本文へ移動 Ko.labot|コラボット
← 講座一覧生成AI発展講座0/50 完了

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 31–35

AI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 36–40

AI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 41–45

AI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 46–50

AI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 →

50-DAY COURSE

今日の講義を選ぶ

第1章

人工知能とは

DAY 1–5
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 →
第2章

人工知能をめぐる動向

DAY 6–10
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 →
第3章

機械学習の概要

DAY 11–15
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 →
第4章

ディープラーニングの概要

DAY 16–20
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 21–25
21
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 →
24
Attention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 →
第6章

ディープラーニングの応用

DAY 26–30
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 →
第7章

AIの社会実装

DAY 31–35
31
AI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 →
33
PoC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 →
34
AI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 →
35
MLOps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 →
第8章

AIに必要な数理・統計

DAY 36–40
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 →
第9章

AIに関する法律と契約

DAY 41–45
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 →
45
AI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 46–50
46
AI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 →
50
AI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 ↗