DIVE INTO CODE
EXPERT AI COURSE

世界で通用する
AIエンジニアへ。

無料説明会はこちらから

具体的なゴール

FUTURE

AIコースでは、以下の4つの技術について、いずれかを選択し、卒業課題を作成します。すべてを選択することもできますが、1000時間の学習時間では足りないかもしれません。

  • GameAgent

    GameAgentは今、AI技術の中でもっともホットな技術の内のひとつです。

  • 自然言語処理

    人間が日常的に使っている自然言語をコンピュータに処理させる一連の技術です。

  • 画像認識

    画像認識はAIの技術の中で今もっとも研究が進められている分野です。

  • 音声認識

    SiriやAmazonEchoそして、GoogleAssistantなどでお馴染みの技術です。

  • GameAgentは今、AI技術の中でもっともホットな技術の内のひとつです。アルファ碁で有名なDeepMindや、非営利団体のOpenAIもこのGameAgentに、とても力を注いでいます。
    DIVE INTO CODEでは、彼らが作成したライブラリ、DeepMind LabやOpenAI Gym,Universeを使用して、GameAgentの作成を行います。
    GameAgentとは、AIがまるで人間のようにゲームをプレイングするような技術を指しています。例えば、OpenAIがGTAVの自動運転について公開したことは、記憶に新しいのではないでしょうか。卒業課題では、GameAgentの背景・前提知識を学んだ上で好きなゲームを選択し、そのゲームをGameAgentにプレイさせることを目指します。

  • 自然言語処理の応用例のひとつにチャットボットがあります。メッセンジャー(Facebook)、Lineにおけるメッセージアプリを見れば明らかのように、私たちがメッセージアプリに時間を割くことは年々増加しています。自然言語処理を応用した、チャットボットはその流れを増強するものになります。ショッピング・ニュース・株価など、より多くの情報がチャットボットを経由して、取得・発進する日が近づいてきています。DIVE INTO CODEの卒業課題では、元となる最新の論文や、その前提となる基礎のアルゴリズムを学んだ上で、ライブラリやAPIを使用し、独自のチャットボットを作成します。

  • 画像認識が、昨今AIの流行の引き金となっています。画像認識のために、DeepLearningという技術が生まれ、その技術の画像認識の精度の高さにより、AIの流行が始まりました。画像認識は、AIの技術の中で今もっとも研究が進められているといっても過言ではありません。DIVE INTO CODEの卒業課題では、画像認識による、タグの生成や振り分けを行います。自身が画像認識で何を成し遂げたいかを元に、アルゴリズムの選択、データセットの用意、そして画像分類器を作成する予定です。

  • SiriやAmazonEchoそして、GoogleAssistantなどでお馴染みの技術です。但し、音声認識は私たちの声を認識するというタスクを担当しています、会話文を生成するのは音声認識の技術ではありません。
    DIVE INTO CODEの応用プロジェクトの一例として、音声認識技術を使って自作の音声認識アシスタントを作成することができます。(音声の指示で家のライトのON OFFなどを行うなど)音声認識技術の世界事情規模は11兆3,000億円に達する見込みです。(BCCリサーチ社調べ)音声認識技術が発達し、人間の言葉を人間と同じように認識できるようになった時に向けて、今から学び始める必要があります。

  • GameAgent

    GameAgentは今、AI技術の中でもっともホットな技術の内のひとつです。

  • GameAgentは今、AI技術の中でもっともホットな技術の内のひとつです。アルファ碁で有名なDeepMindや、非営利団体のOpenAIもこのGameAgentに、とても力を注いでいます。
    DIVE INTO CODEでは、彼らが作成したライブラリ、DeepMind LabやOpenAI Gym,Universeを使用して、GameAgentの作成を行います。
    GameAgentとは、AIがまるで人間のようにゲームをプレイングするような技術を指しています。例えば、OpenAIがGTAVの自動運転について公開したことは、記憶に新しいのではないでしょうか。卒業課題では、GameAgentの背景・前提知識を学んだ上で好きなゲームを選択し、そのゲームをGameAgentにプレイさせることを目指します。

  • 自然言語処理

    人間が日常的に使っている自然言語をコンピュータに処理させる一連の技術です。

  • 自然言語処理の応用例のひとつにチャットボットがあります。メッセンジャー(Facebook)、Lineにおけるメッセージアプリを見れば明らかのように、私たちがメッセージアプリに時間を割くことは年々増加しています。自然言語処理を応用した、チャットボットはその流れを増強するものになります。ショッピング・ニュース・株価など、より多くの情報がチャットボットを経由して、取得・発進する日が近づいてきています。DIVE INTO CODEの卒業課題では、元となる最新の論文や、その前提となる基礎のアルゴリズムを学んだ上で、ライブラリやAPIを使用し、独自のチャットボットを作成します。

  • 画像認識

    画像認識はAIの技術の中で今もっとも研究が進められている分野です。

  • 画像認識が、昨今AIの流行の引き金となっています。画像認識のために、DeepLearningという技術が生まれ、その技術の画像認識の精度の高さにより、AIの流行が始まりました。画像認識は、AIの技術の中で今もっとも研究が進められているといっても過言ではありません。DIVE INTO CODEの卒業課題では、画像認識による、タグの生成や振り分けを行います。自身が画像認識で何を成し遂げたいかを元に、アルゴリズムの選択、データセットの用意、そして画像分類器を作成する予定です。

