スキルアップAI ロゴ

  • 合格率87%
  • 満足度91.4%
  • 講師支持率96.7%
E資格 JDLA認定プログラム第1号 JDLA認定プログラム

現場で使える
ディープラーニング基礎講座

E資格に精通したスキルアップAIが提供
圧倒的クオリティの講義でE資格合格をサポート

※2020年1月~2022年9月の受講者を対象にした、5段階満足度の4点・5点の割合
徹底攻略ディープラーニングE資格エンジニア問題集
徹底攻略ディープラーニングE資格エンジニア問題集
E資格対策

現場で使える
ディープラーニング
基礎講座とは

唯一のE資格対策問題集の著者が講師を務めるスキルアップAIのE資格対策講座。
講師はE資格優秀賞受賞の実績、AI開発・データ分析の豊富な実務経験、AI研究で国際学会での論文採択経験がある現役研究者などディープラーニングに精通した講師陣が、高クオリティの講義を実施。

多数の実績を持つ講師が
E資格合格をサポート

  • AI指導実績は国内トップクラス。「太陽光発電発電量予測および異常検知」「電力量から属性推定(家族構成)」など、これまでに多数のAI開発案件を手掛けている。日本ディープラーニング協会主催2018E資格試験 優秀賞受賞、2019#1E資格試験優秀賞受賞。著書「徹底攻略ディープラーニングE資格エンジニア問題集」(インプレス)。 続きを読む
  • 情報幾何に基づく最適化フレームワークを用いた深層学習のための効率的なハイパーパラメータ最適化アルゴリズムの開発等を手掛ける。機械学習/深層学習のトップ国際会議ICMLを始め、複数の国際会議において論文採択実績を持つ。Microsoft社認定トレーナー。著書「徹底攻略ディープラーニングE資格エンジニア問題集」(インプレス)。 続きを読む
  • 東京大学 先進科学研究機構 准教授。東京大学経済学研究科統計学専攻で博士号取得。統計数理研究所 助教などを経て、2020年より現職。 専門分野は統計理論およびその機械学習への応用。統計的関数推定の理論を用いて、複雑データの解析手法や深層学習の仕組みを解明する研究に取り組んでいる。 続きを読む
他の講師を見る

スキルアップAIの講座が選ばれる5つの理由

  • 1

    87%の高い合格率

    スキルアップAIのE資格合格率は、他事業者の平均を大きく上回る86.87%!一般社団法人日本ディープラーニング協会(JDLA)認定プログラム第1号として、累計1,100名以上のE資格合格者を輩出しています。
    開催回 受験者数 合格者数 全受験者

    合格率
    スキルアップAI
    修了者の
    合格率
    2021#1 1,688 1,324 78.4% 91.1%
    2021#2 1,170 872 74.5% 92.0%
    2022#1 1,327 982 74.0% 86.8%
    2022#2 897 644 71.8% 83.5%
    2023#1 1,112 807 72.6% 87.1%
    2023#2 1,065 729 68.5% 80.7%
    2024#1 1,194 867 72.6% 82.8%

    ※新規受験者の合格率

  • 2

    実務に直結する知識を習得

    AI開発経験豊富な講師陣が、教材開発から講義まで一気通貫で対応。E資格の試験範囲に沿った知識とAI事業を想定した「実務者の視点」で必要な知識を伝授。データの性質を考慮した実践的なテクニックや手法選定の勘所など、資格取得にとどまらず実務に繋がる内容が学べます。
  • 3

    効率的な学習をサポート

    充実の学習コンテンツと経験豊富な講師によるフォローで受講者を徹底サポート。
    長期の学習期間でも挫折せず最後まで学習を続けることができます。
    • 1,000問以上のQA集で
      あらゆる疑問をその場で解消

      環境構築や、講義・演習での不明点など、様々なQAをストック。つまずくことなく学習を進められます。
    • 自己管理が苦手な方でも
      計画的に学習可能

      進捗や平均学習ペースからの乖離、総学習を可視化。計画的な学習が可能です。
    • 不明点はいつでも気軽に
      チャットで質問

      講義の不明点や実務観点での疑問など、チャットでいつでも講師に質問できます。

      ※eラーニングを申込の方は有料オプション

  • 4

    AI研究の第一人者が監修

    教材は、国際的に活躍するAI研究の第一人者である杉山将東京大学大学院教授が監修。
    杉山 将
    杉山 将
    杉山 将
    2001年に東京工業大学博士課程修了。同大学助手・准教授を経て2014年より東京大学院教授。2016年より理化学研究所革新知能統合研究センター長を併任。
    統計的機械学習(オーム社, 2009)、イラストで学ぶ機械学習(講談社, 2013)、機械学習のための確率と統計(講談社, 2015)など、機械学習に関する著書多数。講談社機械学習プロフェッショナルシリーズの監修も務める。
  • 5

