気になる人
- Aidemy(アイデミー)の評判を知りたい
- Aidemy(アイデミー)の各コースの概要と料金を知りたい
この記事はそんな方へ向けて書いています。
この記事では、Aidemy(アイデミー)
目次
Aidemy(アイデミー)の基本情報






Aidemy(アイデミー)
現在は、Aidemy Premium Planという「3ヶ月で AI人材になる」をコンセプトにしたPython特化のカリキュラムを提供するAIオンラインプログラミングスクールを設立しました。
Aidemy(アイデミー)
さらに個人向けのカリキュラムは、「厚生労働省指定講座」にも選ばれているため受講料のうち最大で70%まで国から支援を受けることができます。
各コースの学習内容は本記事の一番最後に記載しますが、先にAidemy(アイデミー)
オンライン無料相談会も実施しているので、AIを学んでみたい方はまず参加してみることをおすすめします!
Aidemy(アイデミー)の各コースと料金比較表
Aidemy(アイデミー)
コース比較表 | ||||||
---|---|---|---|---|---|---|
講座 | 3ヶ月(税込) | 6ヶ月(税込) | 9ヶ月(税込) | 選び放題 | 成果物作成 | Reスキル |
AIアプリ開発 | 528,000円 | 858,000円 | 1,078,000円 | ○ | ○ | ○ |
データ分析 | 528,000円 | 858,000円 | 1,078,000円 | ○ | ○ | ○ |
自然言語処理 | 528,000円 | 858,000円 | 1,078,000円 | ○ | ○ | ○ |
AI マーケティング | 528,000円 | 858,000円 | 1,078,000円 | ○ | ○ | ー |
クラウドAI開発 | 528,000円 | 858,000円 | 1,078,000円 | ○ | ○ | ー |
実践データサイエンス | 528,000円 | 858,000円 | 1,078,000円 | ○ | ○ | ー |
E資格対策講座 | 327,800円 | ー | ー | ー | ー | ー |
機械学習マスター | 528,000円 | 858,000円 | ー | ー | ○ | ー |
機械学習モデル開発 | 330,000円 | ー | ー | ー | ー | ー |
E資格対策講座+AIアプリ開発 | ー | 858,000円 | ー | ー | ○ | ー |
E資格対策講座+データ分析 | ー | 858,000円 | ー | ー | ○ | ー |
E資格対策講座+自然言語処理 | ー | 858,000円 | ー | ー | ○ | ー |
E資格対策講座+AI マーケティング | ー | 858,000円 | ー | ー | ○ | ー |
36回払いの場合は、14,666円/月で分割払いにも対応しています。
また、受講期間を1ヶ月につき16.5万円(税込)で延長も可能になっています!
Aidemy(アイデミー)のカリキュラム内容






Aidemy(アイデミー)
すべてのコースで以下のサポート・学習環境が用意されています。
- 完全オンラインでマンツーマン
- マンツーマン学習サポート
- 「講座受け放題」で、さらに学べる
- チャットで質問し放題
- オンラインカウンセリング
- 転職相談ができる
完全オンラインでマンツーマン
Aidemy(アイデミー)
さらに、プログラム受講中は講師がマンツーマンで、学習進捗のサポートや添削課題や成果物を丁寧にレビューしてくれます!
ポートフォリオの作成もサポートするので、転職活動に役立てることが可能です。
「講座受け放題」で、さらに学べる
受講期間内であれば、画像認識・自然言語処理・AIアプリ開発等の講座からさらに学習したい講座を自由に追加受講することができます。
受講した講座に加え、自身の興味や習熟度に合わせ、追加費用無料で受講可能です!
※対象講座はAIアプリ開発講座、自然言語処理講座、データ分析講座、AIマーケティング講座、実践データサイエンス講座、クラウドAI開発講座です。
チャットで質問し放題
講師が待機しており、わからないことは講師にチャットで質問し放題!
24時間以内に必ず返信します。
講師がSlack上でプログラミング学習の技術サポートをします。
オンラインカウンセリング
1回25分、講師に何でも聞けるカウンセリングを受けられます。
オンラインカウンセリグでは、学習で分からなかったことを画面を見ながら教えてもらうこともできます。
以下の時間帯でオンラインカウンセリングを実施しています。
(月)(土) 12:00 ~ 22:00
(日)(火)〜(金)17:00 ~ 22:00
転職相談ができる
機械学習エンジニア、データサイエンティスト等へのキャリアチェンジをお考えの方はキャリアコンサルタントに相談ができます!
