AI技術実践講座2025

株式会社COPELコンサルティングは、毎年好評のAI講座「AI技術実践講座2025」を9月6日よりオンラインで開催します。

本講座は、現代のAIの原理・基礎からツールを理解して機械学習や深層学習の社会実装まで学びます。最近、加速的に実用化が進むAI技術について、活用事例の紹介を交えながら講義・実習を進めます。復習用アーカイブ配信がありますので、じっくり考えて学べる唯一の講座です。
講義編で「AIの原理を理解する」という基礎的な知識から、ニューラルネットワークを通じて深層学習と物体・画像認識、データ解析、データ可視化技術について学び、生成AIから最新の応用事例や展望を紹介します。
実習編では、Pythonやscikit-learn、ディープラーニング向けのライブラリKerasを使用し、AI実装のプログラミングの基礎を学ぶとともに、AIシステムの実装に向けたモデル構築から評価までの基礎的事項を習得します。
AIの実用に臨む方、事業展開を検討されている方は必聴の講座です。ぜひご参加ください。

■開催日程■
講義編　9/6（土）～12/6（土） 10時～12時　全７回
実習編　9/10（水）～12/3（水） 18時～20時　全７回

■開催形式■ オンライン開催（Zoomウェビナー）、アーカイブ配信あり ※視聴期間限定

■受講料■
① 講義編＋実習編 40,000 円
② 講義編のみ 25,000 円
③ 実習編のみ 25,000 円（すべて税込み）

■カリキュラムと日程■
＜講義編＞
第1回　9/6（土）10時～12時　人工知能（AI）を概観する
(1) AIとは？（AIで何をする？　何ができる？）
　・定義・発展過程・応用事例
(2) AI事前知識
　・データ表現、AIの数学必須知識
　・用語
ChatGPTなど、生成AIが社会に大変革をもたらしています。生成AIを含む現代AIの基礎から最新応用までを本講座では学びます。
第1回は、AI利活用の観点から、(1)AIの応用事例などを通じてAIの全体像をまず展望します。
続いて(2)では、AIの理解・処理に必須の事前知識（データの取り扱いや基礎数学（テンソル、アフイン変換など））を初歩から解説します。またAIの用語・用法について整理し、AIのポイントをつかむことを目指します。

第2回　9/20（土）10時～12時　現代AI原理を理解する
(1) ニューラルネットワーク基礎
　・脳とパーセプトロン
　・素子、アーキテクチャ、学習のしくみ
(2) 統計的手法と現代AI
　・代表的なAIアルゴリズム例
(1)では、ニューラルネットワーク（神経回路網：現代AIの原理基盤）に関してAI構築に必要な基礎知識（情報処理素子ニューロンやネットワーク構造および機械学習法など）を学びます。その際、その理解を深めるために、我々の脳の情報処理についても少し学びます。続いて(2)では、線形回帰・分類などの統計的手法とAIの機械学習手法と何が違うのかを眺めつつ、AIの代表的な機械学習アルゴリズムについての知見を深めます。

第3回　10/4（土）10時～12時　ディープラーニング（深層学習）を理解する
(1) フィードフォーワードニューラルネットワーク
(2) リカレントニューラルネットワーク
これまでに学んだ基礎知識を基に、(1)では、ヒトのもつ物体・画像認識能力を凌駕するに至った畳込みニューラルネットワーク(CNN)などのフィードフォーワードニューラルネットワークのしくみを学びます。(2)では、自然言語処理など時系列処理を可能にしたリカレントニューラルネットワーク(RNN)を学びます。また、それらの発展技術についても学びます。

第4回　10/18（土）10時～12時　生成AIを理解する
(1) 生成AI技術の基礎
(2) 各種生成モデルとその利活用
　・ボルツマンマシン
　・敵対的生成ネットワーク
　・拡散モデル
最近Chat-GPT（テキスト生成）やStable　Diffusion（画像生成）などの生成AIが急進展し、現代社会に不可欠なAI革命技術となってます。第４回では、この生成AIの基礎技術を学びます。(1)では、その準備として、オートエンコーダ―(AE)並びに変分AE(VAE)を学びます。続いて(2)で、利活用の観点から、ボルツマンマシン(BM)、敵対的生成ネットワーク(GAN)、拡散モデル(Diffusion))を紹介します。

