最短3日間初学者でも
ディープラーニング実装できる

ディープラーニングハンズオンセミナー

microsoft

日本マイクロソフト共同開催

JDLA

E資格認定講座

こんな人にオススメ

men
item.img_alt

AI案件を
任されるようになり
実務をこなすための

基礎を身に付けたい方

item.img_alt

機械学習・
ディープラーニングなどの
AI技術や数学について

体系的に学びたい方

item.img_alt

一歩進んだ
高度な処理を必要としたり
プログラミング経験が

中級以上の方

FEATURE

FEATURE1

E資格認定講座

E資格認定講座

JDLA認定
E資格認定講座

日本ディープラーニング協会(JDLA)が提供するエンジニア向け(E資格)の認定講座です。

FEATURE2

Microsoft公式認定

Microsoft共同開催

日本マイクロソフト社
共同開催

日本マイクロソフト社から公式に認定を受けたデータサイエンティスト育成セミナーとなっています。

FEATURE3

公式Reスキル講座

公式Reスキル講座

第四次産業革命
スキル習得講座

経済産業大臣が認定する「第四次産業革命スキル習得講座」の認定講座、厚生労働省指定の「教育訓練支援給付金」の対象講座となっており、最大70%の補助が出ます。

RESULTS

オンライン・オフライン合わせた

受講者数24000名超え!

受講企業社数70社以上

受講企業社数99社以上

講義満足度90%

講義満足度98%

※満足度5段階中4以上の割合

受講企業

※ロゴは使用許可を頂いた一部企業様

  • isid
  • TRIAL
  • RICOH
  • mizuho
  • TOKYO GAS
  • CANON
  • NTT data
  • Prudential
  • OKI
  • ATEAM
  • SUMITOMO

reason

01

圧倒的にわかりやすい講師

キカガクは「教育のプロ集団」です。難しいことをわかりやすく伝えるために徹底した訓練を全員が受けています。講師は正社員のみに絞り、講義の質を維持することを最優先に考えています。

02

手書きの数学とハンズオン形式

従来型のスライドを用いた講義ではなく、手書きやハンズオン形式による習熟度の高い受講生積極参加型の講義

03

実践的なカリキュラム

特定の業界に特化した企業と協力することで、専門的かつ実践的な講義内容を実現

AI

illust

今だけ 9時間分 の学習動画を 無料 でプレゼント!

  • AIに必要な数学をわかりやすく手書きで解説!
  • Pythonの基盤から機械学習の実装を体形的に習得できます!
合計9時間分の学習動画
01

合計9時間分の学習動画

  • [キカガク流]脱ブラックボックス講座 初級・中級編
  • AIを実務で使うための必須知識
  • 統計の基礎、機械学習(重回帰分析)の実践
  • AIをビジネスに活用するとは
E-BOOK&研修一覧資料
02

E-BOOK&研修一覧資料

  • 人工知能・機械学習・ディープラーニングとは
  • AIを実務で使うための必須知識
  • ディープラーニングの得意な領域
  • 会社概要・研修一覧

今すぐ申込みを検討される方へ

points

キカガクのミッション
icon

気軽に質問できる環境

講義中だけではなく、講義前後や休憩時間に
講師・サポーターに質問できる環境

手厚いサポート体制
icon

手厚いサポート体制

講師に加え 1〜2名のサポーターを配置しており、
初学者がエラーや疑問点でつまずかないサポート体制

講師と受講生で創り上げる講義
icon

講師と受講生で創り上げる講義

講師から受講生、受講生から講師への
双方向コミュニケーションによる対話型講義

lecturer

今西 航平

取締役副社長

徹底した
初学者目線

今西 航平IMANISHI KOHEI

大学時代から塾講師として「教育」という道を歩み、教えることに夢中になるくらい、教えることが好きで自信を持っています。多くの方々に、ゴール逆算で考え抜いた実践的なカリキュラムを体感していただきたいです!

酒井 健三郎

研修事業部責任者

苦手な数学を
好きに変える

酒井 健三郎Kenzaburo Sakai

短期セミナーや数学周りのセミナーを担当しています。教える上で最も大切にしていることは「初学者目線」です。効率よく最短距離で学べるよう、相手が持つ前提知識をしっかりと把握し教えることを大切にしています。

佐川 史弥

講師/マネージャー

「わかる」から
「使える」までをサポートします

佐川 史弥Fumiya Sagawa

受講される方全員が満足できる講義をお届けしたいと思っています。難しいことはもちろん、基礎的なことこそ単純明快に。一つずつAIの世界へ足を踏み入れ、共に手を取り合いながら学びを楽しみましょう!