Aidemy(アイデミー)のメリット
徹底したサポート体制
受講料最大70%OFFと全額返金保証
未経験からの機械学習エンジニアとしての転職実績
Aidemy(アイデミー)
転職先には、
- Everforth社
- Avintonジャパン社
- アクセンチュア社
などの名だたる企業でコンサルタント会社などもあります!
学習でつまずいている箇所を質問できたり、講師からのコードレビューなどで実務的な知識を学べるのは独学にはないポイントとして評価いただいております。
徹底したサポート体制
Aidemy(アイデミー)
- ペースに合わせた学習進捗管理で最適な学習計画を立てていきます。
- 週1回のカウンセリングで不明点などを直接講師に聞いて解決していきます。
- オンラインチャットでいつでも質問や疑問点聞くことができ回答も24時間以内に受け取ることができます。
難しい分野で、オンラインだからこそ疑問点などをすぐに解決できる環境や挫折を防ぐ取り組みがあるのは安心ですね!
全額返金保証
Aidemy(アイデミー)
プログラミングスクールは決して安くなく、通うことは人生を左右する決断だと思います。だからこそ自分で経験して通塾するかを決めることが重要だと思います!
なので、この全額返金保証はとてもいい取り組みだと思います!
Pythonを使えるエンジニアの業界年収事情






ビズリーチによる2016年の調査では、Pythonのプログラマーの平均年収は651万円となっていて、他の言語を抑えてのトップです。
また、厚生労働省が発表しているプログラマーの平均年収は、350万円~500万円となっているので、平均を大幅に上回っていることからも、Pythonプログラマーは稼ぎやすいとみて問題はなさそうですね!
学んだ後の費用対効果の点からもPythonが学べるAidemy(アイデミー)
Aidemy(アイデミー)の評判・口コミ
続いては、Aidemy(アイデミー)
良い評判・口コミ:わかりやすい
56日目 5時間9分 ・AidemyのMatplotlib ・ノートで復習 ・深層学習の本 Aidemyわかりやすいな 深層学習難しいな
良い評判・口コミ:書籍よりも理解が早い
今週から #Aidemy の月額プランの教材で機械学習の勉強をしています! ディープラーニングを用いた画像認識のコースを選択しているんだけど、問題形式で実際にコードを書くから書籍だけよりも理解が早い。学習効率上げるためにお金を払うことの大事さに最近やっと気づきだした!
良い評判・口コミ:すぐに添削してもらえる
📙勉強記録 数学ⅠA(三角形と三角比):3時間40分 英語:1時間40分 Python:2時間30分 計:7時間50分 昨日提出したAidemyの添削課題、すぐに添削結果が返ってきて、温かいアドバイスも頂いた😂嬉しい… 一歩ずつ前に進もう。
良い評判・口コミ:機械学習エンジニアとしての内定実績
機械学習エンジニアとして内定を頂けました。 30歳、現場経験ゼロの私にチャンスをくれた会社様に感謝しかありません。 そして今まで助けてくれた人に感謝です。 特に@never_be_a_pmさん @y_taisei1217 さんに感謝です。 このスタート地点から必ず躍進します。
内定でた!諦めていたので嬉しい。#Aidemy ありがとう。 残り2週間ちょっとAidemy フル活用して頑張ろう!
良い評判・口コミ:環境構築沼にハマりづらい
みんなprogateとかUdemyとかやってるから 自分もAidemy初めて見た。 すごくとっつきやすい。 新しい分野の入口としては最高かもしれん 環境構築でハマったりしないし。 AIプログラミング学習サービス「Aidemy」で 機械学習概論 を学習しています!
