自走できるAI人材になるための
6ヶ月間長期コース

長期コース

Reskill

第四次産業革命スキル習得講座

JDLA

E資格認定講座

こんな人にオススメ

men
item.img_alt

ものづくりが好きで
AIを組み込んだ
アプリケーションを

作成したい方

item.img_alt

機械学習スキルを身に付け
市場価値を高めることで
転職を

有利に進めたい方

item.img_alt

多種多様なスキルを
持った方々と共に
モチベーションを

高めていきたい方

FEATURE

FEATURE1

日本ディープラーニング協会 E資格認定

日本ディープラーニング協会E資格認定

技術だけでなく
E資格の取得も目指す

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」の認定講座となっております。

FEATURE2

専門実践教育訓練給付制度認定

専門実践教育訓練給付制度認定

最大70%の
補助支給

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。「指定講座に必要な講座内容、目標等の明示書」はこちら

FEATURE3

アプリケーション作成までを習得

アプリケーション作成までを習得

機械学習から
Webアプリケーションまで

一般的な研修によくある機械学習のモデル構築だけでなく、アプリケーション作成までを行う実践的な講座となっております。

skill

SKILL01

★☆☆

問題解決能力

問題に立ち向かう"対応力"

様々な演習問題を数多くこなしたり、講師が問題解決していく過程を見ることで、エラー解決力や問題対応力を磨くことができます。

SKILL02

★★☆

現場で使える実装力

現場で使える"実装力"

画像処理や時系列解析をはじめとした実問題における様々な課題へのデータ解析力を身につけることで、従来の機械学習の手法から最新のディープラーニングを用いた実装力を身につけることができます。

SKILL03

★★★

受講後の自走力

立ち止まらない"自走力"

顧客のローン審査を判定するアプリケーションや、オリジナルアプリケーションを作成していく過程で、数多くの試行錯誤を経ることで、セミナー受講後も1人で自走できる力が身につきます。

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

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

業界に特化した内容も充実

製造業やリテール領域をはじめとして、新しい分野での実践的な教育の開拓実績があります。実績豊富な講師によるカスタマイズ研修も開催可能です。実現場への導入を本気で考えるからこそ、お客様と二人三脚で講座を作っていきます。

03

大手企業や資格試験との連携

日本マイクロソフト社との共同開催や、日本ディープラーニング協会(JDLA)のE資格認定講座、経済産業省の定める第四次産業革命スキル修得認定講座に指定いただき、教育内容の実用性が証明されています。

curriculum

  • 長期コース

※横スクロールでご覧いただけます

  • 事前予習動画
  • 1~4週
  • 5~8週
  • 9~12週
  • 12~24週
  • 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

機械学習・深層学習の基礎、Webスクレイピング、アプリ作成

時刻 タイトル 学ぶこと
第1週 機械学習
  • 自己紹介
  • AIの開発フロー
  • 機械学習基礎1
第2週 深層学習
  • 機械学習基礎2
  • 深層学習(分類・回帰)
第3週 Webスクレイピング
  • Seleniumの基礎
  • Beautiful soup4の基礎
  • Webサイトにアクセス・スクレイピング
第4週 アプリ開発①
  • HTML, CSS, JavaScriptの基礎
  • Flask, Herokuでデプロイ

必須

環境構築、深層学習の応用

時刻 タイトル 学ぶこと
第5週 環境構築
  • Dockerの基礎
  • サーバ連携
第6週 画像処理
  • 画像処理の基礎
  • CNNを用いた画像分類
  • ファインチューニング
  • データオーギュメンテーション
第7週 時系列・自然言語処理
  • RNNの基礎
  • LSTMを用いた株価の予測
  • テキストの前処理
  • 文書分類
第8週 アプリ開発②
  • 機械学習を用いた顧客ローン審査アプリ
  • Djangoの基礎
  • Herokuでデプロイ

必須

画像分類アプリの開発

時刻 タイトル 学ぶこと
第9週 アプリ開発期間①
  • 必要な機能の洗い出し
  • デザインの書き出し
第10週 アプリ開発期間②
  • スクレイピングによるデータ収集
  • ラベル付け
第11週 アプリ開発期間③
  • モデル構築
  • モデルの最適化
第12週 アプリ開発期間④
  • Flask/Djangoを用いたWebアプリ
  • Herokuを用いたデプロイ

必須

自走期間

時刻 タイトル 学ぶこと
第12~24週 アプリ開発期間
  • 【企画】
  • - 必要な機能の洗い出し
  • デザインの書き出し
  • ボトルネックと解決策
  • スケジューリング
  • 【データ収集】
  • データセット作成
  • 前処理
  • 【モデル作成】
  • 様々な手法を用いて試行錯誤
  • 精度向上のためのモデル・データ改善
  • 【アプリ作成】
  • アプリケーションへの落とし込み
  • 必要な機能の追加

必須

機械学習発展

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
  • 事前予習動画
  • 1~4週
  • 5~8週
  • 9~12週
  • 12~24週
  • 補講動画

必須

環境構築から Keras で実装(分類)

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

必須

環境構築から Keras で実装(分類)

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

必須

環境構築から Keras で実装(分類)

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

必須

環境構築から Keras で実装(分類)

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

必須

環境構築から Keras で実装(分類)

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

schedule

  • オンライン開催
  • 東京開催
  • 名古屋開催

※横スクロールでご覧いただけます

開催日程 説明会 開催地詳細 座席状況
9,10月予定 7,8月予定(下記お知らせ登録をお願いします。)

日程 説明会 開催地詳細 座席状況
11月予定 9月予定(下記お知らせ登録をお願いします。)

日程 説明会 開催地詳細 座席状況
11月予定 9月予定(下記お知らせ登録をお願いします。)

日程 説明会 開催地詳細 座席状況
2/14(火)~4/16(木) 9:30~17:30
2/14(火)~4/16(木) 9:30~17:30

長期コース

受講料金

720,000円(税抜)

オンライン資料の費用込みの価格

faq

説明会申し込みから受講までの流れを教えてほしいです。

「説明会参加→入校テスト→受講者発表→受講開始」という流れです。※入校テストとは事前のテストにおいて知識を問うものはありません。 内容としては、「タイピングスピード」と「機械学習の知識をどのように活かしたいか」などの簡単なヒアリングを行うのみです。

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/

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でも学習を進められるように事前予習動画を用意しております。また、エラーが発生した場合にも講座を受け持つ講師、サポーターがしっかりとサポートするので安心です。

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。

長期コースを受講予定だが、E資格を受けることは可能ですか?

はい、可能です。本講座では、E資格認定試験の受講資格のみを得ることができます。E資格認定試験を受験される際は、別途受験料がかかります。受験料や詳細の情報は、こちらからご確認いただけます。

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