    E資格対策に向けた
    圧倒的充実のカリキュラム

    新シラバスに対応した講座には16時間の講義動画と同等時間の解説動画が付属。ディープラーニングの基礎から、グラフニューラルネットワーク・距離学習といった高度な内容まで習得。さらに、実務で使えるオリジナルの実技課題で実践スキルを身につけます。
    【2024年8月開催「E資格2024#2」から適用される「新シラバス」対応について】
    • 本講座は、E資格2024#2シラバスで追加された試験範囲にも対応しています。
    • 試験範囲に追加された内容を扱う教材として「E資格のための補足資料(E2024#2対応版)」をご用意しております。
    • 現在受講中で2024年3月末時点で受講期間が残っている方にも、改訂後の補足教材を提供いたしております。現カリキュラムのDAY1〜DAY8は、シラバス改定後も変更はございません。
    DAY1~DAY4 DAY5~DAY8 補足教材(E資格対応) Pytorch講座

    DAY1

    ディープラーニング講座を通しての課題

    ディープラーニング基礎 前半

    • パーセプトロン
    • ニューラルネットワーク
    • 活性化関数
    • 順伝播計算
    • 出力層の設計
    • 予測関数
    • バッチ処理
    • 損失関数

    DAY2

    ディープラーニング基礎 後半

    • ミニバッチ学習
    • 微分
    • 最急降下法
    • 勾配法
    • 誤差逆伝播法

    DAY3

    学習の最適化

    • 勾配法の学習を最適化させる方法
    • 重みの初期値
    • 機械学習と純粋な最適化問題の差異
    • ニューラルネットワーク最適化の課題
    • 最適化戦略とメタアルゴリズム
    • 過学習と正則化
    • バッチ正規化とその類似手法
    • ドロップアウト
    • 荷重減衰

    DAY4

    ディープラーニングの様々なモデル

    畳み込みニューラルネットワーク

    • CNN概要
    • 畳み込み層題
    • プーリング層
    • lm2col

    その他話題

    • データ拡張
    • 構造出力
    • CNNで扱うデータの種類

    DAY5

    中間発表

    CNNの様々なモデル

    • 著名なCNNモデル
    • 物体検出タスクとCNN
    • セマンティックセグメンテーションタスクとCNN

    自己符号化器

    生成モデル

    • 生成モデルとは
    • 変分自己符号化器
    • 敵対的生成ネットワーク

    DAY6

    機械学習で扱うデータと典型的なタスク

    • 画像データ
    • 時系列データ
    • テキストデータ
    • データの権利

    再帰型ニューラルネットワーク

    • 再帰型ニューラルネットワーク概要
    • シンプルなRNN
    • LSTM
    • GRU
    • RNNの発展モデル
    • その他の話題

    DAY7

    自然言語処理における深層学習

    • 自然言語処理と深層学習
    • 自然言語処理の基礎
    • word2vec
    • 系列変換モデル
    • アテンション
    • トランスフォーマー
    • 外部メモリを持つニューラルネットワーク
    • その他の話題

    DAY8

    最終発表

    強化学習

    • 強化学習の基礎1
    • 迷路問題
    • 強化学習の基礎2
    • 強化学習の各種手法
    • Deep Q-Network
    • カートポール問題
    • AlphaGO
    • 逆強化学習
    • 深層強化学習の実用面での課題

    転移学習

    軽量化技術

    高速化技術

    フレームワークはPyTorchを使用しています。

    シラバス 2024#2〜

    • 第1章:生成モデル
    • 第2章:深層強化学習
    • 第3章:画像認識
    • 第4章:画像の局在化・検知・セグメンテーション
    • 第5章:自然言語処理
    • 第6章:距離学習
    • 第7章:深層学習の説明性
    • 第8章:環境構築(Docker)
    • 第9章:基礎数学・応用数学
    • 第10章:ディープラーニング基礎(DAY1〜3補足)
    • 第11章:データ拡張(DAY4補足)
    • 第12章:画像認識とCNN(DAY4〜5補足)
    • 第13章:物体検出とセグメンテーション(DAY5補足)
    • 第14章:生成モデル(DAY5補足)
    • 第15章:自然言語処理(DAY7補足)
    • 第16章:開発・運用(DAY8補足)
    • 第17章:発展的な手法