良い評判・口コミ:生きた知識を学べる
(何をやっても #Aidemy さんで学んだ知識が生きるので本当に素晴らしい) ということで Azure Machine Learning デザイナーで 欠損データについての扱いについて 今回は欠損値を 0 で補完します。(画面右下あたり)
とても良かった。 こちらが分からない内容や、質問事項に迅速に対応してくれた。 特に言語の発音や、なぜそうなるか具体的に教えてもらった。一つ難点を言えば、発音の細かい部分がわからづらい時もあった。 総合的に見ると、復習も大切だが、コロナ禍の今を考えるとこれからオンラインの必要性は大いにかんじられた。 これからも機会があれば試したい
コエテコより
私もUdemyで機械学習のコースを2つ購入していますが、正直あまり進んでいません。
総額で見ると決して安くありませんが、月額だと「税込 14,666円/月~」提供しているので正直受講するか迷っています。
絶対に未来の投資になるので。
受講までの流れ
Aidemy(アイデミー)のまとめと評価






個人的な評価ですが
正直機械学習を学ぶなら、Aidemy(アイデミー)
悩んでいるなら、まずは無料相談で実際に相談してみることをおすすめします。
各コースの学習内容
かなり豊富なコースと学習内容で量が膨大になってしまったため、一番最後に記載させていただきます。
AIアプリ開発講座
AIアプリ開発講座は、画像認識を利用した機械学習を用いたWebサービスを作成する講座で、データの取得から、機械学習アルゴリズム、Webアプリの実装までの流れを学んでいきます。
AIアプリ開発講座 | |||
---|---|---|---|
目安週・時間 | コース名 | 内容 | 到達目標 |
1週目(7.0h) | Python入門 | 機械学習で最も使われるプログラミング言語「Python」の基 礎 | 文字の出力、変数の概要、条件分岐、ループなど、「Python」の基礎的な使い方の習得 |
1週目(4.5h) | ライブラリ「NumPy」基礎 | 「Python」のベクトルや行列計算を高速に行うためのライブラリ「NumPy(ナンパイ)の基礎」 | 「NumPy」を用いた効率的な科学技術計算の習得 |
2週目(5.5h) | ライブラリ「Pandas」基礎 | 「Python」のデータ分析用ライブラリ「Pandas(パンダス)の基礎」 | 「Pandas」を用いた教養や時系列データの計算の習得 |
2週目(7.0h) | ライブラリ「Matplotlib」基礎 | Matplotlibを用いたデータを可視化する方法 | 折れ線グラフや円グラフ、ヒストグラム、3Dグラフ作成方法を習得 |
3週目(5.5h) | データクレンジング | 機械学習モデルにデータを読み込ませるために、データの欠損値や画像の前処理を行う | CSVデータの扱い方や欠損値の処理、OpenCVを用いた画像加工の方法を習得 |
3週目(4.5h) | 機械学習概論 | 機械学習の基本や制度評価の方法について | 初歩的な機械学習アルゴリズムの習得 |
4週目(6.0h) | 教師あり学習(分類) | 正解ラベル付きデータセットを使って機械学習モデルを作る手法について | 画像や文章などをカテゴリ分けする「分類」モデルの扱い方を習得 |
4週目(5.5h) | スクレイピング入門 | Webページから必要な情報を自動で抜き出す作業について | BeautifulSoupを用いたスクレイピングの手法の習得 |
5週目(6.0h) | ディープラーニング基礎 | 深層学習(ディープラーニング)のアルゴリズムの詳細と実装の概観 | DNNを用いて手書き文字認識に挑戦 |
5週目(6.0h) | CNNを用いた画像認識 | CNNの実装を概観 | CNNを実際を用いて手書き文字認識や一般物体認識に挑戦し、精度向上のテクニックや転移学習の実装 |
6週目(7.0h) | 男女識別(深層学習発展) | 画像処理を用いて、男性の写真と女性の写真の分類を行う | CNNを実際の画像に応用することで定着を促す |
6週目(4.0h) | Flask入門のためのHTML&CSS | HTML、CSSについての基礎を学習 | Webアプリ開発に最低限必要な知識の習得 |
7週目(4.0h) | Flask入門 | PythonのWebアプリフレームワークFlaskの使い方を学習 | Webアプリ開発に最低限必要な知識の習得 |
