お問い合わせ

コース概要

生成AI入門

  • 生成AIとは何か? </li>
  • 生成AIの歴史と発展の経緯 </li>
  • 重要な概念や用語解説 </li>
  • 生成AIの主な応用分野と可能性について概観する </li>

機械学習の基礎知識

  • 機械学習概要説明 </li>
  • 教師あり・教師なし・強化学習といった学習手法の違い </li>
  • 基本的なアルゴリズムおよびモデル説明 </li>
  • データ前処理や特徴量作成に関する基本事項 </li>

ディープラーニングの基礎知識

  • ニューラルネットワークおよびディープラーニング解説 </li>
  • 活性化関数、損失関数、最適化手法の役割と仕組み </li>
  • 過学習や未学習状態への対応手段および正規化技法の概要 </li>
  • TensorFlowおよびPyTorchの基本的な使い方解説 </li>

生成モデル総論

  • 各種類型別の生成モデル例示 </li>
  • 識別型モデルと生成モデルの特徴比較 </li>
  • 実際的な利用シナリオ解説 </li>

変分オートエンコーダ(VAE)

  • /オートエンコーダの概念説明 </li>
  • VAE構造に関する基礎解説 </li>
  • 潜在空間とその役割に関する理解 </li>
  • シンプルなVAE構築体験の演習実施 </li>

敵対的生成ネットワーク(GAN)

  • GAN概要説明 </li>
  • /生成器と識別器から成る構造説明 </li>
  • 学習過程での難点や課題提示 </li>
  • 基本的なGAN実装演習の実施 </li>

高度な生成モデル事例

  • Transformer系モデルの基礎解説 </li>
  • GPT(事前学習型言語生成モデル)の概要紹介 </li>
  • テキスト作成におけるGPT応用事例列挙 </li>
  • 既存のGPTを用いた文章作成体験演習実施 </li>

倫理問題と社会的影響

  • 生成AIに関連する倫理的考慮事項例示 </li>
  • 学習データに含まれるバイアスや公平性問題について説明 </li>
  • 今後の展望と責任あるAI運用に関する考察 </li>

産業分野における生成AI応用例

  • 芸術・創作活動への活用実例紹介 </li>
  • ビジネスおよびマーケティング戦略での利用事例説明 </li>
  • 科学分野や研究現場での適用シナリオ紹介 </li>

総合プロジェクト作成

  • 生成AIプロジェクトのアイデア考案および企画提案 </li>
  • データ収集および前処理作業の進め方説明 </li>
  • 適切なモデル選定と訓練実施法解説 </li>
  • 成果評価および発表手法習得 </li>

総括と今後の学び方提示

要求

  • Pythonにおける基本的なプログラミング概念に関する理解が必要です </li>
  • 確率論や線形代数学をはじめとする基礎的な数学的知識の習得が求められます </li>

対象者

  • 開発者 </li>
 14 時間

参加者の人数


参加者1人あたりの価格

お客様の声 (2)

今後のコース

関連カテゴリー