Ko.labot Learning / ADVANCED AI LITERACY
使いながら、
仕組みまで理解する。
生成AI基礎講座で使い方と注意点を学んだ人が、AI・機械学習・ディープラーニングを体系的に理解するための発展講座です。G検定の現行シラバスを学習範囲の境界とし、技術を自分の言葉で説明し、根拠を持って判断できる知識を50日で積み上げます。
DAY 01から始める →
01範囲を固定する
現行G検定シラバスの10分野を境界にし、話題を無制限に広げません。
02意味から理解する
用語や式を、役割・仕組み・具体例の順で読み解きます。
03判断へつなげる
技術を知るだけでなく、導入・法律・倫理まで一つの知識として扱います。
COURSE MAP
10分野を、50日で積み上げる
第1章 ・ DAY 1–5人工知能とは
定義・知能・限界・理解AIという言葉の範囲と、知能を機械で扱うときに生じる根本問題を整理します。
章末テスト15問 →第2章 ・ DAY 6–10人工知能をめぐる動向
探索・推論・知識表現・歴史探索からエキスパートシステム、機械学習、深層学習へ続く流れを理解します。
章末テスト15問 →第3章 ・ DAY 11–15機械学習の概要
教師あり・教師なし・強化・評価データから学ぶ三つの方法と、モデルを正しく比較・評価する考え方を学びます。
章末テスト15問 →第4章 ・ DAY 16–20ディープラーニングの概要
ニューラルネット・損失・最適化ニューラルネットワークが誤差から学び、未知の入力へ対応する仕組みを理解します。
章末テスト15問 →第5章 ・ DAY 21–25ディープラーニングの要素技術
CNN・正規化・Attention・AE現代の深層学習を構成する層、結合、注意、表現学習の役割を整理します。
章末テスト15問 →第6章 ・ DAY 26–30ディープラーニングの応用
画像・言語・音声・生成・転移画像、自然言語、音声、強化学習、生成AIへ技術がどう応用されるかを学びます。
章末テスト15問 →第7章 ・ DAY 31–35AIの社会実装
企画・データ・PoC・運用解く課題の選定からデータ準備、評価、導入、継続運用までを一つの流れで捉えます。
章末テスト15問 →第8章 ・ DAY 36–40AIに必要な数理・統計
確率・統計・線形代数・微分式を暗記するのではなく、AIの学習と評価で各数理が何を表すかを理解します。
章末テスト15問 →第9章 ・ DAY 41–45AIに関する法律と契約
個人情報・著作権・知財・契約AIの開発・提供・利用で関係する権利、責任、契約上の分担を具体例で学びます。
章末テスト15問 →第10章 ・ DAY 46–50AI倫理・AIガバナンス
公平・安全・透明・統治技術的に可能でも実行してよいとは限らない理由と、組織で制御する方法を学びます。
章末テスト15問 →
01人工知能を、どう定義するか一つに決まらない定義を、目的と能力の違いから整理する。
教材を読む →02特化型AI・汎用AI・強いAIできる仕事の広さと、人間らしさを混同しない。
教材を読む →03フレーム問題と組合せ爆発現実のすべてを考え切れない理由を理解する。
教材を読む →04シンボルグラウンディング問題記号と現実の意味は、どこで結び付くのか。
教材を読む →05中国語の部屋と『理解』の判定正しい応答と、本当に理解していることを分けて考える。
教材を読む → 06探索で答えへたどり着く状態空間・幅優先・深さ優先・ヒューリスティックを学ぶ。
教材を読む →07ゲーム木と推論Mini-Max法とαβ法から、先を読む計算を理解する。
教材を読む →08知識表現とエキスパートシステム専門家の知識を規則として扱う強みと限界を知る。
教材を読む →09三度のAIブームと冬の時代期待・限界・計算資源・データの関係から歴史を読む。
教材を読む →10機械学習とディープラーニングへの転換人が規則を書く方式から、データで表現を学ぶ方式へ。
教材を読む → 11教師あり学習の全体像入力・正解・特徴・予測の関係を整理する。
教材を読む →12回帰と分類の代表手法線形回帰、ロジスティック回帰、決定木などを使い分ける。
教材を読む →13教師なし学習クラスタリングと次元削減で、正解のないデータを捉える。
