AI教室を作りましょう
「AIを教える講座を開きたいけど、何を教えて良いのか分からない」そんな悩みにお答えするのがAI STUDIOです。
AI STUDIOを導入すれば、みなさんの開催している講座や新規の講座にAIを迅速に導入することが出来ます。
補助教材を利用することで、講義を進める上でのポイントがわかり、AI STUDIO支えられた授業を実施できます。
AI STUDIOでは、プログラミングではなくAIの基礎的な知識と利活用の方法を学ぶ「AI STUDIO for 文系」、AIを用いた基礎的なアプリ・システム開発を学ぶ「AI STUDIO for 理系」、AIを自分で作ることから学ぶ「AI STUDIO for エキスパート」の3つのレベルが設定され、みなさんの目的にあった教材(ブロック)を自由に選択できます。
AI STUDIOのすべての教材は、現役のAIエンジニアによって監修が行われています。理論だけの教材ではなく、実際に起こりうる状況やニーズに即したものを作る際に必要な知識やポイントを織り込んだ教材を、ぜひ体験してみてください!
AI STUDIOの教材に出てくる「事例(ケースメソッド)」は、実際のAI開発現場で出てきた問題と、その解決方法を豊富に紹介しています。現場ですぐに活かせる生きた教材で、AIについて学んでいきましょう。
AI STUDIOは教材(ブロック)を選択して、不要なブロックのないみなさんの目的にピッタリのカリキュラムを作成することが可能です。異なるレベルのブロックを自由に選択できるため、プログラムの出てこないカリキュラムの最後にプログラムを体験するというような構成も可能です。
問題とは何かから問題解決の考え方を学びます。問題解決に必要となる論理的思考など思考のフレームワークについても合わせて学習し、問題解決できる人材を目指します。
生成系AIについての知識を深めます。昨今注目を浴びているChatGPTをはじめとした生成系AIの仕組みを学習します。
AIの民主化が進み、一般的なパソコンスキルと同様にAIリテラシーを得ることが必須となりつつあります。身近なAIを探す所からAIの民主化が進んでいる現状が分かるとともに、AIリテラシーへの興味関心を持たせます。
AIの成り立ちから現在のAIブームが起こるまでの歴史を学習します。歴史の中で重要となるAIの基礎的な学習方法や考え方についても学びます。
著作権や著作隣接権等の日本国内における著作権法の概要を理解しながら、諸外国との法との比較やAIを作るときに使われるデータや生成物について学ぶとともに、実際にAIを利用する場合の注意点を理解します。
誰のためにポートフォリオを作るのか。ペルソナを設定して、就活やプレゼンのために制作するポートフォリオの制作方法を学び、JIMDO AI ビルダーを使用してサイトを制作します。
システム開発を学ぶ教材
HTMLとCSS,Javascriptの基本的な内容を学習します。AI STUDIOで使用する基礎技術を習得します。
APIを使用したチャットボットを作成します。AI STUDIOの雑談API,画像生成API,音声合成APIとそれぞれ連携したチャットボットの作成が行えます。
文章解析APIを使用して疑似ツイートを模したデータセットからフォロワーの感情分析を行います。
主要なレコメンデーションAIについて学び、レコメンデーションの基礎を学習し、簡単なレコメンデーションプログラムに触れてみます。
近年チャットボットの応答性能の向上で注目されているRAG(ラグ)の技術を、タグ付けしたファイルの検索システムを作りながら学んでいきます。
天気予報アプリケーションの作成を通して、バックエンド開発に関する基礎的な知識やPythonの基礎的な書き方に関する知識を習得し、Pythonを使用してAPIからデータを取得する方法を学びます。Todoリストの作成を通してDockerの基本から、DockerComposeの活用、データベースへのデータ登録、データ管理などDockerを使ったWebアプリの作成に関する基礎的な内容を学習します。これらの環境をDockerを利用して行うことで学習に促進に繋げます。
CNN(畳み込みニューラルネットワーク)の仕組みを学び、ディープラーニング用のフレームワークであるTensorFlowを触りながら、手書き文字認識(MNIST)のモデルの学習から推論の過程までを体験します。
カスケード分類器を用いた画像認識を学び、実際にOpenCVを使って画像から顔を検知するプログラムを体験します。
自然言語処理に欠かせない形態素解析について、基本的な概念を学ぶと共に、日本語の形態素解析器のデファクトスタンダードでもあるMeCabを利用して、SNS等の文章を解析します。
0から学習する画像分類モデルを作成する方法もありますが、既に学習された画像分類モデルに追加のトレーニングを実施することで、より簡易に必要な画像分類器を作成することが出来ます。その方法を学ぶと共に、転移学習やファインチューニングの考え方について理解します。
強化学習の基礎知識を学び、強化学習の活躍場面やGymnasiumを用いて実際の強化学習プログラミングを実行します。教師データのない報酬を与える学習がどのように行われるかを体験しながら学びます。
TransformersモデルであるBERTを使用して、ファインチューニングによる文章分類モデル(Sentence Classification)の作成に挑戦します。Doc2Vecを使用したときとの比較、特に自分で用意した少ないデータでどのように精度が変わるかを学びます。