
AI理論を深く理解できる
数学・機械学習・深層学習を
体系的に理解できます。
E資格は、日本ディープラーニング協会(JDLA)が認定する、ディープラーニングの理論理解と実装力を評価するエンジニア向け資格です。単なるAI知識だけではなく、適切なアルゴリズムを選択し、実装・開発できる能力が求められます。JDLA認定プログラム修了後に受験することができます。
JDLA一般社団法人 日本ディープラーニング協会
数学・機械学習・深層学習を
体系的に理解できます。

PythonやPyTorchを用いた
AIモデル開発スキルを習得できます。

AIエンジニアとしての
専門知識・実装力を客観的に証明できます。

AI開発や生成AIプロジェクトで
求められる実践力を身につけます。
| 章立て | 大項目 | 中項目 | 小項目 |
|---|---|---|---|
| 第1章 | 数学的基礎 | 確率・統計 情報理論 | 確率モデルにおけるパラメータ推定、情報理論 |
| 第2章 | 機械学習 | 機械学習の基礎 | パターン認識、機械学習の分類、機械学習の課題、検証集合、性能指標 |
| 第3章 | 深層学習の基礎 | 順伝播型ネットワーク 深層モデルのための最適化 深層モデルのための正則化 畳み込みニューラルネットワーク リカレントニューラルネットワーク Transformer 汎化性能向上のためのテクニック | 深層学習の基礎、多層パーセプトロン、出力層と損失関数、活性化関数 基本的なアルゴリズム、誤差逆伝播法 適応的な学習率を持つアルゴリズム、パラメータの初期化戦略 パラメータノルムペナルティー、確率的削除 畳み込みニューラルネットワーク、リカレントニューラルネットワーク、ゲート機構、系列変換、Transformer データ集合の拡張、正規化、アンサンブル手法、ハイパーパラメータの選択、PyTorch |
| 第4章 | 深層学習の応用 | 画像認識 物体検出 セマンティックセグメンテーション 自然言語処理 生成モデル 深層強化学習 様々な学習方法 深層学習の説明性 | ResNet、WideResNet、Vision Transformer FasterR-CNN、Mask-RCNN、YOLO、SSD、FCOS、FCN、U-Net WordEmbedding、BERT、GPT-n 識別モデルと生成モデル、オートエンコーダ、GAN 深層強化学習のモデル、転移学習、半教師あり学習と自己教師あり学習 能動学習、距離学習、メタ学習、判断根拠の可視化、モデルの近似 |
| 第5章 | 開発・運用環境 | エッジコンピューティング 分散処理 アクセラレータ 環境構築 | モデルの軽量化、並列分散処理 デバイスによる高速化、コンテナ型仮想化(Docker) |
全55時間程度想定(講義動画・コード演習 30時間 + 問題演習 25時間(確認問題 + 修了試験 + 修了課題))
回答内容はWordPress管理画面でのFAQ管理方法が確定後に設定します。
回答内容はWordPress管理画面でのFAQ管理方法が確定後に設定します。
回答内容はWordPress管理画面でのFAQ管理方法が確定後に設定します。
回答内容はWordPress管理画面でのFAQ管理方法が確定後に設定します。
回答内容はWordPress管理画面でのFAQ管理方法が確定後に設定します。
回答内容はWordPress管理画面でのFAQ管理方法が確定後に設定します。
回答内容はWordPress管理画面でのFAQ管理方法が確定後に設定します。
回答内容はWordPress管理画面でのFAQ管理方法が確定後に設定します。
回答内容はWordPress管理画面でのFAQ管理方法が確定後に設定します。
回答内容はWordPress管理画面でのFAQ管理方法が確定後に設定します。
User Voice
以下の内容をご入力の上、送信ボタンを押してください。【必須】は必ず入力してください。