stage 3
AIコース
AIについて学び、AIの可能性を
理解するコースです
- Stage3では、AIについて学び、AIの可能性を理解します
- Stage3-1ではPC（ブラウザ）或いはスマホ（アプリ）を用いてテキストを閲覧し、AIの基礎について学びます
- オンデマンド形式ですのですきま時間を活用して無理なく受講頂けます / 研修時間は約３時間の見込み
- Stage3-2ではPCのブラウザを使用し演習を行います
- AIの基礎的仕組み：Tensorflow(ノーコードで深層学習モデルを作成するサービス )を利用します
- 画像分類AI / 物体検出AI / セグメンテーションAI / 姿勢推定AI / 属性認識AI / 生成AI：
DREP GPU上で各AIを動作させて演習を行います
- オンデマンド形式ですので隙間時間を活用して無理なく受講頂けます / 研修時間は約１時間の見込み
- AIにご興味のある方、業務にAIの導入をご検討中の方にお勧めです
本プログラムは公益社団法人土木学会CPD認定プログラムとなっております。
2025年10月8日~2026年3月31日開催：認定番号 JSCE25-1160
CPD：最大14.9単位（StageBからStage3-2まで全コース修了の場合）
受講に必要な環境
【研修資料閲覧】 インターネットにアクセスできるPC（ブラウザを使用）或いはスマートフォン/タブレット（専用のアプリを使用）
【演習】 インターネットアクセス可能なPC、ブラウザ
＜Stage３のカリキュラム概要＞
| Stage3-1 AI基礎 | |||
|---|---|---|---|
| 内容 | AIの基礎について学ぶ | 学習時間 目安 |
3時間 |
| 習得目標 | AIの歴史や理論、その応用例を学ぶと共に、正解率・適合率等のAIの学習結果の評価方法を理解する。 | ||
| Stage3-2 AI演習 | |||
| 内容 | AIについて学び、AIの可能性を理解する | 演習時間 目安 |
1時間 |
| 習得目標 | AIの基礎的仕組みを学び、DREP GPU上で各AI（画像分類AI / 物体検出AI / セグメンテーションAI / 姿勢推定AI / 属性認識AI / 生成AI）を動作させて演習を行い、AIの可能性を理解する。 | ||
カリキュラム詳細
| Stage3-1 AI基礎 ／ 182分 | |||
|---|---|---|---|
| AIの歴史と応用分野 | |||
| 習得目標 | 人工知能研究の始まりから現在に至るまでの歴史を理解する 人間の知的活動に関わる人工知能技術の活用について理解する 機械学習・深層学習を中心とした現在の人工知能技術の開発ツールについて理解する |
学習時間 目安 |
34 分 |
| 機械学習の基礎と展望 | |||
| 習得目標 | 機械学習の基本的枠組みである教師あり学習と教師なし学習について学ぶ 機械学習を実行する上で重要な過学習の概念を通して正則化法の重要性を学ぶ |
学習時間 目安 |
21 分 |
| 深層学習の基礎と展望 | |||
| 習得目標 | 深層学習で用いられるニューラルネットワークモデルの原理、学習方法、その応用事例を学ぶ | 学習時間 目安 |
12 分 |
| AIの構築・運用 | |||
| 習得目標 | AIの運用方法等について学ぶ 今後、AIが社会に受け入れられるために考慮すべき点を学ぶ |
学習時間 目安 |
12 分 |
| AIの適用方法 | |||
| 習得目標 | AIの開発方法・学習・評価方法などについて理解する | 学習時間 目安 |
25 分 |
| 認識 | |||
| 習得目標 | AIにおける認識の概念を学び、画像と音声について実社会のどのような場面で活用されているか、またその技術を実現するためにどのような処理が行われているかを学ぶ 物体や音といった実世界の現象をコンピュータに取り込むとどのようなデータになるのか、その性質や注意すべき点について学ぶ |
学習時間 目安 |
30 分 |
| 予測・判断 | |||
| 習得目標 | 機械学習の予測モデルや、予測された結果の評価方法を学ぶ | 学習時間 目安 |
9 分 |
| 言語・知識 | |||
| 習得目標 | 人間の知的活動に関わる人工知能技術の中で言語・知識に関わる技術について学ぶ | 学習時間 目安 |
28 分 |
| 身体・運動 | |||
| 習得目標 | 物理的な空間でのコンピュータと人間の接点を作り出す、ロボット技術について学ぶ ロボット技術における身体の動き、運動を実現するアクチュエータや、知覚・感覚としての働きを持つセンサー技術について学ぶ ロボットとAIの関係、ロボットのためのデータサイエンス技術を学ぶ |
学習時間 目安 |
11 分 |
| Stage3-2 AI演習 ／ 60分 | |||
|---|---|---|---|
| AIの基礎的仕組み | |||
| 習得目標 | 過学習の原因を理解する ・学習データが少量である点 ・モデル構造が複雑である点 |
演習時間 目安 |
30 分 |
| 画像分類AI | |||
| 習得目標 | 学習済みモデルの画像認識性能を確認する※ | 演習時間 目安 |
30 分 |
| 【インフラ管理組織向け】 モデルの再学習により附属物画像の損傷分類に対応可能であることを確認する※ |
|||
| 物体検出AI | |||
| 習得目標 | 学習済みモデルを用いて領域検出が可能であることを確認する ※ | ||
| 【インフラ管理組織向け】 モデルの再学習により道路面の画像における損傷検出が可能であることを確認する※ |
|||
| セグメンテーションAI | |||
| 習得目標 | ピクセルレベルで物体の領域を検出可能であることを確認する | ||
| 物体検出とセグメンテーションの融合 | |||
| 習得目標 | 指定したクラスラベルに応じて，対象物体がセグメンテーションされることを確認する | ||
| 姿勢推定AI | |||
| 習得目標 | 人間の骨格情報が画像から自動抽出できることを確認する | ||
| 属性認識AI | |||
| 習得目標 | 人間の属性情報を抽出可能であることを確認する | ||
| 画像生成AI | |||
| 習得目標 | 多様なキャプションから画像を生成可能であることを確認する | ||
| マルチモーダルモデル（生成AI） | |||
| 習得目標 | 視覚的質問応答が可能であることを確認する ※ | ||
| 【インフラ管理組織向け】 道路面の画像に対しても視覚的質問応答が可能であることを確認する ※ |
|||
※ 受講者の関心に合わせて、
いずれかを選択して受講