このロードマップはAIエンジニアになりたい人に特化したロードマップです。
AIエンジニアは、AI技術を活用してシステムやアプリケーションを構築し、企業やプロダクトにAIを組み込むことに焦点を当てた職種です。
主に機械学習や深層学習のモデルを実装し、ソフトウェアに導入する役割になります。
他の職種に興味がある場合は以下のロードマップを参考にしてみてください。
・ロードマップ【データサイエンティストを目指す人向け】
・ロードマップ【データマーケターを目指す人向け】
・ロードマップ【データアナリストを目指す人向け】
どの職種が自分に向いているか分からない場合は以下の職種診断を受けてみてください。
1日1時間の学習時間で約6ヶ月ほどで全てのカリキュラムを終了できるイメージです。
本カリキュラムはデータに強いデータ人材を増やして、AIやデータサイエンスの力で企業に変革を起こしてもらうことを想定しています。
そのため、まずはデータで企業に変革を起こすデジタルトランスフォーメーション（DX）には何が重要なのか？どうすれば実現できるのか？について全体感を学んでいただきます。
まずデータ分析によく使われるプログラミング言語Pythonの基礎を学んでいきましょう！
プログラミング言語が初めての方でも問題なく学べるように講座を設計しています。
Pythonの基礎を学んだ後は、実際にどのようにデータを加工・集計・可視化していくのか基礎的な部分を手を動かしながら学んでいきます。
データ分析においては、高度な理論の実装以前に加工・集計・可視化が非常に重要で、かつ多くの時間を費やすことになります。
Pythonの使い方に慣れた後は、統計学の基礎を学んでいきます。
統計学の領域から重要なエッセンスだけ抜き出してまとめています。
統計学の領域から拡張して機械学習手法の理論について概要をつかんでいきます。
データサイエンティストほどモデル構築の場面はないかもしれませんが、それでも一通りモデル構築ができるようになっておく必要があります。
実際に動画で手法の概要をつかんだ後にPythonでそれぞれの手法を実装していきましょう！
ここまで機械学習や統計学の概要を学んできましたが、それだけではビジネスシーンで実装することは難しいです。
機械学習をビジネスシーンで実装していくためには
・どんなステップを踏むべきなのか
・どういうポイントに注意しなくてはいけないのか
を具体的に見ていきましょう！
全体の流れを掴んだ後は、実際に世界No1小売店のウォルマートのデータを使いながら分析をしていきますよ！
最後の実装部分はレベルが一気に上がりますが一通りの流れを理解しておきましょう！
ここまで来ればデータ分析や機械学習導入の基本はバッチリでしょう。
ここからはさらに踏み込んでディープラーニングコースについて学んでいただきます。
ディープラーニングは第3次AIブームの火付け役。
実際にディープラーニングの原理はどうなっているのか？
どうやって実装できるのか、学んでいきましょう！
実は実務では、かなりSQLを使う機会が多いです。
プロジェクトにもよりますが、PythonよりもSQLを使う方が多いケースもあります。
そんなSQLの基礎を手を動かしながら学んでいきましょう！
このコースではSQLの基礎を理解された方が、実際のデータを使ってSQL、Pythonで分析を行う実践的な内容を扱います。
データ分析の一連の流れであるデータ理解や加工・集計・モデル構築といった過程を一通り網羅しており、BigQuery（後に紹介）、Google Colaboratoryを使って実践さながらの分析をしていきます。
このコースでは「メジャーリーグの投球データ」を扱って分析をしていきます。
Googleのプロダクトを使ってSQL・Pythonで抽出・集計・加工・分析・可視化まで一気通貫で行う楽しさを味わってみてください！
AIエンジニアでもある程度マーケティングの知識を入れておくことは重要です。
このコースでは、AIエンジニアとして持ち合わせておきたいマーケティングのスキルを徹底的に学んでいきます。
PythoでWebアプリを構築するならDjango！
PythonのWebアプリフレームワークはいくつかありますが、その中でもDjangoは大規模アプリを構築する上での機能が揃っており、使いやすいです。
最終的には画像生成AIのDALL･EのAPIを利用してユーザーがインプットしたテキストに合わせて画像を返してくれるWebアプリを作っていきます！
AIエンジニアを目指すならDjangoを使って開発ができるようになっておきましょう！
このコースでは開発において非常によく利用するDockerという技術について学んでいきます。
Dockerはザックリ言うと自分のPCとは別の箱に様々な開発環境を構築できる技術です。
Dockerを使うことで他人との環境の共有やサービスのデプロイが簡単にでき、開発効率が上がります。
ぜひDockerを使いこなせるようになっておきましょう！
このコースでは、最近話題の大規模言語モデルや生成系AIのベースになっているモデルについて学んでいきます。
2017年にTransformerというモデルが発表され業界に衝撃が走りました。
そこから自然言語処理技術は飛躍的な進化を遂げ今に至ります。
このコースでは、このTransformerの理解から実際にGPTをはじめとした生成系AIモデルのAPIをPythonで利用してみるところまでやっていきます。
このコースでは、大規模言語モデル（LLM）を使ったRAGという処理について解説していきます！
独自で保有している情報を参照して大規模言語モデルに回答して欲しいケースにRAGは利用されます。
例えば社内に貯まっているリソースを元にしたQAチャットボットを作りたい場合など！
このコースでは、最終的に特定のWebページの情報をベースに大規模言語モデルがQAに答えてくれるような処理をRAGを用いて実装していきます。
おめでとうございます！
ここまで来ればあなたもAIエンジニアの仲間入り！
一緒にデータを使って強い日本を作っていきましょう！
ここで紹介したステップで学ぶことで一通りAIエンジニアの基本スキルを身につけることはできますが、この後にさらに他のコースに取り組むことでさらに深い応用スキルまで身につけることが可能です。
現在公開予定のコースは以下になっております。講座追加ご希望のコースがございましたらお問い合わせフォームよりご連絡ください。
・競馬×データ分析
・数理最適化
・統計的因果推論