第5回　11/8（土）10時～12時　GPTとは？（現代AI応用の理解を深める）
(1) 自然言語処理
(2) アテンションとトランスフォーマー
(3) GPTの課題
GPT（生成事前学習トランスフォーマー）のしくみを通して現代AIの理解をさらに深めます。まず(1)では、自然言語処理とGPTを概観し、(2)で、アテンション及びトランスフォーマー技術について学びます。attention（注意）はGPTなどの生成AI にとって不可欠な技術です。 (3)では生成AI技術の問題点などについて触れます。

第6回　11/22（土）10時～12時　AIの“解釈”を高める技術を知る
(1) Grad-CAMを例として
(2) 可視化AI技術
医療健康・自動運転などの絶対的安全を希求する分野では、判断根拠を明示する“説明可能な”AI(Explainable AI)技術や複雑なデータをわかりやすく可視化しうる技術は重要です。それらの一端として、(1)では、判断注目箇所を明示するヒートマップ技術の例（Grad-CAM）を、(2)では、可視化技術としてt-SNEやUMAPなどを学びます。

第7回　12/6（土）10時～12時　最新AI応用展望
(1) 医療健康分野
(2) 量子AI
最後に、まとめにかえてAIの最新応用や最新動向例を紹介します。
(1)では、病理画像診断支援AI技術の最新具体例を紹介します。
(2)では、量子コンピュータ/量子機械学習が最近注目されてますが、このような状況を鑑み、量子力学に着想を得たAIの一端を紹介します。

＜実習編＞
第1回　9/10（水）18時～20時　Python 入門
現在多くのAIアプリケーションはPythonと呼ばれるプログラミング言語により実装されています。そのため、実習初回では、Pythonの文法をはじめとする基本的事項を学びます。また、数値計算を行うためのnumpy、グラフなどの可視化を行うためのmatplotlibと呼ばれるライブラリ
の使い方についても学びます。

第2回　9/24（水）18時～20時　Keras によるニューラルネットワーク構築入門
講義編第２回で取り扱われるニューラルネットワークについて、実際に学習や推論がどのようにして行われるかを学びます。ここでは、Kerasと呼ばれるニューラルネットワークのフレームワークを利用して階層型ニューラルネットワークの構築と学習、推論についての実習を行います。

第3回　10/8（水）18時～20時　scikit-learn による回帰
第4回　10/22（水）18時～20時　scikit-learn による分類・画像分類
講義編第１回、第２回で取り扱われる機械学習、教師あり学習について、実際の構成手順を学びます。ここでは、機械学習ライブラリの一つであるscikit-learn を利用してその基本事項を学ぶとともに、教師あり機械学習の回帰問題および分類問題をどのようにして実装するのかについての実習を行います。

第5回　11/5（水）18時～20時　教師なし学習（次元削減，クラスタリング）
講義編第６回に先立ち、教師なし学習の一つである多次元のデータを可視化する方法であるクラスタリング手法について学びます。ここでは、主成分分析(PCA)やk-平均法などの基本的なクラスタリング手法についてscikit-learn を利用した実習を行うとともに、t-SNEやU-MAPという可視化手法についての実習も行います。

第6回　11/19（水）18時～20時　ニューラルネットワークに基づくAIシステム実装
第7回　12/3（水）18時～20時　ニューラルネットワークに基づくAIシステム実装
ニューラルネットワークに基づいたAIシステム実装について、Kerasによるモデル構築から評価までを行います。ここでは、畳込みニューラルネットワーク（講義編第３回）による画像分類システムの構築を例題として、学習データの準備、ネットワークの構築、学習および性能評価という順番にシステムの実装を行っていきます。また、転移学習と呼ばれる手法についても学びます。