3ヵ月で現場で潰しが効く ディープラーニング講座

現場で潰しが効く
ディープラーニング講座とは

本講座は、ディープラーニングを実装するエンジニアの技能を習得するための講座です。
数理的な基礎原理から体系的に習得する一方、実務で必要な周辺処理や実践手法を中心に学びます。
現場で未知の課題に直面しても潰しが効く技能を身に着ける事がゴールです。


E資格合格者453名中、20.9%の合格者を当プログラムが排出。(※2019年8月試験結果)  

Y.Kさん
(30代 エンジニア)

各社のトップエンジニアが集結しています。最先端のDNNを学べることも楽しみですがオンサイトの講座で普段関わらないような業界の他社エンジニアと情報交換ができる事も大変楽しみです。また、需要予測システムやクローラーなど実際の現場でそのまま活用できそうな課題製作も魅力です。

Y.Nさん
(20代 エンジニア)

講義が、単に資格取得のためという事でなくソースコードの演習が充実していて、今まで独学してきたことを現場のエンジニアに確かめていくような感覚が自信に繋がっています。

T.Kさん
(30代 コンサルタント)

E資格はベンダー資格ではありますが、公的機関や経済界への提言や国際連携も活動の趣旨とするディープラーニング協会の資格です。今後準国家資格のような評価を得られることを期待しました。AIの波がこのまま大きくなるのであればその可能性は高いと考えています。

最高水準のスキルが
身につく

3ヶ月で実践的なスキルを持ったエンジニアになれるカリキュラムを用意しています。
また、現場で潰しが効くよう基礎原理を網羅した内容を習得することが出来ます。

1全体像がわかるカリキュラム

日本で初めて個人向けに本格的なディープラーニング講座を始めたStudy-AI(当講座主催)では、受講生の挫折ポイントを良く知っています。



・全体像の把握。自身の言葉で説明できること。
・基礎の繰り返し

この二つが出来ている方は挫折しません。
基礎が出来ていないと応用が利かずある所から理解が進まなくなります。
全体像が見えていないと膨大なAIの知識の海で迷子になります。

本講座では、基礎の繰り返しと全体像の把握を徹底しています。

2AIを学ぶための本格数学講座

AIに必要な応用数学を体系的に学びます。AIエンジニアとして潰しが効くためには、ドメイン(専門領域)や論文の最新情報をキャッチアップする必要があります。

それらは数学で書いてあります。
この機会に本が読めるようになりましょう。


本講座には、E資格シラバスの範囲だけでなく、各受講生がディープラーニングに必要な数学範囲を確認できるよう 基礎数学の復習から合計12時間の数学講座が含まれます。(理解度確認テストに問題なければE資格シラバス範囲(6時間)以外は視聴を省略頂く事も出来ます。)

3機械学習の基礎

Deep Learningの大本には機械学習があります。そもそも統計分析の基礎手法を知らないままディープラーニングのみ実装できても現場では“潰し”が効きません。

どのような手法、どのような時代にも対応できるデータサイエンティスト、AIエンジニアとして活躍するために、本講座では機械学習の基礎もしっかりと固めて頂きます。



◇冒頭~2分:板書サンプル 
◇2分~4分:演習サンプル
講義は講義テキストをベースに進みますが、ビデオでは極力講師による実務の話や、分かりやすい説明、板書を重視しています。

★2021年試験向け先行受付開始★

カリキュラム

本講座は日本ディープラーニング協会のDeep Learning資格試験(E資格)の受験に必要な、協会認定の講座プログラムです。

E資格(2021年2月19日(金)・20日(土))を受験するためには、本プログラムの受講と修了認定が必須となります。

2DAY
(12時間)
ベーシックターム

応用数学・機械学習・ディープラーニングの全体像を学び、AIエンジニア、データサイエンティストとしての基礎力を身につけます。

ベーシックタームで学ぶことが出来るスキル(E資格の最新シラバスに準じます。)

 

■線形代数

-スカラー,ベクトル,行列

-行列とベクトルの演算

-単位行列と逆行列

-固有値,固有ベクトル

-行列の分解(固有値分解,特異値分解)

