Skip to main content
AI EducademyAIEducademy
🌳

AI基礎

🌱
AI Seeds(種)

実社会で役立つAIリテラシー

🌿
AI Sprouts(芽)

インテリジェントシステムを支える基礎

🌳
AI Branches(枝)

今日のAIの実力を活かして作る

🏕️
AI Canopy(樹冠)

信頼できる生成AIシステムを設計する

🌲
AI Forest(森)

責任あるかたちでAIプロダクトを世に出す

🔨

AIマスタリー

✏️
AI Sketch(スケッチ)

AIを作る人のためのエンジニアリング基礎

🪨
AI Chisel(鑿)

より難しい問題を解くためのパターン

⚒️
AI Craft(制作)

AIをスケールさせるシステムを設計する

💎
AI Polish(磨き上げ)

AI時代に伝え、導く

🏆
AI Masterpiece(傑作)

あなたの本番AIキャップストーン

🚀

キャリア準備

🚀
面接ローンチパッド

AIエンジニアリングの求人市場を切り拓く

🌟
行動面接マスター

自分がどう成果を生み出すのかを語る

💻
技術面接

プレッシャーの中で解き、設計し、伝える

🤖
AI・ML面接

最新のMLと生成AIの面接に備える

🏆
オファーとその先

自信を持って、納得のうえで次の一歩を踏み出す

全プログラムを見る→

ラボ

7つの実験がロード済み
🧠ニューラルネットワーク プレイグラウンド🤖AIか人間か?💬プロンプトラボ🎨画像生成😊感情分析ツール💡チャットボットビルダー⚖️倫理シミュレーター
🎯模擬面接ラボへ入る→
ジャーニーブログ
🎯
概要

すべての人にAI教育をアクセス可能にする

❓
よくある質問

よくある質問への回答

🧰
AI ツール

私たちが使い、おすすめする厳選ツール

✉️
お問い合わせ

お気軽にご連絡ください

⭐
オープンソース

GitHubで公開開発

料金
始める
AI EducademyAIEducademy

© 2026 AI Educademy. 無断転載を禁じます。

学ぶ

  • プログラム
  • レッスン
  • ラボ
  • AIスターターキット
  • 料金

コミュニティ

  • GitHub
  • 貢献する
  • 行動規範
  • 概要
  • よくある質問

サポート

  • コーヒーをおごる ☕
  • 利用規約
  • プライバシーポリシー
  • お問い合わせ
  • Sitemap
🌿 レベル 2

AI Sprouts(芽)

インテリジェントシステムを支える基礎

データセット、特徴量、埋め込み、ニューラルネットワーク、Transformer、評価、そしてモデルの挙動を左右する実践的なトレードオフなど、現代のAIを支える構成要素を理解します。

16
レッスン
~8h
所要時間
2/5
レベル

🎯 学べること

  • ✓Trace the path from data to model output
  • ✓Explain embeddings, tokenisation, and transformer intuition
  • ✓Select useful evaluation metrics for an AI task
  • ✓Diagnose overfitting, bias, and data-quality failures

前提条件: AI Seeds、または同等の実践的なAIの基礎知識

👤 こんな方におすすめ

AIリテラシーから技術的な理解へと進みたい学習者

🏷️ 扱うトピック

Datasets and data qualityTraining, loss, and optimisationEmbeddings and vector searchNeural networks and transformersEvaluation and responsible use
🧪

インタラクティブな実験を試す

ブラウザ上ですぐに実行できる実践的なAI実験で、理論を実践に移しましょう。

→

📚 レッスン

1
📊

データがAIを動かす仕組み

データセットとは何か、データ品質が重要な理由、適切なデータがどのように AI に賢さを教えるのかを学びましょう。

⏱️ 12m→
2
📝

アルゴリズム入門

アルゴリズムとは何なのか、アルゴリズムが日常的な例でどのように機能するのか、AI にとって適切なアルゴリズムを選択することがなぜ重要なのかを学びましょう。

プロ⏱️ 15m→
3

📖 関連記事

AI vs Machine Learning vs Deep Learning: What's the Real Difference?

Confused by AI, machine learning, and deep learning? This guide breaks down the differences with clear examples, diagrams in words, and practical context — so you finally understand how they relate.

⏱️ 4 min read

Machine Learning for Beginners: Everything You Need to Know (2026 Guide)

Machine learning for beginners explained simply — learn what ML is, how it works, key algorithms, and how to start learning for free with hands-on examples.