7週目(8.0h) | MNISTを用いた手書き文字認識アプリ作成 | 手書きの数字を分類する機械学習モデルを作成し、それをWebアプリを用いて展開する | Webアプリ開発を行ってみて、技術の定着を図る |
8-9週目(20.0h) | アプリ制作 | 学習した内容を踏まえてWebアプリを作成する | 自身のポートフォリオとして活用できるアプリを作成し、その過程で学習内容の振り返りを行う |
10週目(5.0h) | コマンドライン入門 | Webアプリを公開する上で必要なコマンドラインに関する知識を習得する | Webアプリ公開に最低限必要な知識の習得 |
10週目(5.0h) | Git入門 | バージョン管理システムGitに関する知識を習得する | Webアプリ開発に最低限必要な知識の習得 |
11週目(20.0h) | Herokuへのデプロイ方法 | 「アプリ制作」にて完成したアプリを Web上にデプロイする | 自身で作成したアプリを公開できる |
12週目(30.0h) | ブログ作成 | 学習した内容を踏まえて技術ブログを作成する | 自身のポートフォリオとして活用できるブログを作成し、その過程で学習内容の振り返りを行う |
E資格対策講座+AIアプリ開発コースは、上記の学習内容に加えて、
- 機械学習のための線形代数
- 確率論・情報理論
- 強化学習
- E資格のための確認試験
などが入り、6ヶ月間かけて学んでいきます。
データ分析講座
データ分析講座は、画像認識を利用した機械学習を用いたWebサービスを作成する講座で、データの取得から、機械学習アルゴリズム、Webアプリの実装までの流れを学んでいきます。
データ分析講座 | |||
---|---|---|---|
目安週・時間 | コース名 | 内容 | 到達目標 |
1週目(7.0h) | Python入門 | 機械学習で最も使われるプログラミング言語「Python」の基 礎 | 文字の出力、変数の概要、条件分岐、ループなど、「Python」の基礎的な使い方の習得 |
1週目(4.5h) | ライブラリ「NumPy」基礎 | 「Python」のベクトルや行列計算を高速に行うためのライブラリ「NumPy(ナンパイ)の基礎」 | 「NumPy」を用いた効率的な科学技術計算の習得 |
2週目(5.5h) | ライブラリ「Pandas」基礎 | 「Python」のデータ分析用ライブラリ「Pandas(パンダス)の基礎」 | 「Pandas」を用いた教養や時系列データの計算の習得 |
2週目(7.0h) | ライブラリ「Matplotlib」基礎 | Matplotlibを用いたデータを可視化する方法 | 折れ線グラフや円グラフ、ヒストグラム、3Dグラフ作成方法を習得 |
3週目(5.5h) | データクレンジング | 機械学習モデルにデータを読み込ませるために、データの欠損値や画像の前処理を行う | CSVデータの扱い方や欠損値の処理、OpenCVを用いた画像加工の方法を習得 |
4週目(5.5h) | データハンドリング | Pythonを用いて大量のデータを取り扱う際に必要な基礎知識 | テキストやCSVを始めとするビジネスデータの収集・加工・結合・マスター化などを通じて「意味のあるデータ」に整形する技能を習得 |
5週目(4.5h) | 機械学習概論 | 機械学習の基本や制度評価の方法について | 初歩的な機械学習アルゴリズムの習得 |
5週目(4.0h) | 教師あり学習(回帰) | 正解ラベル付きデータセットを使って機械学習モデルを作る手法について | 数値予測などを行う「回帰」モデルの実装方法を習得 |
6週目(6.0h) | 教師あり学習(分類) | 正解ラベル付きデータセットを使って機械学習モデルを作る手法について | 画像や文章などをカテゴリ分けする「分類」モデルの扱い方を習得 |
6週目(5.5h) | 教師なし学習 | 正解ラベルがついていないデータセットを使って機械学習モデルを作る手法 | クラスタリングや主成分分析といったアルゴリズムの手法の習得 |
7週目(7.5h) | 時系列解析Ⅰ(統計学的モデル) | 季節変動や曜日変動など定期的周期を持った時系列データの解析を行うためのアルゴリズムについて | トレンドを除去しながら数値予測を行う手法に習熟し、時系列分析を実装する技術を習得 |