    シラバス 2022#2〜

    • 第1章:生成モデル
    • 第2章:深層強化学習
    • 第3章:グラフニューラルネットワーク
    • 第4章:画像認識
    • 第5章:画像の局在化・検知・セグメンテーション
    • 第6章:自然言語処理
    • 第7章:音声認識
    • 第8章:距離学習
    • 第9章:メタ学習
    • 第10章:深層学習の説明性
    • 第11章:環境構築

    本講座には、「ディープラーニングのためのPyTorch入門講座」の全カリキュラムが含まれています。

    第1章 なぜPyTorch?

    • 主要な深層学習ライブラリ
    • PyTorchの利点

    第2章 データ読み込み

    • Datasetクラス
    • Dataloaderクラス

    第3章 モデル

    • 全結合層
    • 活性化関数

    第4章 学習

    • 学習(理論)
    • 学習(実装)

    第5章 評価

    • 評価(理論)
    • 評価(実装)
    • モデル評価(理論)
    • モデル評価(実装)

    第6章 畳み込みニューラルネットワーク

    • 畳み込み層
    • プーリング層
    • 全結合層

    第7章 再帰型ニューラルネットワーク

    続きを見る
選べるコースを確認する

スキルアップAIで1番人気
講座無料視聴!

「深層学習」のE資格出題範囲の一部(約360分)を無料視聴できます。まずは動画を見て、スキルアップAIの講座の分かりやすさを体験してみてください。
今すぐ無料トライアル

得られる知識

  • フレームワークを使わない
    実装による
    深層学習の原理

    本来深層学習フレームワークの内部で隠されている計算を、科学計算ライブラリ「NumPy」を用い、数式からプログラムとして実装するハンズオンを通して、深層学習の原理を深く理解できます。
  • 説明可能なAI(XAI)・
    メタ学習など
    最新の注目技術

    XAIやメタ学習など、2020年以降、深層学習を実務応用する上でボトルネックを解決するために提案された多くの最新技術を学ぶことができます。
  • E資格合格相当の知識
    (最新トレンドを追従するための基礎力)

    著名な深層学習モデルを活用し、自社データを使った深層学習を行うための基礎実装力や、発展を続ける深層学習のトレンドに追従するための基礎知識を身につけることができます。
  • 深層学習フレームワーク
    PyTorchを活用し、
    実装するスキル

    深層学習分野における最新手法は、PyTorchをベースに実装・公開されているため、PyTorchによって最新手法を利用する方法を学ぶことで、深層学習の基本原理の理解と最新手法をいち早く実装する力を同時に養うことができます。

こんな方におすすめ

  • AIエンジニアへのキャリアチェンジをしたい方
  • 深層学習を用いた高精度な物体検出や自然言語処理アプリケーション構築を検討している方
  • 保有データを用いて新たな深層学習モデルを作りたい方
  • 画像・自然言語などの分野で活用されているモデルの開発をしたい方

受講者の声

  • 体系立ててディープラーニングの
    本質を学べ、コアエンジニアの
    育成が可能に
    株式会社オープンストリーム様
    詳しく見る
  • オリジナル教材×事例演習で
    実践的な講座を設計
    現場の中核を担うAI人材を育てるために
    キヤノン株式会社様
    詳しく見る
  • E資格を取って早速社内でAI実装
    資料と講師の説明が分かりやすかった
    E資格合格 岩堀様・奥田様
    詳しく見る

受講企業例

個人受講者のコメント

  • 絶対に丸暗記はさせず、体系的な理解や背景理解を促すコンセプトが徹底されていました。講義を受講する中で他の技術要素と絡めた深い内容を理解できました。
  • 数学に苦手意識がありコーディングもそこそこな私にとっては大変難しく、理解に時間のかかる範囲でしたが、それでも時間をかければ理解できるようかみ砕かれていて、大変充実した研修内容でした。
  • 概論として理解できるがどんな理論・計算で実現できているかわからない、というモヤモヤがかなり解消されました。Web講座の説明がとても分かりやすいので、取り組み始めるハードルが低かったです。