西沢 衛

新規事業部責任者

実務を想定し
使える知識をお届けします

西沢 衛MAMORU NISHIZAWA

ディープラーニングやAzure、リテール関連の研修など、幅広い領域を担当しています。人はやればできると信じています。キカガクのセミナーを通して「AI」という広く深い世界への一歩目を踏み出しましょう!

山下 公志郎

講師/マネージャー

あなたの成長に
徹底的に向き合います

山下 公志郎KOSHIRO YAMSHITA

主に短期セミナーの講師を担当しています。受講生の方々のニーズを理解し、一人一人に合った学び方を提供し、次のステップに進めるように心がけています。ただ教えるだけでなく、「感動する学び」を目指しています。

skill

SKILL01

★☆☆

ディープラーニングの全体像がわかる

ディープラーニングの
全体像がわかる

ディープラーニングを学ぶ際の障壁は「何から手を付ければよいかが分からない」ということです。この点について、ディープラーニングの全体像の体系だった地図を得ることができます。ベースとなる手法を理解することは最新動向を自力で追う基礎固めとなります。

SKILL02

★★☆

実践的なモデルの実装

実践的な
モデルの実装

ディープラーニングの理論の詳細を掴むことで、講義外の内容についても自走力・応用力を身につけることができます。任意の学習済みモデルを実装する力をつけることができ、活躍の幅が広がります。

SKILL03

★★★

網羅的なスキルが身につく

網羅的なスキルが
身につく

実装を通して一連の流れを身につけることができ、受講後の活用イメージが湧きます。コスト、性能、その他様々な実務の観点から最適な手法選択とその実装ができるようになります。

curriculum

  • PyTorch コース
  • TensorFlowコース

※横スクロールでご覧いただけます

  • 予習動画
  • 1日目
  • 2日目
  • 3日目
  • E資格補講動画

必須

数学の基礎から Python の基礎を学ぶ

時刻 タイトル 学ぶこと
40分 イントロダクション
  • 人工知能、機械学習、ディープラーニングとは
  • 機械学習に必要な数学
  • 機械学習の3大トピック
  • 内挿と外挿
50分 微分
  • 微分は「何」に使えるのか?
  • 導関数を求めよう
  • 微分の公式
  • 偏微分
40分 単回帰分析(数学)
  • 「モデル」を決める
  • 「評価関数」を決める
  • 評価関数を「最小化」する
70分 Python入門
  • プログラミングの環境構築
  • 変数
  • 基本構文
  • 複数の変数を扱う
  • 制御構文
  • 関数
40分 単回帰分析(実装)
  • Numpyの数値計算
  • Pandasによるデータベース操作
  • Matplotlibでグラフ描画
  • 実データに対する単回帰分析の実装
60分 線形代数
  • スカラー,ベクトル,行列
  • 行列の演算
  • サイズ感
  • 転置,単位行列,逆行列
  • ベクトルで微分
50分 重回帰分析(数学)
  • 「モデル」を決める
  • 「評価関数」を決める
  • 評価関数を「最小化」する
70分 重回帰分析(実装)
  • 行列演算の基礎
  • パラメータの導出
  • 実データで演習
30分 統計
  • 主な統計量
  • 正規分布と3σ法
  • スケーリング
30分 外れ値を考慮した実装
  • 外れ値除去
  • モデル構築
  • スケーリングとパラメータの確認
15分 ビジネス活用
  • 現場で機械学習を導入できる人材とは

必須

環境構築からPyTorchの基礎を学ぶ

時刻 タイトル 学ぶこと
9:30-10:00 イントロダクション
  • 自己紹介
  • AIの開発フロー
10:00-11:00 環境構築
  • Azure を用いた GPU インスタンスの作成
  • Docker の基礎
  • Nvidia-Docker を用いた GPU 環境構築
11:10-13:30 ディープラーニングの数学1
  • ニューラルネットワーク のモデル
  • 線形変換
  • 非線形変換
13:30-14:00 ディープラーニングの実装1
  • PyTorch の基礎
  • 線形変換
  • 非線形変換
14:10-14:40 プログラミング基礎
  • Class の基礎
14:40-15:20 ディープラーニングの数学2
  • 最急降下法によるパラメータ更新
  • ミニバッチ学習
15:30-16:50 ディープラーニングの実装2
  • データセットを準備
  • ネットワークを定義
  • 損失関数を選択
  • 最適化手法を選択
  • ネットワークを学習
17:00-17:30 ディープラーニングの数学3
  • モデルの定義
  • ミニバッチ学習
  • 最適化手法 (SGD, Adam)
  • 学習ループの記述