8週目(7.0h) | 機械学習におけるデータ前処理 | Pythonで機械学習を行う際に必要となる様々な前処理について。 | 実務で必須となる前処理をスマートに実装するためのライブラリの使い方を習得する |
8週目(6.0h) | ディープラーニング基礎 | 深層学習(ディープラーニング)のアルゴリズムの詳細と実装の概観 | DNNを用いて手書き文字認識に挑戦 |
9週目(6.5h) | 自然言語処理基礎 | 自然言語処理の方法について | 文章を数値に変換する手法を学び、教師あり学習(分類)を使ってカテゴリ分類に挑戦 |
10週目(6.0h) | 感情分析/株価予測 | 自然言語処理と時系列分析を用いて、株価の予測を行う | 複数の情報をかけ合わせて1つの予測値を導出する方法を習得 |
11週目(5.0h) | タイタニック(kaggleのコンペ) | 1912年に発生したタイタニック号沈没事件のデータを用い、生存率の予測を行う | 学習したデータ分析の技術について復習し、kaggleでも通用するデータ分析能力を身につける |
12週目(30.0h) | ブログ作成 | 学習した内容を踏まえて技術ブログを作成する | 自身のポートフォリオとして活用できるブログを作成し、その過程で学習内容の振り返りを行う |
E資格対策+データ分析講座は、上記の学習内容に加えて、
- 機械学習のための線形代数
- 確率論・情報理論
- 強化学習
- E資格のための確認試験
などが入り、6ヶ月間かけて学んでいきます。
自然言語処理講座
自然言語処理講座は、機械学習、ディープラーニング、自然言語処理を学び、応用課題ではツイッターのデータから、会社の株価を予測するモデルを作成していきます。
自然言語処理講座 | |||
---|---|---|---|
目安週・時間 | コース名 | 内容 | 到達目標 |
1週目(7.0h) | Python入門 | 機械学習で最も使われるプログラミング言語「Python」の基 礎 | 文字の出力、変数の概要、条件分岐、ループなど、「Python」の基礎的な使い方の習得 |
1週目(4.5h) | ライブラリ「NumPy」基礎 | 「Python」のベクトルや行列計算を高速に行うためのライブラリ「NumPy(ナンパイ)の基礎」 | 「NumPy」を用いた効率的な科学技術計算の習得 |
2週目(5.5h) | ライブラリ「Pandas」基礎 | 「Python」のデータ分析用ライブラリ「Pandas(パンダス)の基礎」 | 「Pandas」を用いた教養や時系列データの計算の習得 |
2週目(7.0h) | ライブラリ「Matplotlib」基礎 | Matplotlibを用いたデータを可視化する方法 | 折れ線グラフや円グラフ、ヒストグラム、3Dグラフ作成方法を習得 |
3週目(5.5h) | データクレンジング | 機械学習モデルにデータを読み込ませるために、データの欠損値や画像の前処理を行う | CSVデータの扱い方や欠損値の処理、OpenCVを用いた画像加工の方法を習得 |
3週目(5.5h) | データハンドリング | Pythonを用いて大量のデータを取り扱う際に必要な基礎知識 | テキストやCSVを始めとするビジネスデータの収集・加工・結合・マスター化などを通じて「意味のあるデータ」に整形する技能を習得 |
4週目(4.5h) | 機械学習概論 | 機械学習の基本や制度評価の方法について | 初歩的な機械学習アルゴリズムの習得 |
4週目(4.0h) | 教師あり学習(回帰) | 正解ラベル付きデータセットを使って機械学習モデルを作る手法について | 数値予測などを行う「回帰」モデルの実装方法を習得 |
5週目(6.0h) | 教師あり学習(分類) | 正解ラベル付きデータセットを使って機械学習モデルを作る手法について | 画像や文章などをカテゴリ分けする「分類」モデルの扱い方を習得 |
5週目(5.5h) | 教師なし学習 | 正解ラベルがついていないデータセットを使って機械学習モデルを作る手法 | クラスタリングや主成分分析といったアルゴリズムの手法の習得 |
6週目(6.5h) | 自然言語処理基礎 | 自然言語処理の方法について | 文章を数値に変換する手法を学び、教師あり学習(分類)を使ってカテゴリ分類に挑戦 |
7週目(6.0h) | ディープラーニング基礎 | 深層学習(ディープラーニング)のアルゴリズムの詳細と実装の概観 | DNNを用いて手書き文字認識に挑戦 |
