先着
20名様限定で
1割引
転職成功で受講料
全額無料！
～たった90日で実践力のあるAIエンジニアに～
2020年11月4日開講コース：申込締切日10月30日
2020年12月1日開講コース：10月31日より申込受付開始
E資格とは？
E資格とは、⼀般社団法⼈⽇本ディープラーニング協会(JDLA)により創設された、AIエンジニア育成のための資格です。ディープラーニングに関する知識や実装技術を有する人材の育成を目的としており、一般的なAIの知識からプログラミングまで幅広く出題されます。ディープラーニング技術を活用し、ビジネスに大きな付加価値を提供できる市場価値の高いエンジニアを目指すために今注目されています。BOOSTAは日本ディープラーニング協会認定のE資格プログラムです。
＊資格試験受験のためには、日本ディープラーニング協会(JDLA)が認定するプログラムの受講が必要です。
BOOSTAの「AIエンジニアE資格取得コース」なら解決できます。
受講料20万円以下の
最安価格帯コース
90日短期集中で実践力が身につく
いつでもどこでも学べる
オンライン完結型
ブラウザのみでコーディング演習や課題を
完結
充実したメンタリングで
学習をサポート
随時チャット質問対応(制限なし)など、
手厚いサポートが充実
特徴1
受講料20万円以下の最安価格帯コース
受講料：19万円(税抜）
※90日短期集中型
コース申込
先着20名様限定で1割引
資格取得後、転職成功で
受講料全額無料
特徴2
いつでもどこでも学べるオンライン完結型
ブラウザ完結
ブラウザのみでコーディング演習や課題を完結することができます。もちろん、実務で使えるように環境構築方法についても学びます。
スマートフォンに対応（一部演習を除く）
移動時間などの隙間時間でお手持ちのスマートフォンから学習できるため、自分のペースで進められます。
実装スキルが効率的に身につく
オンラインで、豊富なコーディング演習や実装スキルを効率良く磨くことができます。
特徴3
充実したメンタリングで学習をサポート
チャットでいつでも
質問回答
メンターが1つ1つの質問に回答・返信します。
ビデオチャット
メンタリング
週2回、1回25分、実務経験豊富なメンターが受講生の疑問を解決し合格まで寄り添います。
AIエンジニアによる
コーディングレビュー
あなたの書いたコードをエンジニアがレビューします。質の高いレビューを通じて実装スキルを身につけられます。
Mentor 01
F.O.
慶應義塾大学大学院政策・メディア研究科修士課程修了。国内SIerでのシステムエンジニア・プロジェクトマネージャを経て、外資系企業にコンサルタントとして勤務した後、現在はスタートアップ系コンサルティング会社役員。テキストマイニング、自然言語処理、機械学習によるテキスト分類、顔認証システム等、様々なAI、データサイエンス関連プロジェクトに参画。
Mentor 02
小池優希
名古屋大学大学院情報科学研究科修了後、東証一部上場企業にてAI/MLエンジニアとして3年半従事。自然言語処理を中心にデータ分析、インフラ、システム開発など幅広いスキルを有する。またグローバル企業へのAIのシステム開発/導入/PoC経験など多数の実績を持つ。2020年6月に独立しMIRAINOTE株式会社を創業。
Mentor 03
蔡 裕立
東京大学先端科学技術研究センター数理情報工学博士
世界最大級のプロフェッショナルサービスファームで応用数学者として務めております。
東京大学 応用数学者 (非常勤)
アルゴリズム設計・分析専門サービス事務所 社長
国際金融規制バーゼル IIとバーゼル III 計量リスク管理(信用リスク、市場リスク、流動性リスク)専門家でメガバンクグローバル計量内部モデル、総合商社グローバル信用リスク内部モデル、エネルギー会社グローバル信用リスク内部モデルと投資管理分析仕組みの方法論高度化を設計することを担当しております。
専門領域は応用数学、計算統計学、計量リスク管理、数値計算、オペレーションズ・リサーチ (数理最適化、待ち行列理論など)です。
Mentor 04
A.M.
横浜国立大学大学院理工学府修了。金融機関で約20年のキャリア。外資系証券・監査法人・証券会社・銀行で幅広く業務を遂行。銀行では銀行員の営業戦略データベースを構築し、複数の部門のマーケティング施策の策定を担当。直近はIT業界で機械学習・データサイエンス系プロジェクトに参画。数値予測、ハイパーパラメータの最適化などを得意とする。
Mentor 05
Y.Y.