教材を読む →14強化学習状態・行動・報酬から、方策を改善する仕組みを学ぶ。
教材を読む →15モデル選択と評価訓練・検証・テスト、指標、交差検証を理解する。
教材を読む → 16ニューラルネットワークの計算入力・重み・バイアス・出力を小さな例で追う。
教材を読む →17活性化関数非線形性が、複雑な関係を学べる理由を理解する。
教材を読む →18損失関数と正則化間違いの測り方と、過学習を抑える考え方を学ぶ。
教材を読む →19誤差逆伝播法出力の誤差から、直すべき重みを逆向きに求める。
教材を読む →20最適化手法勾配降下法、学習率、Momentum、Adamを理解する。
教材を読む → 第5章
ディープラーニングの要素技術
DAY 21–2521全結合層・畳み込み層・プーリング層情報を混ぜる、特徴を拾う、要約する役割を分ける。
教材を読む →22正規化・データ拡張・スキップ結合深いモデルを安定して学習させる工夫を理解する。
教材を読む →23再帰結合層と系列モデルRNN・LSTM・GRUが順序を扱う仕組みを学ぶ。
教材を読む →24AttentionとTransformer必要な情報同士の関係へ直接注目する。
教材を読む →25オートエンコーダと表現学習圧縮と復元から、データの特徴を学ぶ。
教材を読む → 26画像認識の発展LeNetからResNetまで、構造の工夫をつなげる。
教材を読む →27自然言語処理と大規模言語モデル分散表現、Transformer、事前学習の流れを学ぶ。
教材を読む →28音声処理と深層強化学習時系列を扱う認識・生成と、行動学習の応用を知る。
教材を読む →29生成モデルVAE・GAN・拡散モデルがデータを生み出す考え方を学ぶ。
教材を読む →30転移・マルチモーダル・解釈・軽量化学んだ能力を実用へ移し、説明し、動かしやすくする。
教材を読む → 31AIで解く課題を定めるAIありきではなく、価値・実現性・リスクから選ぶ。
教材を読む →32データを収集・加工する目的、品質、偏り、権利、来歴を管理する。
教材を読む →33PoCと評価設計小さな検証で、精度と事業価値を分けて確かめる。
教材を読む →34AIを本番へ導入するモデル以外のシステム・人・業務変更まで設計する。
教材を読む →35MLOpsと継続監視データや環境の変化を検知し、更新と停止を管理する。
教材を読む → 36集合・論理・関数条件、写像、真偽からAIの入力と処理を読み解く。
教材を読む →37確率・期待値・条件付き確率不確実な予測を数字で扱う基本を学ぶ。
教材を読む →38統計量と確率分布平均・分散・共分散・相関・代表的な分布を理解する。
教材を読む →39ベクトル・行列・距離データと重みをまとめて計算する表現を学ぶ。
教材を読む →40微分・勾配・情報量学習の方向と、予測の不確実さを測る。
教材を読む → 41個人情報とプライバシー個人情報保護法と、法を超えて配慮すべき範囲を学ぶ。
教材を読む →42著作権と生成AI学習・入力・生成・公開の各段階で権利を整理する。
教材を読む →43特許・営業秘密・不正競争防止技術とデータの価値をどう守るかを理解する。
教材を読む →44競争法とAIサービスデータ・価格・プラットフォームが競争へ与える影響を知る。
教材を読む →45AI開発・提供契約成果・データ・責任を段階的な契約で整理する。
教材を読む → 第10章
AI倫理・AIガバナンス
DAY 46–5046AI倫理と人間中心合法・高精度だけでは決められない価値判断を扱う。
教材を読む →47公平性・プライバシー・透明性複数の価値が衝突する場面で、測定と説明を行う。
教材を読む →48安全性・セキュリティ・悪用故障と攻撃を分け、多層防御と停止手順を設計する。
教材を読む →49社会・民主主義・環境・労働一人の便利さを越え、社会全体への連鎖を考える。
教材を読む →50AIガバナンスを設計する原則・責任・証拠・監視・改善を一つの仕組みにする。
教材を読む →
SCOPE POLICY
G検定の公式講座ではありません。
一般社団法人日本ディープラーニング協会が公開する現行シラバスを、学ぶ範囲を定める基準として参照したKo.labot独自講座です。本文・例・確認問題は独自に制作し、試験問題の再現や合格保証は行いません。
JDLA公式の試験範囲を確認する ↗