8週目(7.0h) | ネガ・ポジ分析 | 極性辞書を用いて、与えられたテキストがポジティブかネガティブか判定する | 自然言語処理を用いた代表的な分析手法を体験する |
9週目(6.5h) | 日本語テキストのトピック抽出 | 自然言語処理とネットワーク分析により、日本語テキストからトピック(話題)を抽出し特性を把握する方法について | テキストを定量的に解析し、大量の文書を効率よく正確に把握することに役立たせ、新たな知識の発見や戦略の意思決定をできるようにする |
10週目(6.5h) | 自然言語処理を用いた質疑応答 | 機械翻訳や自動要約などの発展的な自然言語処理における深層学習 | ニューラルネットワークモデル を用いた自然言語処理における、前処理、具体的手法を、質問応答システムを作成しながら説明し、実装していく |
11-12週目(30.0h) | ブログ作成 | 学習した内容を踏まえて技術ブログを作成する | 自身のポートフォリオとして活用できるブログを作成し、その過程で学習内容の振り返りを行う |
E資格対策+自然言語処理講座は、上記の学習内容に加えて、
- 機械学習のための線形代数
- 確率論・情報理論
- 強化学習
- E資格のための確認試験
などが入り、6ヶ月間かけて学んでいきます。
AIマーケティング講座
AIマーケティング講座は、AIプログラミングの実装スキル、データ・ドリブンなマーケティングを展開するビジネスのスキルを修得します。最終課題ではAIをどうマーケティングに活用していくかのビジネス企画書を作成いただきます。業務としてマーケティングを行っている方だけでなく、AIを軸にビジネス知見を広げたい方にオススメの講座です。
AIマーケティング講座 | |||
---|---|---|---|
目安週・時間 | コース名 | 内容 | 到達目標 |
1週目(8.0h) | AIマーケター育成コース | 「AIマーケティングに活用するノウハウ」がわかる入門講座 | マーケティング業務とAIができることをぐらい的に関連付けて情報を整理し、「AIマーケター」へとステップアップするための知識を習得 |
1週目(4.5h) | 機械学習概論 | 機械学習の基本や制度評価の方法について | 初歩的な機械学習アルゴリズムの習得 |
2週目(7.0h) | Python入門 | 機械学習で最も使われるプログラミング言語「Python」の基 礎 | 文字の出力、変数の概要、条件分岐、ループなど、「Python」の基礎的な使い方の習得 |
2週目(4.5h) | ライブラリ「NumPy」基礎 | 「Python」のベクトルや行列計算を高速に行うためのライブラリ「NumPy(ナンパイ)の基礎」 | 「NumPy」を用いた効率的な科学技術計算の習得 |
3週目(5.5h) | ライブラリ「Pandas」基礎 | 「Python」のデータ分析用ライブラリ「Pandas(パンダス)の基礎」 | 「Pandas」を用いた教養や時系列データの計算の習得 |
3週目(7.0h) | ライブラリ「Matplotlib」基礎 | Matplotlibを用いたデータを可視化する方法 | 折れ線グラフや円グラフ、ヒストグラム、3Dグラフ作成方法を習得 |
4週目(4.5h) | オープンイノベーション実践のためのAIリテラシー | 電通・BASE Qによるオープンイノベーション実践のためのAIリテラシー講座 | 新規事業開発においてAIを活かすための知識を習得 |
4週目(4.0h) | 機械学習につながるビジネス数学 | ビジネス職の方に向けて、機械学習とは何か、また機械学習とビジネス数学との関連を解説する | 機械学習プロジェクト導入の流れの中で、ビジネス数学がどう関わり、ビジネスパーソンとしてどのような数学的視点を持っておくべきかが抑えらた状態。 |
5週目(4.0h) | ビジネスパーソンのためのデータサイエンス入門 | データ分析で実現できることから分析手順について | データサイエンティストになるために必要なものを理解する |
5週目(5.5h) | データクレンジング | 機械学習モデルにデータを読み込ませるために、データの欠損値や画像の前処理を行う | CSVデータの扱い方や欠損値の処理、OpenCVを用いた画像加工の方法を習得 |
6週目(0.5h) | 機械学習におけるデータ前処理 | Pythonで機械学習を行う際に必要となる様々な前処理について。 | 実務で必須となる前処理をスマートに実装するためのライブラリについてコード例を習得 |
