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。
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。
用意されたペルソナから問題を抽出し、AIを使った問題解決案の策定までをグループで行います。
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。
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。
画像生成AIの中でもよく使われているStableDiffusionを使って、オリジナルの物語にAIで作った絵をつけて絵本を作ってみよう。
システム開発を学ぶ教材
自然言語処理についてAIが言語理解を行う仕組みを学習します。自然言語処理と関連性の深いチャットボットについても合わせて学びます。
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。
簡単に作成するためのフレームワークを学習します。AI STUDIOで使用するvueやUIkitといったフレームワークで簡単なアプリを作成しながら技術習得を目指します。
感情分析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。
ゲームAIの基本的な概念と技術を理解し、ゲームAIを開発するためのスキルを身につけることを目的としています。ゲームAIの歴史、主要なアルゴリズム、実践的なプロジェクトを通じて学習を進めます。具体的なプロジェクトとして、三目並べゲームを制作しMin-Max法を使ったアルゴリズムを実装することを取り組みます。
ボードゲームAIの歴史について知る、オセロを作る、オセロにCPUを追加する、Min-Max法を使い、αβ法でAIのアルゴリズムを少し改良します。
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。
ディープニューラルネットワークが誕生するまでに、様々な技術を用いて画像認識や自然言語処理、音声認識や音声合成が行われてきました。それらの技術がどのような変遷を辿ってきたのか、実際のデモを見ながら学び、ディープニューラルネットワークとの違いが分かることで、より深く最新の技術についての見識を深めます。
基礎的なニューラルネットワークを自ら構築し、CNNを利用した画像分類モデルをTensorFlowを用いて作成し、学習用の画像の準備方法や、オーグメンテーションの必要性などを学びます。
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。