- iLect Academy -
DL4E 2025
JDLA 認定プログラム
ディープラーニング基礎講座 (E資格対応版)
人工知能の研究開発などに従事できる人材を育成する
E資格合格を目指すのはもちろん 「ディープラーニング」を駆使する高度な研究者やエンジニアを目指し 主要技術の基礎から応用まで網羅的に学ぶことで より実践的に現場で使えるディープラーニング講座です。
Features
講座の特徴
E資格の取得を目指す
高度なディープラーニングの研究者・エンジニアを目指す
現場で求められる実践力を身につける
講座の特徴
JDLA E資格認定講座に対応 （受験資格が取得可能）
AIプロジェクトの課題に応じた最適なアプローチや既存のモデルを選定し、PoC（概念実証）を効率的に実施できるようになるスキルを養う
深層学習のアルゴリズム、動作原理を理解し、ディープラーニング技術を用いた研究開発ができるスキルを養う
データ前処理・特徴量エンジニアリング・ハイパーパラメータチューニングなど、現場で求められるスキルを習得
実務でも役立つ応用手法を学び、既存のモデルを効果的に活用する方法を理解する
DL4E Enterprise 詳細はこちら
Upcoming Session
申込受付中の講座
開催日
開催期間：2025年10月2日〜2026年1月22日
【詳細】
メンタリング：10/9, 10/23, 11/6, 11/21, 12/4, 12/18,1/15
iLect System利用期間：10/2 - 1/22
動画視聴期間：10/9 - 1/22
申し込み締切
- 9月22日（月）
料金
- 408,900円
-
GPU付き学習用計算機環境 iLect System 使用料、コンペティション課題、同期型メンター、講義日外のチャットツール、復習用動画を含みます。
-
そのほかの開催日についてもお気軽にご相談ください。
-
1社 1名様 〜 お申込みいただけます。
-
10名以上で受講をご希望の場合は別途お問い合わせください。
Schedule calendar
開催日程詳細
-
画像のDay1, Day2...に合わせて講義動画を配信開始、お好きなタイミングで何度でも視聴可能
-
提供期間中、チャットによる質問対応可能（1両日中に返信）※質問の回数制限等はありません
-
講師・メンターに加えて、受講期間中はオペレーターが常駐しております、システムの操作方法やその他のご質問にも迅速に対応し、受講生の皆さまが安心して学習に集中できる体制を整えております。
講座概要
既存のモデルを適切に選定し、PoCを効率的に実施できるようになる
本講座では、用途ごとに適したAIモデルを選定し、データ準備・ファインチューニング・評価までの一連の流れを学びます。
また、実務でのPoCを想定し、モデルの選定基準（精度・速度・計算コスト）や、データ前処理・ファインチューニングの手法についても学習します。これにより、AIプロジェクトにおいて、最適なモデルを選び、迅速にPoCを進める力を身につけることができます。
カテゴリ | エンジニア力 |
講座名 | DL4E iLect Academy |
講座時間 | 2025年10月2日〜2026年1月22日 【詳細】 メンタリング：10/9, 10/23, 11/6, 11/21, 12/4, 12/18,1/15 iLect System利用期間：10/2 - 1/22 動画視聴期間：10/9 - 1/22 |
プログラミングスキル | Numpyなどを利用して行列や線形代数の問題に適用したことがある |
数 学 | 微分積分、ベクトル、行列、確率分布についての理解 |
Curriculum
カリキュラム
Day 01：深層学習基礎 PyTorch入門
詳細：機械学習、深層学習の基礎を理解するPyTorch概観、Tensor、Dataset、DataLoader
取扱うモデル／テクニック：ロジスティック回帰MLP
Day 02：画像認識 基礎
詳細：画像認識基礎、畳み込み、プーリング、超多層化に向けた技術、転移学習、可視化、画像認識
取扱うモデル／テクニック：CNN
Day 03：画像認識 発展
詳細：画像を生成する画像から物体を検出する
取扱うモデル／テクニック：VAE、GANFaster R-CNN、YOLO、SSD
Day 04：自然言語処理 基礎
詳細：形態素解析、単語のベクトル表現、古典的手法による感情分析分散表現、再帰型ニュートラルネットワーク、感情分析
取扱うモデル／テクニック：RNN
Day 05：自然言語処理 発展発展
詳細：感情分析文章生成
取扱うモデル／テクニック：LSTM、GRU、双方向LSTMSeq2Seq、Attention、Transformer
Day 06：深層強化学習
詳細：強化学習の概要、応用例、ゲームAI構築
取扱うモデル／テクニック：DQN