東京都立大学院情報科学域在学中。生体認証やUI・UXの研究に従事。学部4年時からスタートアップ企業にて画像認識システムの開発に参画。
①無料カウンセリングの場合
②申込の場合
E資格 出題範囲
| 応用数学 | 線形代数、確率・統計、情報理論 |
|---|---|
| 機械学習 | 機械学習の基礎、実用的な方法論 |
| 深層学習 |
順伝播型ネットワーク、深層モデルのための正則化 深層モデルのための最適化、畳み込みネットワーク 回帰結合型ネットワークと再帰的ネットワーク 生成モデル、強化学習、深層学習の適用方法 |
| 開発・運用環境 | ミドルウェア、軽量化・最適化技術 |
事例1
Javaプログラマーから
AIエンジニアに転職
中小Sierにて5年ほどJavaエンジニアとして活躍したAさん。今後成長が見込まれるAI分野のエンジニアを目指し、AIエンジニアへの転職に成功しました。
事例2
企画職からデータ
サイエンティストに転職
事業会社にて事業企画の経験が豊富だったBさん。ビジネス側の視点だけでなく、データサイエンスやデータエンジニアリングの知識を身につけることで、目標であったデータサイエンティストへの転職に成功しました。
事例3
ITコンサルタントから技術
戦略コンサルタントに転職
日系コンサルティング会社で製造業にRPA導入などのPJでPMOとして活躍していたCさん。外資系コンサルティング会社でAIやロボティクス、量子コンピューティングなど最先端技術の調査・コンサルティングを行う部署への転職に成功しました。
カウンセ
リング
あなたに最適なキャリアコーディネーターがご経歴、ご関心、仕事内容のご意向、キャリアプランのお考えなどを、幅広く丁寧にお伺いさせていただきます。
また、専門家の視点で転職時のアピールポイントを明文化していきます。
最適な
キャリアを
ご提案
カウンセリング内容を元にキャリアプランをご提案し、厳選された求人の中からあなたにマッチする転職先をご案内させていただきます。
専門家がカウンセリングを行うからこそ、ご自身では気づかないキャリアプランもご提案することができます。
履歴書・職務
経歴書の添削
転職候補の企業や業界によって、履歴書・職務経歴書で詳しくアピールする内容が変わることもあります。あなたの魅力がしっかりと企業に伝わるようにサポートいたします。
企業との面接調整
面接の練習サポート
面接時の受け答えやマナーなど面接時にどのようにご自身をアピールすべきかなどのアドバイスも含めて、必要となる対策のサポートをいたします。
面接時の受け答えやマナーなど面接時にどのようにご自身をアピールすべきかなどのアドバイスも含めて、必要となる対策のサポートをいたします。
面接後のフォロー
面接後に、キャリアコーディネーターが企業の感触を伺うと同時に、あなたの魅力をご理解いただけるようにフォローをさせていただきます。
また、面接の振り返りも行い今後の面接対策もサポートさせていただきます。
面接後に、キャリアコーディネーターが企業の感触を伺うと同時に、あなたの魅力をご理解いただけるようにフォローをさせていただきます。
また、面接の振り返りも行い今後の面接対策もサポートさせていただきます。
本講座を受講することで、実務に直結する実用性の高い知識と技術を習得でき、ビジネス現場で活躍するAIエンジニアを目指せます。
日本ディープラーニング協会が認定するE資格対応のプログラムとなっており、計80時間の集中講座で高い技術を身につけることができます。
| 講座名 | AIエンジニア育成コース講座 E資格対応 |
|---|---|
| 学習目標 | 環境構築からモデル構築までの理解とコードで実装できる能力を身につける。 |
| 受講形式 | テキスト＆動画形式 |
| 受講対象者 | プログラミング経験者の方 |
| 前提スキル | 関数や制御構文を理解している。行列や微分の計算を行ったことがある。 高校数学までの理解 |
| 受講料 | 19万円（税抜）
お支払い方法：銀行振込 （2020年11月4日開講コース:お支払い期限11月1日） |
| 学習想定総時間 | 約80時間以上（コンテンツ閲覧・コード作成・課題の実施時間） |
| 学習期間 | 3カ月 |
| コンテンツの視聴可能時間 | 1年間 |
| コーススケジュール | 2020年11月4日(水) 開講コース：申込締切日 10月30日 (金) 2020年12月1日(火) 開講コース：申込締切日 11月26日 (木) |
| 必要環境 | Google Chrome 最新版・Safari 最新版 |
注：ディープラーニング協会は、ディープラーニングを事業の核とする企業が中心となり、ディープラーニング技術を日本の産業競争力につなげていこうという意図のもとに設立された団体です。
カリキュラム 概要
| カリキュラム | 概要 | 学習想定 時間(h) |
|---|---|---|
| イントロダクション | 日本ディープラーニング協会が実施するE資格（エンジニア資格）講座の全体像と学習の進め方を説明します。 | 1 |
| Python基礎 | Pythonでデータ分析を実施する際の環境構築の方法と基礎文法から数値計算、データ集計、グラフ作成の方法を学習します。 | 5 |
| 数学 | 機械学習・ディープラーニングの学習に必要となる数学知識（微分、線形代数、統計と確率分布）について学習します。 | 17 |
| 機械学習 | 機械学習を理解する上で必要となる基本知識と、主要な機械学習アルゴリズム（教師あり学習、教師なし学習）の内容、実装方法を学習します。 | 19 |
| 深層学習 | 深層学習の技術的な背景と歴史、これらの技術が発展してきた背景などを踏まえて深層学習の基礎知識と実装方法を学習します。 | 17 |
| 畳み込みニューラル ネットワーク |
画像認識のビジネス現場で活用される畳み込みニューラルネットワーク（CNN）をテーマとした深層学習の理論と構築方法を学習します。 | 9 |
| 回帰型ニューラル ネットワーク |
システムログや電気信号等の時系列信号を扱う回帰型ニューラルネットワーク（RNN）をテーマとした深層学習の理論と構築方法を学習します。 | 7 |
| 生成モデル・ 強化学習 |
ディープラーニングを取り巻く機械学習技術において、画像生成や強化学習等の周辺領域の知見を深層学習を適用させる方法を学習します。 | 5 |
| 開発・運用環境 | 深層学習技術をビジネス現場で効率的かつ安全に運用するための開発環境の構築や設計の考え方について学習します。 | 1 |
