AI技術者研修2025 事前説明会 開催案内
- 開催日：2025.03.11
主催：関西電子情報産業協同組合（KEIS） 共催：NPO法人M2M・IoT研究会
―――実践的なカリキュラム（データサイエンス、生成AI、深層学習、 YOLO）―――
―――AI初心者の人も応用力がつく３段階学習法―――
―――対面とオンラインのメリットをオンライン環境で融合したブレンド型学習―――
関西電子情報産業協同組合（KEIS）では、NPO法人M2M・IoT研究会との共催で、これまで6回「AI技術者研修」を開催しました。
AIが急速に進化するなか、最新のAI技術を習得する「AI技術者研修」を6月7日（土）～9月17日（水）の間に8回の講義で開催します。
初心者でも分かりやすいカリキュラムで、実務に役立つスキルを身につけることできます。
研修開催に先立ちまして、以下のとおり、「事前説明会」をZoomで開催しますので、お申込みをお待ちしております。
１．事前説明会 案内
講師から本研修の概要を説明し、参加者からの質問に答えます。
事務局から助成金の概要を説明し、参加者からの質問に答えます。
・開催日時 2025年3月11日（火） 13:30～14:30
・参加方法 Zoom
・申込方法 このWEBの「お問い合わせ」から、件名を「AI研修 説明会申込」として、組織名・部署役職・氏名・email・telを記載し、【3月10日（月）】までにお送りください。
※お申込みいただきましたら、Zoom接続先をお知らせします。
２． 本研修の主旨
未来の企業発展に向け、デジタルトランスフォーメーション（DX）が欠かせない現代。
その中でも、AIの活用が鍵となります。
生成AIが登場したことで、AI活用の範囲が拡大し、さらに加速するでしょう。
このためには、優れたAI技術者の育成が不可欠です。
本研修は、現場で実績を上げるAI技術者の養成を目指し、「事例とともに学ぶAI基礎学習」、「教材プロトタイプによる学習」、そして「応用プロトタイプ構築による学習」という理論と実践によって生み出した「３段階の学習法」により、AI初心者の人も応用プロトタイプ構築ができるようになることを目標にします。
また生成AIの活用スキルを身に付けることでさらに仕事に役立つAI活用力の獲得を目指します。
すべてオンライン環境での受講ですが、対面型学習とオンライン型学習の特徴を組合せるブレンド型と呼ばれる形態をオンライン環境で実現し、受講生がカリキュラムの理解度を深め、講師と受講者、受講者同士がコミュニケーションしつつ、受講できます。
３．本研修の特長
（１）本研修は、通常のAIセミナーの解説・演習型と比較して、「受講生の理解度」を確認しつつ進め、仕事に役立つ応用力をつける実践的な研修です。
（２）初日に生成AIを活用できる知識を身に付けていただくことで、以降の講義で生成AIを役立てられるようにします。
（３）データサイエンスへの関心と期待が高まっており、オープンデータを活用したデータ分析から、機械学習の教材プロトタイププログラムの実行までを、手を動かしながら学びます。さらに機械学習の応用プロトタイプまで行うことで、データ活用について実践力をつけることができます。
（４）AI初心者でも、３段階学習法によって、応用プロトタイプ構築までできることを目標とします。初心者は、まず、第１段階では、「事例から入るAI基礎」で身近な問題へのAI活用からAIを学びます。「データサイエンスとは」では、データの特質と身近なデータの活用例を学び、AIとの関係を習得します。第２段階では、「教材プロトタイプの学習」により、AIの仕組みやツールの使い方について手を動かしながら学びます。第３段階では、第１，第２段階の理解をもとに、「応用プロトタイプ構築」と応用学習を行います。
（５）AI経験者は、応用プロトタイプ構築の研修テーマから自分の関心ある課題を深堀することにより、応用力を一層充実することが可能です。例えば、身近なデータを分析して仕事に役立てるシステムや身近な映像に含まれる物体の種別・数を抽出するシステムへの展開です。
（６）オンライン環境で、同期型の対面学習と非同期型の復習を組み合わせたブレンド型を実現し、理解度を高めことが可能となります。受講生同士、講師と受講生がコミュニケーションしつつ、仲間意識を作り上げながら受講する方法をとっています。受講生数名の「オンライングループ交流室」で、研修の感想の意見交換、講義の相互復習、講義の質問事項の整理などを行うことができます。このことで一体感が生まれ、研修意欲も増すようになります。
（７）第３段階では、「応用プロトタイプ構築」と「応用学習」を行います。
① 「応用プロトタイプ構築」では、次の４つの応用プロトタイプ構築により実践力を養い、仕事へ役立てることが可能になります。