必須

PyTorch で分類、回帰問題の実装と画像分類を学ぶ

時刻 タイトル 学ぶこと
9:30-11:00 分類(実装)
  • 問題設定(ワインの等級の予測)
  • モデルの定義
  • 学習ループの簡略化
  • バッチ正規化の実装
11:10-13:30 回帰(実装)
  • 問題設定(家賃の予測)
  • モデルの定義
  • 学習
13:30-14:30 画像処理(数学)
  • 画像の扱い方
  • どのようにベクトルで表現するか
  • フィルタの基礎
  • エッジフィルタの計算
  • Convolutional Neural Network
14:40-15:10 画像処理(実装)
  • 画像の読み込み(OpenCV, Pillow)
  • フィルタの計算
15:10-16:50 画像分類
  • CNNモデルの定義
  • GPU を用いた計算
17:00-17:30 課題
  • 実データに対する画像分類の精度を高める

必須

PyTorch で時系列解析から文書分類を学ぶ

時刻 タイトル 学ぶこと
9:30-10:30 時系列解析(数学)
  • 時系列データとは
  • どのようにベクトルで表現するか
  • 複数の変数に対するモデル化
  • Recurrent Neural Network
10:40-13:30 時系列解析(実装)
  • データの取得
  • データの可視化
  • トレンド抽出
  • RNN モデルの定義
  • 実データに対する分類の実装
13:40-14:50 自然言語処理
  • 形態素解析
  • どのようにベクトルで表現するか
15:00-16:20 文書分類
  • 形態素解析
  • 名詞のみの抽出
  • 特徴量変換(BoW)
  • 文書データから教師データ作成
  • NN モデルで分類の実装
16:30-17:30 文章生成
  • 可変長データの扱い
  • RNN によるモデル化

E資格を受験される方 必須

時刻 タイトル 学ぶこと
160分 数学~線形代数~
  • ノルム
  • 内積
  • 逆行列
  • 行列式
  • 三次の逆行列
  • 固有値問題
  • 特異値分解
  • ラグランジュの未定乗数法
  • 主成分分析
85分 数学~確率統計~
  • 期待値
  • 確率分布
  • ベイズ則
  • 尤度関数
50分 情報理論
  • 情報量
  • エントロピー
  • KLダイバージェンス
90分 機械学習~基礎・パーセプトロン~
  • 機械学習アルゴリズム
  • 微分で必要な知識
  • パーセプトロン
40分 機械学習~サポートベクターマシン~
  • サポートベクターマシン
50分 機械学習~ロジスティック回帰~
  • ロジスティック回帰
15分 機械学習〜k-means・最近傍法〜
  • k-means
  • 最近傍法
70分 深層学習〜誤差逆伝播法・過学習対策〜
  • 最急降下法の復習
  • 誤差逆伝播法
  • ドロップアウト
  • 正則化
50分 深層学習〜最適化〜
  • 最適化-1-最急降下法
  • 最適化-2-SGD
  • 最適化-3-モーメンタム
  • 最適化-4-ネステロフのモーメンタム
  • 最適化-5-Adagrad
  • 最適化-6-RMSProp
  • 最適化-7-Adam
80分 深層学習〜CNN・R-CNN〜
  • CNN-1-有名なモデル1
  • CNN-2-有名なモデル2
  • R-CNN-1-概要
  • R-CNN-2-CNNの復習
  • R-CNN-3-CNNの中身
  • R-CNN-4-IoU
  • R-CNN-5-Fast R-CNN
  • R-CNN-6-Multi task Loss
  • R-CNN-7-Faster R-CNN
  • SemanticSegmentation-1-U-net
  • SemanticSegmentation-2-FCN
  • SemanticSegmentation-3-SegNet
50分 深層学習〜RNN〜
  • RNN-LSTM1
  • RNN-GRU
  • RNN-GradientClipping
  • RNN-双方向RNN
60分 深層学習〜生成モデル〜
  • 生成モデル-AE
  • 生成モデル-VAE
  • 生成モデル-GAN
75分 深層学習〜強化学習〜
  • 強化学習
55分 深層学習〜計算グラフ〜
  • 計算グラフ -計算グラフとは
  • 計算グラフ -足し算、掛け算
  • 計算グラフ- Affine変換
120分 深層学習〜NN実装〜
  • NumpyでNN実装
  • NumpyでNN実装-レイヤとしてまとめていく
  • NumpyでNN実装-逆伝播-Affine
  • NumpyでNN実装- 各種Optimizerについて
  • NumpyでNN実装-NNの構造
  • NumpyでNN実装-データの準備
  • NumpyでNN実装-学習に必要な準備
  • NumpyでNN実装-学習
  • NumpyでNN実装-推論
  • RNN-Attention
90分 新シラバス
  • 正規化
  • モデル圧縮
  • 分散処理
  • MobileNet
  • DenseNet
  • Pix2Pix
  • WaveNet
  • Transformer
  • AlphaGo
  • 予習動画
  • 1日目
  • 2日目
  • 3日目
  • E資格補講動画