6週目(4.0h) | 教師あり学習(回帰) | 正解ラベル付きデータセットを使って機械学習モデルを作る手法について | 数値予測などを行う「回帰」モデルの実装方法を習得 |
7週目(6.0h) | 教師あり学習(分類) | 正解ラベル付きデータセットを使って機械学習モデルを作る手法について | 画像や文章などをカテゴリ分けする「分類」モデルの扱い方を習得 |
7週目(5.5h) | 教師なし学習 | 正解ラベルがついていないデータセットを使って機械学習モデルを作る手法 | クラスタリングや主成分分析といったアルゴリズムの手法の習得 |
8週目(6.5h) | 自然言語処理基礎 | 自然言語処理の方法について | 文章を数値に変換する手法を学び、教師あり学習(分類)を使ってカテゴリ分類に挑戦 |
8週目(6.5h) | 日本語テキストのトピック抽出 | 自然言語処理とネットワーク分析により、日本語テキストからトピック(話題)を抽出し特性を把握する方法について | テキストを定量的に解析し、大量の文書を効率よく正確に把握することに役立たせ、新たな知識の発見や戦略の意思決定をできるようにする |
9週目(6.0h) | ディープラーニング基礎 | 深層学習(ディープラーニング)のアルゴリズムの詳細と実装の概観 | DNNを用いて手書き文字認識に挑戦 |
9週目(6.0h) | 時系列解析Ⅱ(RNNとLSTM) | 深層学習のネットワークであるRNNとLSTNについて | 深層学習では、なぜ時系列分析ができなかったのか、どのようにして時系列分析ができるようになったのかについて理解する。 |
10週目(5.0h) | 時系列解析Ⅲ(LSTM応用) | 時系列データの前処理から、ネットワーク構築・予測 | 時系列を扱う深層学習のネットワークである、LSTMを用いた売上予測を実装の習得 |
10週目(6.5h) | 自然言語処理を用いた質疑応答 | 機械翻訳や自動要約などの発展的な自然言語処理における深層学習 | ニューラルネットワークモデル を用いた自然言語処理における、前処理、具体的手法を、質問応答システムを作成しながら説明し、実装していく |
11-12週目(30.0h) | ブログ作成 | 学習した内容を踏まえて技術ブログを作成する | 自身のポートフォリオとして活用できるブログを作成し、その過程で学習内容の振り返りを行う |
E資格対策+AI マーケティング講座は、上記の学習内容に加えて、
- 機械学習のための線形代数
- 確率論・情報理論
- 強化学習
- E資格のための確認試験
などが入り、6ヶ月間かけて学んでいきます。
クラウドAI開発
クラウドAI開発講座は、データサイエンティストが機械学習ワークフローを実行するのに欠かせないツールが用意されたAzure Machine Learning で機械学習モデルの構築と訓練の技術を習得していきます。
初心者から上級者まで、最新の機械学習アプリケーションを実装する全ての人にオススメな講座です。
実践データサイエンス
実践データサイエンス講座は、世界最大規模のデータサイエンスコミュニティ Kaggle で上位入賞を目指せるスキルを、実際に手を動かして学べる講座になっています。
これから Kaggle を始める方から、すでデータサイエンスの基礎を習得した方まで幅広い層の方におすすめです。
機械学習マスター
機械学習マスター講座は、機械学習およびディープラーニング分野について、画像認識、自然言語処理、数値予測の内容を6か月間で網羅的に一挙習得することを目的とした講座になっています、
豊富なPythonの演習問題をご用意しており、確かな実力が身につく充実したカリキュラムとなっています。
数学と統計学の内容を含みますので、数学に不安がある方も事前知識なしでAIプログラミング学習に挑戦可能になっています。
機械学習モデル開発
機械学習モデル開発講座は、ビジネスのデジタル変革の上流から下流までの過程を俯瞰し計画する力と、その各過程における技術的課題を機械学習の基本的知識に基づいて解決する力を修得する発展的な講座になっています。
本講座には、京都情報大学院大学客員教授で、AI関連書籍も多数出版されている赤石雅典氏を講師に迎え、AI プロジェクトを成功させる上流工程のツボに関する特別講義が組み込まれています。



