■情報理論

-自己情報量

-シャノンエントロピー

-カルバック・ライブラー ダイバージェンス

-交差エントロピー

■確立と統計

一般的な確率分布

-ベルヌーイの分布

-マルチヌーイの分布

-ガウス分布

■ベイズ則

■微分の復習と偏微分

■機械学習の基礎
- 業務に必要なデータ処理など現場での実装手法もここで学ぶことができます。

-学習アルゴリズム

-能力、過剰適合、過少適合

-ハイパーパラメータ

-検証集合,学習データ、検証データ、テスト

■最尤推定、条件付き対数尤度と平均二乗誤差

■教師あり学習アルゴリズム

-ロジスティック回帰

-サポートベクトルマシン

-k近傍法

-最近傍法

■教師なし学習アルゴリズム

-順伝播の基礎

-線形問題と非線形問題

-コスト関数、出力ユニット、隠れユニット

-アーキテクチャの設計

■ディープラーニングの全体像と順伝播

-Deep Learning講座の全体像

-Deep Learningの実装と理論

-手書き文字認識データ(MNIST)の扱い方

-既存手法との比較

■実用的な方法論 性能指標

-データの追加収集の判断

-ハイパーパラメータの選択 手動でのハイパーパラメータ調整

-グリッドサーチ

-ランダムサーチ

-モデルに基づくハイパーパラメータの最適化

4DAY
(24時間)
ディベロップターム

ディープラーニングの実践課題を中心とした講義となります。
一方で基礎原理の深い理解と網羅的な把握を目指します。
出席日数と到達度により高度な実装技術を有するAIエンジニアの証明としてDeep Learning協会認定講座の修了証を発行します。
※画像はイメージです。

ディベロップタームで学ぶことが出来るスキル(E資格の最新シラバスに準じます。)

■アーキテクチャの設計 万能近似定理と深さ

■誤差逆伝搬法およびその他の微分アルゴリズム 計算グラフ

-微積分の連鎖率

-誤差逆伝搬のための連鎖率の再起的な適用

-全結合 MLP での誤差逆伝搬法

-シンボル間の微分

-一般的な誤差逆伝播法

■パラメータノルムペナルティー

-1正則化

-L2パラメータ正則化

■条件付き最適化としてのノルムペナルティ

■正則化と制約不足問題

■データ集合の拡張

■ノイズに対する頑健性-出力目標へのノイズ注入

■半教師あり学習

■マルチタスク学習

■早期終了

■パラメータ拘束とパラメータ共有

■スパース表現

■バギングやその他のアンサンブル手法

■ドロップアウト

■学習と純粋な最適化の差異 経験損失最小化

-代理損失関数と早期終了

-バッチアルゴリズムとミニバッチアルゴリズム

■ニューラルネットワーク最適化課題 悪条件

-局所値

-プラトー、鞍点、その他平坦な領域

-崖と勾配爆発

-長期依存性

-不正確な勾配

-局所構造と全体構造の不十分な対応関係

-最適化の理論的限界

■基本的なアルゴリズム 確率的勾配降下法

-モメンタム

-ネステロフのモメンタム

■パラメータの初期化戦略

■適応的な学習率を持つアルゴリズム

-AdaGrad

-RMSrop

-Adam

■最適化戦略とメタアルゴリズム

-バッチ正規化

-座標降下法

-教師あり事前学習

■畳み込み処理

-プーリング

-構造出力

-データの種類

■効率的な畳み込みアルゴリズム

■ランダムあるいは教師なし特徴量

■計算グラフの展開

■回帰結合型のニューラルネットワーク 教師強制と出力回帰のあるネットワーク

-回帰結合型ネットワークにおける勾配計算

-有向グラフィカルモデルとしての回帰結合型のネットワーク

-RNNを使った文脈で条件付けされた系列モデリング

■画像認識の有名なモデル

-VGG

-AlexNet

-GoogLeNet

-Resnet

■特徴量の転移

■画像の局在化、検知、セグメンテーション

■双方向 RNN

■Encoder-Decoder と Sequence-to-Sequence

■深層回帰結合型のネットワーク

■再帰型ニューラルネットワーク

■長期依存性の課題

■エコーステートネットワーク

■複数時間スケールのための Leaky ユニットとその他の手法

-時間方向にスキップ接続を追加

-Leakyユニットと異なる時間スケールのスペクトル

-接続の削除

■ゲート付きRNN

-LSTM

-GRU

■長期依存性の最適化 勾配のクリッピング

自然言語処理とRNN

メモリネットワーク Attention

■生成的確率ネットワーク

-GAN

■強化学習

-価値反復法

-Q学習

-方策勾配法

-深層Qネットワーク

■最新シラバス(2020#1版)に完全対応

AlphaGo / モデル圧縮(量子化、プルーニング) / 分散処理 / GPU / ROC曲線 / Conditional GAN / pix2pix / ミドルウェア / RNN復習(時系列言語処理) / Encoder-decoder / seq2seq / Transformer / Self-Attention(辞書オブジェクト) / MobileNet / DenseNet / Layer Normalization, Instance Normalization / WaveNet