  • 音声認識

    SiriやAmazonEchoそして、GoogleAssistantなどでお馴染みの技術です。

  • SiriやAmazonEchoそして、GoogleAssistantなどでお馴染みの技術です。但し、音声認識は私たちの声を認識するというタスクを担当しています、会話文を生成するのは音声認識の技術ではありません。
    DIVE INTO CODEの応用プロジェクトの一例として、音声認識技術を使って自作の音声認識アシスタントを作成することができます。(音声の指示で家のライトのON OFFなどを行うなど)音声認識技術の世界事情規模は11兆3,000億円に達する見込みです。(BCCリサーチ社調べ)音声認識技術が発達し、人間の言葉を人間と同じように認識できるようになった時に向けて、今から学び始める必要があります。

カリキュラム

CURRICULUM

ゴールについて知ることができたので、卒業課題までにどのような学習を進めていくのかについてご説明します。
※カリキュラムは最新の技術の動向により変更される場合があります。

前提知識

DIVE INTO CODEでは、特に前提知識として何か必要なわけではありません。
しかし、1000時間の学習をやり遂げるためコースが始まるまでに任意の教材でPythonの基礎知識を得ることをオススメします。
ex) 四則演算・変数・if・リスト・辞書・for・関数 etc...

PHASE1 300時間

PHASE1では、人工知能を学ぶ前の前提知識を得ます。PHASE1を得て、コンピュータ・サイエンスなどの強固な基礎を培います。具体的には、以下の項目を学びます。

  • 人工知能概論(事例編)
  • Python基礎
  • 計算機科学
  • アルゴリズム
  • スクレイピング
  • データサイエンス
  • オブジェクト指向設計
  • 確率統計(ベイズ統計学を含む)
  • 線形代数
  • 微積分

テキスト

人工知能概論(事例編)

人工知能を使った事例を学ぶことで、自分がどのようなことができるのか、今後どのようなことができるのかについて学びます。

Python基礎

四則演算・変数・if・リスト・辞書・for・関数などの基礎知識を、アウトプットを交えつつ学習します。プログラミングに慣れることを目指します。

アルゴリズム

学んだPythonの基礎を元に、古典的なアルゴリズムや、人工知能でよく使われるアルゴリズム・その元となったアルゴリズムをPythonで実装することを目指します。この章で、問題解決能力の取得と人工知能を理解するための土台の作成を図ります。

データサイエンス

現在のAIは、統計学から大いなる影響を受けています。したがって、統計学を実際に使用し、概念を学ぶことで人工知能を理解するための土台をより培うことができます。

数学

アルゴリズム・データサイエンスの理解に必要な確率統計・線形代数・微積分を必要な分だけ、今まで数学を専攻してこなかった人に合わせて学習します。最初から難しい数式を使わず、図やイメージで理解してから、数式で学ぶようにします。実際に、Pythonで数式を実装することで、概念を学ぶだけでなく、使いこなせることを目指します。また、さらに低レベルから数学の知識を身につける必要がある人への対応も行う予定です。

オブジェクト指向設計

Pythonを使って、最新のアルゴリズムや自分が思う機能をコードとして、実装していくことになります。Pythonでのオブジェクト指向設計を学ぶことで、実装したコードを管理しやすくすることが目的です。

授業

アルゴリズム

Pythonで用意されたアルゴリズムをその場でペア形式で解く、それぞれのコードの改善点について議論する

オブジェクト指向設計

ある機能に関して、事前に学んだオブジェクト指向設計をもとに、どのような設計をするのがベストなのかについて議論する

データサイエンス

ある題材を元に、ペアで作業をします。
例) 脳の記憶力BBCの脳のテストと、その特徴(睡眠時間・勉強時間.....)
を元に分析を行う。

PHASE2 400時間

  • 人工知能概論(技術編)
  • 機械学習
  • 深層学習(DeepLearning)

テキスト

人工知能入門

人工知能入門では、現在のAIで使用されている技術を広く知り、学ぶことを目的としています。自分のプロジェクトとして応用するためには、どのような技術があり、どう利用しているかを把握する必要があります。

機械学習

簡単な機械学習のアルゴリズム、パーセプトロンから最新のバックプロパゲーションまでを学びます。その後Pythonのライブラリを使用して、どのように利用していくかを学び、題材を元に使用します。また、機械学習に関して、簡単に利用できるサービスがあるので、そちらも使用してさらにアウトプットします。

深層学習

RNN、CNNなどを学び、現時点でどのようなアルゴリズムで、どのような分野で利用されているかを学びます。

授業

人工知能入門

全員で最新の興味のある人工知能の活用例について出し合います。ただ事例を紹介するだけではなく、どのような技術で作成されているかを議論します。

機械学習 / 深層学習

ペアプログラミングで題材を解きます。また、最新の論文をコードに落とし込むことに挑戦します。

PHASE3 300時間

最初に説明した通りに、4つの技術からひとつ選んで、その前提知識・最新のアルゴリズムとライブラリの活用例を学んだ上で自分のプロジェクト作成や、プロジェクトに応用することを目指します。

  • 専門知識の獲得
  • GameAgent
  • 自然言語処理
  • 画像認識
  • 音声認識
  • アイデア出し
  • 要件定義
  • 開発方法のレクチャー
  • 開発相談

DEMODAY

DIVE INTO CODEでは、PHASE3の最後にDEMODAYを用意しています。DEMODAYでは、PHASE3で作成した自分のプロダクトを、審査員の前で発表します。

無料説明会

PRESENTATION

説明会で、さらにDIVE INTO CODEのAIコースを知りましょう。
説明会では、実際の自習の雰囲気、具体的にどのような勉強をしているのか、 そしてDIVE INTO CODEを経て、自分がどのような姿に到達することができるのかについて知ることができます。
また、遠方の方のために、Skypeでの説明会も行っております。

詳しくはこちら

トップへ戻る