⏱️ 4 min read

Responsible AI: Ethics, Bias, and Why It Matters

What is responsible AI and why does it matter? This guide explains AI bias, fairness, transparency, privacy, and safety in plain language — with real examples of what goes wrong and how we can do better.

⏱️ 4 min read

❓ よくある質問

AI Sproutsは、すでにAIの基礎知識がある方(理想的にはAI Seeds修了者)を対象としています。AIの概要を理解していれば、データの種類、アルゴリズム、倫理といった構成要素を学ぶ準備ができています。

いいえ、プログラミングは不要です。AI Sproutsはインタラクティブな可視化と実践的な演習を通じて、コードを書かずにAIの仕組みを直感的に理解できるようにします。

はい。すべてのレッスンを修了すると、LinkedInで共有したり採用担当者に提示したりできる名前入りの証明書を取得できます。

AI Sproutsの最初のレッスンは無料でお試しいただけます。Proに登録すると残りのレッスンに加え、他のすべてのアカデミー、学習パス、証明書が利用できます。

教師あり学習、教師なし学習、強化学習の違いを学びます。学習データについて理解し、AIがどのように判断を下すのかを知り、AIにおけるバイアスと公平性について批判的に考える力を養います。

最初のレッスンを始める →
15 · プロ

次のレベルはこの扉の先にあります

プランを選ぶと、すべてのアカデミー、レッスン、進捗同期、修了証明書を利用できます。積み上がるスキルを作りましょう。

Proを7日間無料で試す →

7日間無料。いつでも理由を問わず解約できます。

🔒 進捗を追跡し証明書を取得するにはサインインしてください

← 全プログラムに戻る
🕸️

ニューラルネットワーク入門

ニューラル ネットワークがどのように脳を模倣し、層を介して情報を処理し、間違いから学ぶかを調べます。

プロ⏱️ 18m→
4
🏋️

AIモデルの学習

トレーニング ループ、損失関数、過学習、および AI モデルの準備が整ったことを知る方法を理解します。

プロ⏱️ 15m→
5
⚖️

AIの倫理とバイアス

AI システムにバイアスがどのように侵入するか、AI が生み出す倫理的課題、そしてより公平なテクノロジーを構築する方法を探ります。

プロ⏱️ 15m→
6
⛓️

誤差逆伝播法

チェーン ルールを使用してすべての重みを更新し、エラーを層全体に逆方向に伝播することでニューラル ネットワークがどのように学習するかを理解します。

プロ⏱️ 16m→
7
📉

損失関数と最適化器

損失関数がモデルの誤差を測定する方法と、オプティマイザが勾配を使用して系統的に誤差を削減する方法を学びます。

プロ⏱️ 15m→
8
🔤

トークン化

言語モデルが BPE やその他のアルゴリズムを使用してテキストをトークンに分割する方法と、トークン化がコストから機能まですべてを形作る理由を学びます。

プロ⏱️ 14m→
9
🧭

埋め込みとベクターデータベース

AI が単語や文章を高次元空間のベクトルとしてどのように表現し、セマンティック検索、推奨、RAG を可能にするかを調べます。

プロ⏱️ 16m→
10
📊

評価指標

精度だけが誤解を招く理由を学び、AI のパフォーマンスを真に測定する精度、再現率、F1、ROC-AUC、BLEU、複雑さなどの指標を習得してください。

プロ⏱️ 15m→
11
🔤

LLMを理解する

GPT、Claude、その他の LLM が内部でどのように機能するか

プロ⏱️ 15m→
12
📉

過学習と未学習

明確な例とそれらを修正する方法を使用して、2 つの最も一般的な機械学習の失敗モードである過学習と過小学習を理解します。

プロ⏱️ 25m→
13
⚙️

特徴量エンジニアリング

特徴量エンジニアリングが生データを強力な機械学習入力に変換する方法、つまり優れたモデルと優れたモデルを区別するスキルを学びましょう。

プロ⏱️ 30m→
14
🔀

教師あり学習と教師なし学習

教師あり機械学習と教師なし機械学習を明確に比較し、各アプローチをいつ使用するかを、実際の例とアルゴリズムとともに示します。

プロ⏱️ 25m→
15
🌳

決定木:紙に描けるアルゴリズム

デシジョン ツリーがどのように機能するか、デシジョン ツリーが最も直感的な ML アルゴリズムの 1 つである理由、およびいつ使用するかを学びます。

プロ⏱️ 25m→
16
🔵

クラスタリング:ラベルなしでAIがパターンを見つける方法

K 平均法、階層的クラスタリング、現実世界のアプリケーションを通じて、重要な教師なし学習手法であるクラスタリングを理解します。

プロ⏱️ 25m→