Point1 シラバスの範囲が広くて眩暈がするかもしれません。しかし、この中にはポイントとなるスタンダードな流れがあります。講義を受けることで何が”しっかりと腑に落とさなければならない大切な流れ”で、何が”必要に応じて調べることができればよい範囲”なのか確認いただく事、全体像を確認いただく事が出来れば闇雲に勉強をすることなくGoalにたどり着けます。

Point2 Tensor FlowやKerasなど特定の環境やツールのみで実装できるのではなく、数学(ディープラーニング)の基礎原理⇒Pythonによる実装と、スクラッチでのハンズオンを経験頂き、ブラックボックスの組み合わせではなくとどのような環境でも原理的に考え対応できる基礎となる力を付けます。

120分 オンライン模擬試験 E資格合格を目指す受講者への特別サポートとしてE資格を想定した模擬試験「Eもぎ」のオンライン試験TOOLを提供します。オンラインTOOLは当講座受講者限定特典で、繰り返し反復練習が可能です。
また、講義の中でも別Verで解説をしますのでより周到な対策が可能となります。
※本カリキュラムは現時点の予定です。資格試験内容や、講義の状況、参加クラス全体のレベル感に応じ変更する場合や予告なく実施しない場合があります。予めご了承ください。

最高水準の講師陣

諸富講師

株式会社Novera AIエンジニア 青森県生まれ。


略歴


2016年株式会社Walker COOとして入社

2019年株式会社Novera 入社


AI関連のプロジェクト

衛星画像の船検知ツールの作成

衛星画像を活用した、固定資産調査ツールの作成

ドローンからのキャベツ検知の研究

公営競技の予想AIの研究・開発

競艇

オートレース

表情検知システムの作成

顔の分析システムの作成

音声認識システムの作成


受賞歴

経済産業省 異能ジェネレーションアワード 協力協賛企業 特別賞受賞

Challenge Cup Japan 2017東日本大会出場


出演メディア  BS-TBS 夢の鍵


大越講師

略歴


株式会社キスモ 取締役

神奈川県出身、名古屋大学卒。大学で統計学、機械学習を専攻。

第14回キャンパスベンチャーグランプリ中部大会で名古屋産業人クラブ会長賞を受賞したほか、Startup Weekendでの優勝経験を持つ。 創業前はデータサイエンティストとしてのレコメンドエンジン開発やスポーツにおけるデータ活用に従事。

受賞歴(Kaggleにて下記含め6つの受賞経験を持ち、kaggle masterの称号を持っている。)

Home Credit Default Risk 2nd place (Gold medal)

Avito Demand Prediction Challenge 7th place (Gold medal)

Santander Value Prediction Challenge Silver medal



杏林大学と医学領域における画像認識技術の共同研究にも参画し、EWMA2018で研究成果が発表されている。





※担当講師はコースによって変わりますのであらかじめご了承ください。

※応用数学や機械学習はそれぞれの分野専門の講師が担当します。

※メイン講師は相応のAI実務経験と力量のある講師陣が担当します。参考:  Study-AI講師陣

合格体験記
(沢山のメッセージありがとうございます。数名をご紹介。)

Y.K
(20代)

■E資格を受験したきっかけは何ですか?
・ディープラーニング、機械学習について網羅的に勉強する為
・社内で、ディープラーニング、機械学習についての知識量を証明する為
■E資格合格のためにどのような準備をしましたか?
・study-aiのディープラーニング講座を受講
・その他、勉強会のまとめサイトに登録し、月に2度、単発の講座に参加(数学、プログラミング等)
■受験してよかったことは何ですか?
・社内で「ディープラーニング、機械学習について詳しい人」というイメージが定着した
■E資格の社内での活用法を教えてください。
・初めて会う人から知識量について信頼を得る
■これからE資格を受験しようという方に対しメッセージをお願いします。
・思っていたよりも周囲からの反応がポジティブです。是非トライしてみてください。