必須

数学の基礎からPythonの基礎を学ぶ

時刻 タイトル 学ぶこと
40分 イントロダクション
  • 人工知能、機械学習、ディープラーニングとは
  • 機械学習に必要な数学
  • 機械学習の3大トピック
  • 内挿と外挿
50分 微分
  • 微分は「何」に使えるのか?
  • 導関数を求めよう
  • 微分の公式
  • 偏微分
40分 単回帰分析(数学)
  • 「モデル」を決める
  • 「評価関数」を決める
  • 評価関数を「最小化」する
70分 Python入門
  • プログラミングの環境構築
  • 変数
  • 基本構文
  • 複数の変数を扱う
  • 制御構文
  • 関数
40分 単回帰分析(実装)
  • Numpyの数値計算
  • Pandasによるデータベース操作
  • Matplotlibでグラフ描画
  • 実データに対する単回帰分析の実装
60分 線形代数
  • スカラー,ベクトル,行列
  • 行列の演算
  • サイズ感
  • 転置,単位行列,逆行列
  • ベクトルで微分
50分 重回帰分析(数学)
  • 「モデル」を決める
  • 「評価関数」を決める
  • 評価関数を「最小化」する
70分 重回帰分析(実装)
  • 行列演算の基礎
  • パラメータの導出
  • 実データで演習
30分 統計
  • 主な統計量
  • 正規分布と3σ法
  • スケーリング
30分 外れ値を考慮した実装
  • 外れ値除去
  • モデル構築
  • スケーリングとパラメータの確認
15分 ビジネス活用
  • 現場で機械学習を導入できる人材とは

必須

環境構築から TensorFlow(Keras)で実装(分類)

時刻 タイトル 学ぶこと
9:30-10:00 イントロダクション
  • 自己紹介
  • AIの開発フロー
10:00-10:50 数学演習(テスト)
  • 微分
  • 線形代数
  • 統計
10:50-13:30 プログラミング演習(テスト)
  • Jupyter Notebook
  • リスト, タプル, 辞書
  • 制御構文
  • NumPy, Pandas, Matplotlib
13:30-14:30 環境構築
  • Azure
  • GPU(CUDA)
  • Docker
  • Nvidia-Docker
14:40-16:00 ディープラーニング(数学)
  • ニューラルネットワークのモデル
  • 線形変換
  • 非線形変換
16:10-17:30 ディープラーニング(実装)
  • TensorFlow(Keras)の基礎
  • GPU環境の確認
  • 問題設定(ワインの等級の予測)
  • Seaquential APIによるNNモデルの定義
  • バッチ正規化の実装

必須

画像の取り扱い方から TensorFlow(Keras)で画像分類を学ぶ

時刻 タイトル 学ぶこと
9:30-10:50 回帰(実装)
  • 問題設定(家賃の予測)
  • NNモデルの定義
11:00-12:00 画像処理(数学)
  • 画像の扱い方
  • どのようにベクトルで表現するか
  • フィルタの基礎
  • エッジフィルタの計算
  • Convolutional Neural Network
13:00-14:30 画像処理(実装)
  • 画像の読み込み(OpenCV,Pillow)
  • フィルタの計算
14:40-15:40 画像分類
  • CNNモデルの定義
  • Functional API の実装
15:50-16:20 課題
  • 実データに対する画像分類の精度を高める
16:30-17:30 TensorBoardの使い方
  • 学習過程の可視化
  • 画像データの表示
  • パラメータの確認