最安値で受けられる
JDLA認定プログラムのご紹介
〜講座のポイントや勉強法を根掘り葉掘り聞いてみた〜

講座で学べることやポイントについて詳細をご紹介!
E資格対策講座の選定に迷っている方はブログをチェック!
ブログを読む

オンライン開催
E資格に向けた
「JDLA認定プログラム」説明会
・教育訓練給付制度説明会

定員
限定
10名様
「E資格に興味はあるけどどの認定プログラムを選べばいいか分からない」「講義についけていけるか不安」
「プログラムについて詳しく知りたい」
そんなお悩みにスキルアップAIのスタッフが無料でお答えします。
個別相談も可能です。希望者は申込フォームにて該当箇所にチェックを入れてください。

日程

  • 7/11(木) 19:30-20:30
  • ※申込を締め切りました
  • 7/25(木) 19:30-20:30
  • 7/31(水) 12:00-13:00
  • 8/8(木) 19:30-20:30
  • 8/22(木) 19:30-20:30
説明会では、認定講座の特長・講座内容・スケジュール・給付金制度についてご説明します。
また、過去に実施した説明会(アーカイブ動画)も配布しておりますのでお気軽にお申込みください。
無料説明会お申し込みはこちら

選べるコース

 

 

  • Python経験者におすすめ

    eラーニングコース

    受講期間目安:3ヶ月~

    55,000円(税込)

  • 教育訓練給付制度活用でお得に
     充実のサポート付き

    eラーニング
    チャット質問対応付きコース

    給付金活用コース 受講期間目安:6ヶ月~

    49,500円~(税込)※1,2

    ※1 申込時に165,000円をお支払いいただき、一定の条件を満たすことで、最大115,500円が還元されます。

    ※2 講座名:機械学習エンジニアが学ぶ「ディープラーニング基礎」コース(オンライン)

    通常 受講期間目安:3ヶ月~

    165,000円(税込)

    ライブ
    チャット質問対応付きコース

    給付金活用コース 受講期間目安:6ヶ月~

    49,500円~(税込)※1,3

    ※1 申込時に165,000円をお支払いいただき、一定の条件を満たすことで、最大115,500円が還元されます。

    ※3 講座名:機械学習エンジニアが学ぶ「ディープラーニング基礎」コース

    通常 受講期間目安:3ヶ月~

    165,000円(税込)

  • 給付金利用で最大323,400円還付
     前提知識から学べるので
    基礎力に不安がある方でも安心

    eラーニング
     基礎講座セットコース

    eラーニング 基礎講座セットコース

    受講期間目安:12ヶ月~

    462,000円 → 138,600円~(税込)

    ※申込時に462,000円をお支払いいただき、一定の条件を満たすことで、最大323,400円が還元されます。

    ※「現場で使えるディープラーニング基礎講座」に加えて、以下の講座をセットで受講します。

    ※講座名:Python未経験からはじめる「機械学習エンジニア」コース

コースに含まれるものの違い

eラーニング
コース
eラーニング
チャット
質問対応付き
コース
ライブ
チャット
質問対応付き
コース
eラーニング
基礎講座
セット
コース
ディープラーニング
講座
動画講義(16h)
Notebook
解説動画(16h)
情報理論
講義動画(1h)
クラウド利用
説明動画(45m)
ライブ講義
(16h)
- - -
講座資料
チャット質問対応
(回数無制限)
-
通し課題 ※1
知識テスト ※2
通し課題発表に
対するコメント
※3 ※3 ※3
勉強会 ※4 ※4 - ※4
1,000以上の
QA集
グループワーク
解答例
E資格模試
(eラーニング)
-
PyTorch講座
(eラーニング)
基礎数学講座
(eラーニング)
- - -
Python講座
(eラーニング)
- - -
機械学習講座
(eラーニング
+チャット質問)
- - -
見積書、
請求書発行
受講期間 1年間 1年間 1年間 1年間
チャット質問
対応期間
なし 講座チャンネルへの
招待日から
6ヶ月間
講座チャンネルへの
招待日から
最終講義日の
2ヶ月後まで
機械学習講座:
3ヶ月間
ディープラーニング
講座:
6ヶ月間
  • ※1 基準精度を上回るDLを活用した画像認識モデルの作成
  • ※2 E資格出題範囲をカバーする知識テスト
  • ※3 勉強会内で実施するため、参加者のみが対象となります
  • ※4 1ターム4回実施(年間8回)

他社のE資格対応講座との比較(※1)