土屋建

■E資格を受験したきっかけは何ですか?
仕事で、Deep Learning に関連する話題が増えてきたため、一度、体系的に理解する必要があったため。
■E資格合格のためにどのような準備をしましたか?
いただいたテキストとコードを中心に数学的な理論を理解して、フレームワークを使わないでも、DNNを実装できるようにしました。
■受験してよかったことは何ですか?
基本的な理解と幅広い実用的な知識をバランスよく身に付けることができました。
■これからE資格を受験しようという方に対しメッセージをお願いします。
普段、フレームワークを使っている方も、一度、基本から学び直すとさらなる理解が深まると思います。

匿名
(研究・開発)

■E資格を受験したきっかけは何ですか?
元々は資格自体にはあまり興味を持っておらず、AI技術を体系的に学ぶことを目的として「3ヶ月で現場で潰しが効くディープラーニング講座」を受講しましたが、E資格の認定講座ということで折角なので資格も取得しておこうという気持ちになり、受験することにしました。
■E資格合格のためにどのような準備をしましたか?
講座の予習・復習を欠かさずに実施すると共に、講座において配布された課題や例題を完璧に解答できるようになるまで繰り返し学習しました。
■受験してよかったことは何ですか?
半年前の時点ではよくわからずにサンプルに倣って実装していたコードが、今振り返ると詳細に把握できるようになっていて、ディープラーニングについての理解が明らかに深まっていることを実感しています。
■E資格の社内での活用法を教えてください。
資格自体を活用する予定は今のところありませんが、名刺にロゴ印刷を追加して保有技術のアピールに使用するかもしれません。
■これからE資格を受験しようという方に対しメッセージをお願いします。
E資格を受験するにあたり学んだ内容は、試験の合否に関わらず自身の貴重な財産になることは間違いないと思います。 「AI技術を学んだ者勝ち」の時代は目の前に迫っている…いや、もう既に遅いくらいかもしれません。 今後激変するであろう世の中の勝ち組になるための努力だと信じて頑張りましょう!

西嶌暁生
(医師)

■E資格を受験したきっかけは何ですか?
AIを用いた医療画像の応用を進めていくにあたり、エンジニアとしての知識を身に付けるため。
■E資格合格のためにどのような準備をしましたか?
授業の予習と復習、参考資料の熟読、勉強会への出席。
■受験してよかったことは何ですか?
目標が明確になるので、勉強を進めるモチベーションとなった。
■E資格の社内での活用法を教えてください。
医療系の共同プロダクトを開発する際に、一定レベルの能力の担保として提示するなど。
■これからE資格を受験しようという方に対しメッセージをお願いします。
資格試験を目標とすることで、学習のモチベーションになると同時に、AIの分野を系統だてて学ぶことができます。資格の取得だけでなく、知識の定着につながります。 。

井上茂樹
(株式会社VSN 研究開発)

■E資格を受験したきっかけは何ですか?
会社の社外研修の一貫でディープラーニング講座を受講し、受験する機会を与えられたため
■E資格合格のためにどのような準備をしましたか?
ディープラーニング講座受講時にもらった演習問題を一通り行ったり、固有値分解、特異値分解といった数学の演習を行ったり、pythonによる機械学習のソースコードを眺めたり、CNN、R-CNN、RNN、LSTM、GRU、GAN、強化学習といったジャンルの詳細や最近の動向についてインターネットで調べたりしました。
■受験してよかったことは何ですか?
機械学習に関して幅広い知識を付ける事か出来ました。
■E資格の社内での活用法を教えてください。
学んだ知識を活かして、社内のAIの活用を推進したり、知識の共有を行なっていきたいです。
■これからE資格を受験しようという方に対しメッセージをお願いします。
合格するには、シラバスに出ている各項目に対して、用語を覚えるだけでなく、詳細や数式まで理解するようにする必要があります。pythonによるソースコードに関する問題も多数出ます。勉強はなかなか大変ですがぜひ頑張って合格して下さい。

リモート強制集中コース

コース概要

3カ月で現場で潰しが効くディープラーニング講座E資格認定プログラム[00001]

2021年2月試験(E資格2021#1)向け

コースの特徴

-オンラインによる講座でも集中力を切らさない為、原則としてWEBカメラを接続してご参加頂きます。

-講義では講師から理解度の確認をさせていただきます。(事前に予習内容をご提示しますのでご安心ください。)

-定員20名の少人数コースです。(先着順締切)

コース提供方式

オンライン(Zoomなど)によるリアルタイム講座+eラーニング+模擬試験

※eラーニングのみでのご受講も可能です。(オンデマンドコース)