必須

TensorFlow(Keras)で時系列解析と文書分類を学ぶ

時刻 タイトル 学ぶこと
9:30-10:30 時系列解析(数学)
  • 時系列データとは
  • どのようにベクトルで表現するか
  • 複数の変数に対するモデル化
  • Recurrent Neural Network
10:40-13:30 時系列解析(実装)
  • データの取得
  • データの可視化
  • トレンドの抽出
  • RNNモデルの定義
  • 実データに対する分類の実装
13:40-14:50 自然言語処理
  • 形態素解析
  • どのようにベクトルで表現するか
15:00-16:20 文書分類
  • 形態素解析
  • 名詞のみの抽出
  • 特徴量(BoW)
  • 文書データから教師データ作成
  • NNモデルでの分類の実装
16:30-17:30 文章生成
  • 可変長データの扱い
  • RNN によるモデル化

E資格を受験される方 必須

時刻 タイトル 学ぶこと
160分 数学~線形代数~
  • ノルム
  • 内積
  • 逆行列
  • 行列式
  • 三次の逆行列
  • 固有値問題
  • 特異値分解
  • ラグランジュの未定乗数法
  • 主成分分析
85分 数学~確率統計~
  • 期待値
  • 確率分布
  • ベイズ則
  • 尤度関数
50分 情報理論
  • 情報量
  • エントロピー
  • KLダイバージェンス
90分 機械学習~基礎・パーセプトロン~
  • 機械学習アルゴリズム
  • 微分で必要な知識
  • パーセプトロン
40分 機械学習~サポートベクターマシン~
  • サポートベクターマシン
50分 機械学習~ロジスティック回帰~
  • ロジスティック回帰
15分 機械学習〜k-means・最近傍法〜
  • k-means
  • 最近傍法
70分 深層学習〜誤差逆伝播法・過学習対策〜
  • 最急降下法の復習
  • 誤差逆伝播法
  • ドロップアウト
  • 正則化
50分 深層学習〜最適化〜
  • 最適化-1-最急降下法
  • 最適化-2-SGD
  • 最適化-3-モーメンタム
  • 最適化-4-ネステロフのモーメンタム
  • 最適化-5-Adagrad
  • 最適化-6-RMSProp
  • 最適化-7-Adam
80分 深層学習〜CNN・R-CNN〜
  • CNN-1-有名なモデル1
  • CNN-2-有名なモデル2
  • R-CNN-1-概要
  • R-CNN-2-CNNの復習
  • R-CNN-3-CNNの中身
  • R-CNN-4-IoU
  • R-CNN-5-Fast R-CNN
  • R-CNN-6-Multi task Loss
  • R-CNN-7-Faster R-CNN
  • SemanticSegmentation-1-U-net
  • SemanticSegmentation-2-FCN
  • SemanticSegmentation-3-SegNet
50分 深層学習〜RNN〜
  • RNN-LSTM1
  • RNN-GRU
  • RNN-GradientClipping
  • RNN-双方向RNN
60分 深層学習〜生成モデル〜
  • 生成モデル-AE
  • 生成モデル-VAE
  • 生成モデル-GAN
75分 深層学習〜強化学習〜
  • 強化学習
55分 深層学習〜計算グラフ〜
  • 計算グラフ -計算グラフとは
  • 計算グラフ -足し算、掛け算
  • 計算グラフ- Affine変換
120分 深層学習〜NN実装〜
  • NumpyでNN実装
  • NumpyでNN実装-レイヤとしてまとめていく
  • NumpyでNN実装-逆伝播-Affine
  • NumpyでNN実装- 各種Optimizerについて
  • NumpyでNN実装-NNの構造
  • NumpyでNN実装-データの準備
  • NumpyでNN実装-学習に必要な準備
  • NumpyでNN実装-学習
  • NumpyでNN実装-推論
  • RNN-Attention
90分 新シラバス
  • 正規化
  • モデル圧縮
  • 分散処理
  • MobileNet
  • DenseNet
  • Pix2Pix
  • WaveNet
  • Transformer
  • AlphaGo

schedule

  • PyTorch 通常版
  • TensorFlow 通常版
  • 反転学習
  • チーム学習

※横スクロールでご覧いただけます

日程 開催時間 開催地詳細 座席状況
2020/8/5(水)~8/7(金) 9:30~17:30 受付終了
2020/9/23(水)~9/25(金) 9:30~17:30
2020/10/21(水)~10/23(金) 9:30~17:30
日程 開催時間 開催地詳細 座席状況
2020/9/16(水)~9/18(金) 9:30~17:30
日程 開催時間 開催地詳細 座席状況
2020/8/19(水)~8/21(金) 9:30~17:30
2020/10/7(水)~10/9(金) 9:30~17:30
日程 開催時間 開催地詳細 座席状況
2020/9/8(火)~9/10(木) 9:30~17:30

