JDLA認定プログラム
AI 道場 E 資格コース｜
理論と実装で“使える力”を養う
AI教育と開発の実績を持つ北海道大学発スタートアップ「調和技研」による、
現役エンジニアと学ぶE資格講座。
JDLA認定プログラム
【E資格対応・2024年8月改訂 新シラバス適応版】
本講座は、日本ディープラーニング協会（JDLA）が実施するエンジニア資格（E資格）の受験にあたって、
事前に修了が必要とされる「JDLA認定プログラム」です。
基礎から応用までを体系的に学べる内容で、最新のシラバスに対応。
E資格合格を目指しながら、実務での活用まで見据えた実践的なカリキュラムを提供しています。
E資格とは
E資格は、ディープラーニングの理論を理解し、実装や手法選択ができる力を認定する資格です。
AIエンジニアなど、実務でディープラーニングの開発・推進に関わる人のための資格で、実践的かつ専門的な知識の習得が求められます。E資格合格者は、企業や教育機関から高い評価を受けています。受験には、JDLA認定プログラムの修了が必要となっており、本講座を完了することで、エンジニア資格（E資格）の受験が可能となります。
業務に直結しない研修、時間と労力が無駄になっていませんか？
調和技研なら、学びが「実務に使える力」に変わる。
多くの法人研修では、知識の詰め込みに終始してしまい、
「この内容が自分の業務にどう役立つのか分からない」という声が少なくありません。
現場で活かせる実感が持てないまま学習が進み、結局は定着せず、時間も労力も成果に結びつかない──そんな課題が各地で見られます。
調和技研では、豊富な公開実績と実ビジネスでの活用事例をもとに、
各研修テーマと受講者の業務との関係性を、具体的かつ明確に伝える工夫をしています。
たとえば、データ活用やAI、業務改善などの研修では、 実際に成果につながった企業事例を紹介しながら進行。
業種や職種に応じて、実務でどう応用できるかをイメージしやすい形で共有することで、
受講者は自然と自分の業務と重ね合わせながら学びを深めることができます。
その結果、学んだ内容がしっかりと定着し、研修後すぐに実務に活かせる力へと変わっていきます。
実践力が身につく、企業向け研修
現役エンジニアによる実践的でわかりやすいオンライン講義
現場を知るエンジニアだからこそ伝えられる、リアルな知識とノウハウ。
理論だけで終わらない、すぐに使える学びを、オンラインでわかりやすく提供します。
E資格対策 × 実務力強化
実践的AIスキルが身に付くカリキュラムと教材
E資格取得に必要な知識に加え、実プロジェクトを題材とした演習で現場対応力を高める、実践志向の育成プログラムとなっています。
基礎的な学びから演習まで、
3ヶ月じっくり時間をかけて合格をサポート
講義では、E資格合格に向けて重要なキーワードや数式を一つひとつ丁寧に解説。演習問題も豊富に用意し、反復学習で理解を定着させます。
調和技研はこんな会社です
北海道大学の研究室から生まれた北大認定スタートアップ企業
170を超えるAIソリューションの開発実績を通して積み重ねてきた実践的・実用的な知見をベースとした「超」実践的な講義の提供が可能です。
複数の大学のAI研究室との連携
AI分野の著名教授陣と連携し、学術的に裏付けられた高度な技術力と、豊富な開発実績を有するAIのエキスパートです。
AI人材育成における確かな実績
札幌市が2022年から開催している実践的AI人材育成・実証プログラム「札幌AI道場」において、毎年様々な企業や学生が参加するプログラムを開発・運営しているほか、数多くの大学・高専・専門学校においてセミナーや講義の実績があります。
コース概要
| 受講形式 | オンライン（座学＋ハンズオン） |
|---|---|
| 受講期間（総学習時間） | 3ヶ月（約126時間※実習時間含む） |
| 教材 | 座学教材＋実習教材＿使用フレームワーク（PyTorch） |
| 修了試験 | 事前試験（1回1時間）、最終試験（1回2時間） |
| 認定 | 全カリキュラム修了後、最終試験合格の場合に認定 |
カリキュラム
最新のJDLA「E資格」のシラバスに対応した学習内容となっています。
- ・確率/統計
- 確率モデルにおけるパラメータ推定
- ・情報理論
- 情報理論
- ・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
- ・順伝播型ネットワーク
- 多層パーセプトロン
- 出力層と損失関数
- 活性化関数
- ・深層モデルのための最適化
- 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
- ・深層モデルのための正則化
- パラメータノルムペナルティー
- 確率的削除
- 陰的正則化
- ・畳み込みニューラルネットワーク
- 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
- 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
- Transformer
- ・汎化性能向上のためのテクニック
- 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
- ・画像認識
- ResNet, WideResNet
- Vision Transformer
- ・物体検出
- FasterR-CNN, MaskR-CNN
- YOLO, SSD
- FCOS
- ・セマンティックセグメンテーション
- FCN, U-Net
- ・自然言語処理
- WordEmbedding
- BERT
- GPT-n
- ・生成モデル
- 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
- 深層強化学習のモデル
- ・様々な学習方法
- 転移学習
- 半教師あり学習と自己教師あり学習
- 距離学習（Metric Learning）
- ・深層学習の説明性
- 判断根拠の可視化
- モデルの近似
- ・エッジコンピューティング
- モデルの軽量化
- ・分散処理
- 並列分散処理
- ・アクセラレータ
- デバイスによる高速化
- ・環境構築
- コンテナ型仮想化
講師紹介
株式会社調和技研 研究開発部
石岡 卓也
研究開発テーマやこれまでの実績
【得意技術】複雑ネットワーク、自然言語処理など。
【経験】札幌AI道場の技術側担当など。
【その他】・むげんミクうたと深層学習[講演]
・db tech showcase Sapporo 2018 など
株式会社調和技研 研究開発部
竹田 裕紀
研究開発テーマやこれまでの実績
・2006年3月 京都大学大学院理学研究科修士課程修了。
・卒業後、複数の製造業メーカーにて、材料、設計、計測などの研究開発に15年ほど従事し、2021年8月より調和技研に参加。
・調和技研では、製造業で得たドメイン知識を軸に異常検知など画像系AIの案件に従事。
・書籍「機械学習・ディープラーニングによる 異常検知技術と活用事例集」(2022年12月発刊)、自動車技術会会誌「自動車技術」2023年7月号などへ記事を寄稿し、執筆活動も行っている。
お問い合わせ
[ 個人情報の取扱いについて ]
・利用目的：資料提供、お問合せへの回答のため
・個人情報保護管理者：経営管理部 部長
・第三者への提供：第三者への提供はありません
・委託：委託する場合は適切に評価、監督します
・開示等：問合せ先に連絡下さい
・任意性：ご提供頂けない場合はサービス等をご利用できない場合があります。