日程
2020年10月14日(水)

10時~17時 ベーシックターム(応用数学)

2020年10月28日(水)

10時~17時 ベーシックターム(機械学習)

2020年11月11日(水)

10時~17時 ディベロップターム(深層学習)

2020年11月25日(水)

10時~17時 ディベロップターム(深層学習)

2020年12月09日(水)

10時~17時 ディベロップターム(深層学習)

2020年12月23日(水)

10時~17時 ディベロップターム(深層学習)

※欠席の場合はビデオ学習による実装レポートをご提出いただきます。
コース受講受付開始

2020年7月31日(金)

定員

20名

コース受講申込み締切

2020年10月12日(月)

2020年10月30日(金)※オンデマンド受講

修了テスト点数申告最終日

2021年1月15日(金)

E資格試験日(2021#1)

2021年2月21日(金) ・22日(土)

学習目安時間

36時間(6日間)の講義 + E資格を受験される方は別途90時間の学習時間

e-ラーニング利用期間

2020/8/24(火)~2021年2月28日(日)

受講費用

45万円(税別)/ 名

※同一法人様で2名様以上ご受講の場合、2名様以降はお一人様35万円(税別)
※ビデオ視聴のみ(オンデマンドコース)の場合、1名様より、35万円(税別)/ 名
※個人の費用でご参加される方は総額より10万円割引

前提知識・経験

高校数学までの数学知識、プログラミング経験(言語は問いません。)

※数学知識やPythonの知識が不足する方は、必ず最初にお渡しする予習教材(AI実装検定A級公式教材)でしっかりと学習してください。

学習環境

講義はプログラミングが苦手な方でも比較的困らない「GoogleColaboratory」にてブラウザ上で実行頂ける環境をベースに進めます。

《安心保証》再履修コース

期間内に修了出来なかった方は無料で再履修コース(e-ラーニングのみ)を受講できます。

※再履修コースにて修了証取得のための再試験は、別途1万円のお手数料を頂いております。

学習内容

[eラーニング] 環境構築説明/予習教材(高校数学復習、Python入門、Pythonによる微積分の復習、Numpyの復習、順伝播、逆伝播基礎)

[リモート講義(36時間)]

-応用数学(6H)

-機械学習(6H)

-深層学習(24H)

※最新のシラバスに対応しております。

演習問題200問以上

-サンプルソースコード(機械学習10単元以上、深層学習20単元以上)

-修了認定

[特別講義1]

-Bert実装講義(※シラバスとなるTransformer及びAttention、自然言語処理の流れまでを公開。Bertの基礎となる箇所です。)

[特別講義2]

VRに体験によるGANのミニ講義(30分程度 ※任意参加)

修了証発行条件

以下の条件を満たすこと

6日間の講義参加

欠席の場合は規定の要件による実装レポートを提出

修了テスト 正答率95%以上

E資格リモート強制集中コース(PDF資料)

本コースはリモート講義終了後も資格試験に向けてのSlackで不明点の質問が可能です。
充実30時間/初級者も安心

「超AI入門講座」の無料提供

●予習教材として数学やPython及びAIの順伝播までの基礎の予習をしていただく事で上級者向けであるE資格プログラムに挑戦できます。

コースの特徴

AI実装検定公式テキストの「超AI入門講座」は 小中学生でも親しみやすいテイストですが、進んでいくとAI資格試験の最高峰といわれるE資格の勉強準備が整う、あるいは、基本的なAIの技術書籍が読み進められるほどの高度な内容を習得できます
全国高等専門学校ディープラーニングコンテストに参加する教職の皆様にもご活用いただいている教材です

学習目安時間

30時間

利用期間

2020/8/24(火)~2021年2月28日(日)

受講費用

無料

収録内容

Chapter1
90分/9動画でマスター

1-1認識の仕組み
1-2入力値の調整
1-3順伝播の計算入門
1-4行列の計算
1-5Pythonでの実装
1-6バイアス項の導入
1-7シグモイド関数の計算
1-8シグモイド関数の実装
1-9活性化関数の取り込み


Chapter2(120分/9動画でマスター)

家庭教師のような寄り添い感で挫折しません

Chapter3(150分/15動画でマスター)

最後には高度な内容も習得

【超補講】AIを学ぶための本格Python講座

AI実装検定A級のシラバスに準拠

AIはプログラミングで実装します その為、AIアルゴリズムを学ぶにもプログラミング言語が読めることは必須となります
本講座ではPythonが初めての方や、機械学習の為のPythonの使い方を中心に解説した動画も提供しています