ディープラーニングハンズオンセミナー

通常版

200,000円(税抜)

・完全対面形式のコースです。
・E資格受験プランの場合、補講動画が追加され受講料金は300,000円(税別)となります。

反転学習版

160,000円(税抜)

・詳細はこちらをご覧ください
・E資格には対応しておりません。
・PyTorchコースのみの提供です。

チーム学習版

60,000円(税抜)

・詳細はこちらをご覧ください
・E資格には対応しておりません。
・PyTorchコースのみの提供です。

今すぐ申込みを検討される方へ

faq

E資格の次の開催はいつですか。

2020年8月29日(土)に実施を予定していたE資格2020#2は新型コロナウィルス感染症の拡大状況等を踏まえ、中止となりました。次回は2021年2月19日(金)20日(土)実施予定です。詳細は日本ディープラーニング協会の公式ページをご確認ください。

平日 火・金コースのカリキュラムはどうなりますか。

記載カリキュラムの、「1日目(7時間)」が「1日目(3.5時間)・2日目(3.5時間)」となり、3日間が6日間に変更となります。

中止の可能性はありますか。

最少催行人数は3名です。セミナー開始日の2週間前までに最少催行人数に達しない場合はセミナーを中止いたします。中止の場合のみご連絡を差し上げております。

E資格受験をする際はどのような流れになりますか。

①お申し込みフォームより「E資格受験プラン」でお申し込みください。
②事前学習の後、セミナーをご受講ください。
③セミナー受講後、補講動画をご視聴ください。
④補講動画を修了されましたら、視聴完了フォームからご報告ください。
⑤確認が取れ次第、JDLAに申込コード発行を依頼します。申込コードが届きましたら、ご自身でE資格にお申し込みください。
※大変恐れ入りますが、補講動画の内容に関する質問は原則として受付できませんので、ご了承ください。

オンラインの場合、どのように研修を行いますか。

オンライン研修の受講の仕方についてはこちらをご確認ください。

プログラミング未経験でも受講できますか。

プログラミング未経験者でもわかる予習動画がございます。こちらを学習して頂く事でセミナー受講は十分に可能です。もし、不安なようであれば早めに申し込んで頂き、予習の時間を多くとる事をおすすめしております。

請求書は受講前に発行できますか。

はい、可能です。請求書発行に関する情報は、お申込み後のメールにてご連絡差し上げます。

専門実践教育訓練給付金を利用したいです。

詳細はこちら
専門実践教育訓練明示書はこちら
専門実践教育訓練給付金の利用の手続きは、ご本人で最寄りのハローワークにて進めてくださいますようお願いいたします。以下のリンクにて概要まとめております。詳しい内容は必ずハローワークにお問い合わせください。
https://blog.kikagaku.co.jp/2020/04/01/subsidy-seminar/

ハンズオンセミナープランで受講したが、E資格を受けることは可能ですか。

ハンズオンセミナープランでご受講の方でも、補講動画を視聴いただくことでE資格受験が可能となります。
追加でお申込みの方は、以下のフォームよりお申込みいただいております。
追加費用10万円(税抜)にてご視聴いただけます。
アカウントは通常、お申込み後3営業日ほどで発行されます。
お申し込みはこちら

見積書が欲しいです。

こちらのフォームより必要情報を記入ください。担当者より見積書をPDFでお送りさせていただきます。

受講日が未定なのですが、日付未定でも受講申し込みができるような予約チケット(バウチャーチケット)はありますか。

バウチャーチケットをご用意しております。先払いで購入して頂き、6ヶ月先までの日程に関して自由にお選び頂く事が可能です。詳しくはお問い合わせ窓口にご相談ください。
[email protected]

Recommend

ディープラーニング
画像特化編

ディープラーニング<br>画像特化編
こんな方にオススメ

画像領域の独学での学習に挫折してしまった方

ディープラーニング
自然言語特化編

ディープラーニング<br>自然言語特化編
こんな方にオススメ

Transformer や BERT をはじめとする最新手法の理論と実装を学びたい方

DP-100 対策講座

DP-100 対策講座
こんな方にオススメ

クラウドを活用したモデルの学習からデプロイの一連のスキルを体系的に学びたい方

WEBからのお問い合わせ

受付時間:平日9:00 - 18:00

よくあるご質問