは、深層学習の基礎的な概念と技術を学びます。
ニューラルネットワークの構造と動作を理解し、データを用いてモデルを構築する方法を習得します。
実務でのデータ処理や予測に役立つスキルを段階的に身につけます。
1. 深層学習の概要
2. ニューラルネットワークの基本構造
3. ニューラルネットワークの学習
PyTorchを利用したニューラルネットワークの実装
このパートでは、PyTorchを用いたニューラルネットワークの構築方法を学びます。
Tensorを活用してデータを処理し、ニューラルネットワークを設計・訓練する技術を習得します。
1. Tensorの基礎
2. ニューラルネットワークの構築（回帰）
3. ニューラルネットワークの構築（分類）
4. 精度向上施策
画像認識
このパートでは、画像認識の基礎的な技術を学びます。
CNNを用いて画像データを処理し、ファインチューニングを通じてモデルの精度を向上させる方法を習得します。
1. CNNによる画像認識
2. 画像認識のファインチューニング
自然言語処理
このパートでは、自然言語処理の基礎的な技術を学びます。
形態素解析を用いてテキストを単語に分割し、ベクトル化を通じてテキストデータを数値に変換する方法を習得します。
1. 自然言語データの基本とベクトル表現
2. ニューラルネットワークによる自然言語処理
受講の手引き
このセクションでは、意思決定に不可欠な生成AIスキル習得を目指し、なぜ学ぶのか、全体の流れ、各セクションや目次を説明します。
また、計画的な学習のサポートの流れをご紹介します。
Pythonの基本
このパートでは、Pythonの基本的な特徴と使い方を学びます。
Pythonは、シンプルな文法と豊富なライブラリを備え、データ解析、機械学習、Web開発、自動化など、さまざまな分野で活用されています。
具体例を通して、環境構築からコードの実行まで、ステップバイステップで解説するので、実際に手を動かしながら理論と実践の両面からスキルを磨くことができます。
日常業務や趣味のプロジェクトで即戦力となる知識を身につけていきましょう。
1. Pythonの概要と実行方法
2. 変数とデータ型
3. データ構造
4. 条件分岐
5. 繰り返し処理
Pythonの応用
このパートでは、Pythonを用いた高度なプログラミング技術を学びます。
関数を活用して効率的なコードを記述する方法、クラスを利用してオブジェクト指向プログラミングを実装する手法、そして豊富なライブラリを組み合わせて実用的なアプリケーションを構築するプロセスを習得します。
1. 関数
2. クラス
3. Pythonのライブラリ
4. 様々なライブラリの活用
生成AIプログラミング
このパートでは、生成AIの基礎概念と実装を学びます。
ChatGPTなどの大規模言語モデルを理解し、OpenAIが提供するAPIを活用して、テキスト生成や対話システムを構築する方法を習得します。
1. AI概論
2. ChatGPTの基本
3. OpenAIの概要
4. 生成AIプログラミングの基本
5. 生成AIプログラミングの応用
LangChain
このパートでは、大規模言語モデルを活用したアプリケーション開発のためのフレームワークであるLangChainについて学びます。
言語モデルと外部データソースやツールを連携させる方法を習得します。
LangSmithを用いた開発プロセスの可視化とデバッグ手法を通じて、実用的なAIアプリケーションを構築する技術を身につけます。
1. LangChainの概要
2. LangChainの基本
3. LangChainの応用
4. LangSmith
RAG
このパートでは、RAGの基本原理と実装手法について学びます。
大規模言語モデルに外部知識を効果的に統合する方法を理解し、情報検索システムと生成モデルを組み合わせる技術を習得します。
1. RAGの概要
2. RAGの実装の基本
3. RAGの評価
4. RAGの精度向上施策
AIエージェント
このパートでは、AIエージェントの概念や実装方法について学びます。
実際に手を動かしながらLanggraghによるAエージェントの実装を通して、AIエージェントに必要な基礎技術を習得します。
1. AIエージェントの概念
2. LanggraphによるAIエージェントの実装
FAQ
Q.
受講中のサポート
安心して受講していただけるようなサポートをご用意しております。 こちらをご確認ください。
受講の利便性に関する公表先Q.
修了方法と条件
修了までの学習の進め方と修了条件はこちらで公表しております。
修了評価の方法・基準Q.
手続きに関する問い合わせ窓口
受講の手続きなどその他aipassに関するご質問・ご意見は下記からお願いいたします。
手続きに関する問い合わせQ.
各コースの目標
各コースの目標等はこちらで公表しております。
目標等の公表先