A社 B社
E資格
合格率
85.98%
(4期平均)
91.55%
(2021年度平均)
記載なし 78%
料金
(税込)
55,000円 165,000円 約123,000円
学習特典 Notebook解説動画、1,000以上の過去QAストック、PyTorch講座、勉強会 サポートデスク チャット対応
試験対策 オリジナル模試(※2)、知識テスト、コーディング演習 演習課題 オリジナル問題集
AIエンジニア育成 実技課題(モデルの構築) - -
  • ※1 2022年12月時点でオンライン講座(eラーニング形式)を受講した場合の比較結果
  • ※2 オプションの「チャット質問対応」を追加した場合
負担する金額を最小限に抑えて
AI人材として
キャリアアップや
キャリアチェンジを目指す方におすすめ
一定の要件を満たすと
受講料の最大70%助成!
教育訓練給付制度指定講座
前提知識習得講座とセットで学びたい人は、
給付金制度を活用することでお得に受講可能。
詳しく見る

試験前にポイントを押さえて
対策したい方・学習の穴を
埋めたい方へ

FAQ

  • 受講に際し、推奨PC環境(OS・ブラウザ)は何ですか?

    以下スペックを満たすPCをご準備ください。

    • MacOSX 10.9 以上
    • Windows 8 以上(64bit必須)
    • メモリ8GB以上必須

    ※8GB未満でも受講していただくことは可能ですが、大容量のデータを扱うため、より高スペックなPCの利用を推奨しています。
    メモリ不足が原因の不具合についてはサポートすることができませんので、あらかじめご了承ください。

  • 講義の前に準備しておくことはありますか?

    本講座では、事前準備として下記のインストールが必要となります。

    • Miniconda または Anaconda
    • Python ライブラリ(「pip」ライブラリ管理ソフトを使用)
    • wget

    インストール作業を行えるパソコン環境をご準備ください。
    社用のパソコンなどでアクセス制限のあるインターネット回線をご利用の方は、インストール作業を問題なく行えることを事前にご確認ください。 ご不明な点がございましたら、事前にご連絡ください。

  • 講座についていけるか不安です。基礎講座は受講した方がいいでしょうか?
    Pythonや数学、統計学、機械学習の分野に自信がない方は、受講をおすすめしています。
    簡易診断テストを受験いただくことで、受講についていけるか事前に確認いただけます。
    無料トライアルもご用意しておりますので、ぜひご活用ください。
  • E資格に不合格だった場合のサポートはありますか?
    E資格合否に関わらず、継続して学習したい方は再度本講座(有償)にお申込みください。本講座は繰り返しお申し込みいただけます。
  • E資格試験受験をするには、いつまでに修了認定が必要ですか?
    E資格試験日の約1ヶ月前迄に修了していただく必要があります。
    修了期限は、受講開始から9ヶ月後です。期限を超えて条件達成しても修了認定は得られないのでご注意ください。
    詳細の期日については、こちらからお問い合わせください。
  • E資格2022#2よりシラバスに追加になった「深層学習フレームワークによる実装」について、PyTorchまたはTensorFlowどちらで対策ができますか?
    本講座では、PyTorchを用いた実装の対策ができます。 新シラバスに対応した追加補足教材では、実装部分をPyTorchで説明しています。
    また、受講者全員にPyTorch講座をセットで提供しています。 TensorFlow版は用意しておりません。
  • 勉強期間や1日の学習時間の目安はありますか?
    講座自体を修了するまでの時間の目安としては、100時間程度必要となります。
    それ以外に問題集を解くなどの試験対策も含めると、総学習時間としては150時間から200時間程度割かれる方が多いです。

    ※時間は目安です。個人差がこざいますので、余裕を持って受講することをおすすめします。

  • オプションのチャット質問対応を受講開始後に申し込むことはできますか?
    受講開始後のチャット質問対応の追加は承っておりません。必要な方は受講開始前にお申し込みください。
  • 企業での受講を考えているのですが、可能ですか?
    はい、可能です。法人での一括導入も可能ですので、まずは法人様お問い合わせフォームよりお問い合わせください。
  • 修了できなかった場合、どうなりますか?
    期日までに修了できなかった場合、再受講いただき再度修了テストを受験してください。
  • E資格2024#2以降のシラバスに対応していますか?

    はい。本講座は、E資格2024#2シラバスで追加された試験範囲にも対応しています。試験範囲に追加された内容を扱う教材として「E資格のための補足資料(E2024#2対応版)」をご用意しております。

    現在受講中で2024年3月末時点で受講期間が残っている方にも、改訂後の補足教材を提供いたしております。現カリキュラムのDAY1〜DAY8は、シラバス改定後も変更はございません。

#reSkill
TOP
Page Top