A)データサイエンスの例としてオープンデータを使った傾向分析を行います。
B)機械学習ではオープンデータ活用によるデータ分析（卸売業者の注文分析、気象データを使った分析）（scikit learn ライブラリを活用した分類・回帰・クラスタリング）
＝＝＞データのさまざまの応用例をつくることにより、データ活用の新しい発想が生まれ、ＡＩ活用の幅が広がります。
C)物体認識のYOLO技術を活用した画像分析による物体検出の応用
＝＝＞１つの画像における複数の物体検出技術を学ぶことで、画像解析によるAI応用範囲の拡大が図れます。
D)生成AIをそのまま使うだけでなく、生成AIを用いたアプリケーション開発の仕組みを学び、実際に作ることで、具体的な活用のアイデア創出につながります。
②「応用学習」では、生成ＡＩとアイデア創出を対象にします。
A)生成ＡＩの演習により、生成AIの活用力をつけ、AIに関するアイデア創出について学習します。
（８）厚生労働省の人材開発支援助成金を利用して、受講料に近い助成額を受け取ることが可能です。
４．対象者
技術者を原則とします。
中堅技術者及び技術職で無くてもAI利活用により業務高度化に興味のある方（営業職、生産管理職、労務管理職等）も対象とします。
これまでに製造、流通・サービス、金融の分野の方々が受講されています。
５．研修概要
・全8回（8日）
・研修期間 2025年6月7日（土）～2025年9月4日（水）
・土曜日と水曜日で交互に開催
・受講方法 第1～8回 Zoom受講
・講義と次の講義の間は各自復習（復習ビデオあり）
・講義時間帯 10:00～17:30（昼休憩12:00～13:00）
・受講条件 PCは受講者が用意すること
・PCの必要スペック
CPU：intel core-i5以上、メモリ：8GB以上、ディスク空き容量：10GB以上、OS：Windows10 64bitまたはWindows11
開発環境は、Webブラウザで動作するGoogle ColaboratoryおよびGoogle Driveを利用（Googleアカウントが必要です）
６．これまでの受講者の声
・基礎から段階的に進められ、実際にプログラムの実行などを通して、応用的な構築までできるようになった。
・AIの理解が深まり、AIで何が応用できるかの想定やヒントがたくさんもらえました。
・学んだ内容を踏まえて、復習を行うため、聞くだけに比べると理解度の進みが大きかった。
・自身で行った課題に対して解説を設けることで別の答え方も存在することを認識することが出来、AIに対する視野が広がった。
・（物体認識などプロタイプ・プログラムもあり）実際に応用できる事例での講習だったので理解しやすかった。
７．カリキュラム概要
８．開催日
第1回 2025年 6月 7日（土） Zoom受講
第2回 2025年 6月18日（水） Zoom受講
第3回 2025年 7月 2日（水） Zoom受講
第4回 2025年 7月19日（土） Zoom受講
第5回 2025年 8月 2日（土） Zoom受講
第6回 2025年 8月20日（水） Zoom受講
第7回 2025年 9月 6日（土） Zoom受講
第8回 2025年 9月17日（水） Zoom受講
９．講師紹介
講座長：小泉寿男：NPO法人M2M・IoT研究会理事長、東京電機大学名誉教授
・出身：福島県
・東北大学工学部通信工学科卒業、東北大学大学院情報科学研究科博士課程修了 博士（情報科学）
・職歴：三菱電機、東京電機大学教授
講師幹事：大江信宏：NPO法人M2M・IoT研究会理事、サイバー大学教授
・出身：兵庫県
・神戸大学工学部計測工学科卒業、博士（工学）
・職歴：三菱電機、東海大学教授
講師：大高謙二：NPO法人M2M・IoT研究会会員、会社役員
・出身：栃木県
・慶応義塾大学工学部数理工学科卒業、博士（情報学）
・職歴：三菱電機
講師：長谷川雄史：NPO法人M2M・IoT研究会会員、大手電機メーカ勤務
・出身：東京都
・千葉大学大学院自然科学研究科修了 博士（情報学）
・職歴：大手電機会社
１０．本研修の受講料（税込・8回分）
KEIS組合員・事業協力会員・KEIS-BL特別会員・M2M･IoT研究会員 9.9万円/人
KEIS非組合員・M2M･IoT研究会非会員 11万円/人
１１．定員：20名（先着順 組合員優先） 最低受講者数 10名
１２．参考資料
〈生成AIの活用〉
図10生成AIの活用
〈応用プロトタイプの紹介（一部）〉
１．深層学習応用プロトタイプの応用例
図20物体検出アルゴリズムYOLOを用いた応用プロトタイプ
2.scikit-learn活用によるオープンデータ活用による分析の応用プロトタイプ
図30オープンデータ活用による卸売業者の注文分析 図40オープンデータ活用による電力消費分析