丁寧に1から説明します

AIの実装に特化しています

AI実装検定A級の範囲も網羅

可視化など実践的手法も

【超補講】AIを学ぶための本格数学講座

分からないことをそのままにしていては決して前に進めません
特に数学はそうです

AIとは数学であるとも言えます
全ての人が数学が得意ではないので、数学を使わない入門書や解説もありますが、少し進んでくるといずれも数学が用いられます
数学で表現する方が遥かに楽で正確だからです
実際のところ、AI(機械学習)の読み書きに必要な数学はそれほど難しくはなく、高校数学やその延長の大学1年生程度の数学が分かれば問題ありません 急がば回れ、効率よい勉強のために数学を押さえておきましょう

こんな Σ記号が出てきても大丈夫

0からAIに必要な数式が読めるようになる

微分編(26動画 180分)

基礎を体系的に網羅

AIに必要な数学とは?

基礎数学編(16動画 90分)

よくある質問

全くの初心者ですが大丈夫でしょうか?

AIは基礎から学びますので大丈夫です。但し本講座は上級者向けなのでプログラミングスキルと高校までの数学の知識が必要です。もしも不安な場合は無料で配布される(定価5万円)超AI入門講座を事前、又は 平行してご利用ください。

パソコンの環境構築が心配です。

上級者はご自身の環境を構築しても良いですが、講義はプログラミングが苦手な方でも比較的困らない「GoogleColaboratory」にてブラウザ上で実行頂ける環境をベースに進めます。尚、会社の都合などで「GoogleColaboratory」が利用できない場合は、ご自身で環境をご用意いただくのがベターですが、弊社の独自サーバー(jupyter)のご利用も可能ですのでご安心ください。

どのくらいの学習時間の確保が必要ですか?

個人差がありますが、特に予備知識がない場合は毎月30時間の予習復習時間を確保してください。

Windows PCでも受講可能ですか?

WindowsPC(通常のCPU)でご受講頂けます。勿論MacPCなどでも可能です。

修了証が受け取れるかが心配です。

講義にしっかりと出席を頂ければ大丈夫です。そのうえで十分な予習復習時間を確保頂ければ出席者全員に修了証を受け取って頂きたいという方針で組み立てております。
業務などで時間が十分に取れず提出物やテスト基準が満たなかった場合も、修了出来なかった方は無料で再履修コースを受講できます。※修了証取得のための再試験は別途1万円頂いておりますので予めご了承ください。

対象者の範囲が広いので講義のレベルが実際はどの程度か心配です。

「現場の実作業に近いレベル」となります。講義時に高校数学の範囲やプログラミング実務経験者であれば問題に ならないエラー解決やPC操作についてのフォローは出来ません。また、数理的な理解も体系的に学びますが現場での問題解決にあまり使わない場合や必要に応じて調べればよい事は知識レベルに留めております。

この講座を受けるとE資格に受かるのでしょうか?

本番試験を想定した「Eもぎ」など試験対策の教材サポートも随一ではありますが、E資格に受かるかどうかはあくまで受講者の皆様の対策次第となります。シラバスの範囲が広いため、特に講座終了後、試験日までにどのくらい練習時間が取れるかが大きいという声を頂いています。

速報!合格者の声

■E資格を受験したきっかけは何ですか?

ちょうど今の仕事に煮詰まっていて、なにか別のことをやりたいなーと思っていたところに、第一回のE資格検定が行われることを知ったので

■E資格合格のためにどのような準備をしましたか?

講習の内容は、講習日中に理解するようにしました。ちゃんと予習していき、予習でわからなかったところは授業を止めてでも講習中に疑問を解消します。どうしてもだめなところも講習後の自習時間に講師を質問攻めにして漏れの無いようにします。どうせ後で自分で考えてもわからないので、授業料の元は取りましょう。

■受験してよかったことは何ですか?

その気になれば、自分でディープラーニングのエンジンを作れるようになったというのが良かったです。訳わからず魔法の箱としてKeras/Tensorflowを使うのと、理解した上で使うのではその結果に雲泥の差があります。

■E資格の社内での活用法を教えてください。

その気になれば、AIにかかわる他部署への転籍や他社への転職ができると思えるようになったので、逆に今の場所(SI)で、もうひと頑張りしてみようかと思えるようになりました。