まずは、現場で必要となる開発環境やコマンド操作の基礎知識を身につけるところからスタートします。単にコードを書くのではなく、「実際の開発現場でどう作業が進むのか」を意識しながら、モダンな開発に必要な基礎力を徹底的に固めていきます。

学習目標

Linuxコマンドラインの基本操作とGitHubを用いたソースコード管理を習得し、開発現場で求められる基本操作を自力でこなせる状態を目指します。

学習内容

• Linuxコマンドライン
• GitHub

学習手順

まずLinuxコマンドを通じてエンジニアに必須となるCUI操作に慣れながら、ファイル・ディレクトリ操作やコマンドオプション・権限管理など、現場で頻繁に使うコマンド操作を身につけます。

その後、GitHubを用いたソースコード管理の基本から応用的な使い方まで学び、チーム開発に対応できる環境を整えます。

開発環境の基礎を押さえたうえで、AI・データ分析の現場で広く使われるPythonの文法と設計思想を学びます。変数・制御構文・関数といった基本から、クラス・エラーハンドリング・生成AI活用まで、実務で求められるPythonの総合的な力を段階的に習得します。

学習目標

Pythonの基本文法から応用的な開発手法まで幅広く習得し、生成AIを活用しながら実務レベルのプログラムを自力で設計・実装できる力を身につけます。

学習内容

• 変数・データ型・制御構文
• 配列・ディクショナリ
• 関数・スコープ・クラス
• 日付処理・パッケージ・モジュール
• エラーハンドリング
• 生成AIを活用した開発（エラー対処・テスト・コードレビュー）

学習手順

まずPythonの開発環境を構築し、変数・データ型・制御構文・関数などの基礎文法を学びながら、簡単なプログラムを動かします。

リスト・タプル・ディクショナリなどのデータ構造や、クラス・スコープ・日付処理・パッケージといった応用的な概念へと段階的に進みます。最後にエラーハンドリングを学ぶとともに、生成AIを活用したエラー対処・テストケース作成・コードレビューなど、現代の開発現場で求められるAI活用スキルを身につけます。

Pythonの基礎を活かし、生成AIのAPIを使った実践的なアプリ開発へ進みます。APIの仕組みを理解しながら、実際にチャットアプリを構築することで、AI活用開発の基礎を習得します。

学習目標

生成AIのAPIの基本を理解し、Pythonを使ってAPI連携アプリを自力で構築・拡張できる力を身につけます。

学習内容

• APIの基礎
• 生成AIのAPI連携
• チャットアプリの開発
• API利用における注意点

学習手順

まずAPIの基礎概念と生成AIのAPIを活用したアプリの事例を把握し、開発環境を整えます。

その後、簡単なAPI連携を体験しながら動作の仕組みを理解し、機能を段階的に拡張して簡単なチャットアプリを構築します。

最後にAPI利用時のコストやセキュリティ面での注意点を学び、実務を意識したAIアプリ開発の基礎を身につけます。

アプリ開発に不可欠なデータベース設計とSQL操作を学びます。データの追加・検索・集計・テーブル結合といった実務で頻出の操作を習得し、本格的なデータ活用の土台を固めます。

学習目標

SQLによるデータ操作とデータベース設計の基礎を習得し、実務レベルのデータ管理・検索・集計を自力でこなせる力を身につけます。

学習内容

• SQL / データベース設計
• CRUD操作・テーブル結合・集計

学習手順

まずXAMPP（Windows）またはMAMP（Mac）を用いてデータベースの学習環境を構築し、SQLによるデータの追加・更新・削除・検索・テーブル結合・集計など、実務で必要となるデータ操作を習得します。続いてデータベース設計の考え方を学び、テーブル構造を自分で設計できる力を養います。

データ分析・機械学習を学ぶうえで欠かせない前提知識と数学・統計学の基礎を習得します。AIがどのように動くのかを理論から理解し、実際の分析作業に必要な数学的素養を身につけます。

学習目標

機械学習の仕組みと応用事例を把握するとともに、微分・線形代数・確率統計・回帰・分類・クラスタリングといったデータ分析に必要な数学・統計学の基礎を理解できる状態を目指します。

学習内容

• 機械学習の仕組み・応用事例
• AIガイドライン・倫理と安全基準
• 微分・線形代数
• 確率・統計学（回帰・分類・クラスタリング）

学習手順

まず機械学習でできることや仕組み・応用事例を把握し、AI開発における倫理・安全基準のガイドラインを確認します。

その後、微分・線形代数といった数学の基礎と、確率・統計学の用語・回帰・分類・クラスタリングなどのデータ分析に直結する統計手法を順序立てて学び、次のステップへの土台を整えます。

数学・統計の基礎を活かし、Pythonのデータ分析ライブラリを使った実践的な機械学習へ進みます。データの可視化・前処理・予測モデルの構築を通じて、実務レベルのデータ分析スキルを習得します。

学習目標

NumPy・Matplotlib・pandas・scikit-learnを活用し、データの前処理から予測モデルの構築・評価まで一貫して行えるデータ分析力を身につけます。

学習内容

• NumPy（配列操作・演算）
• Matplotlib（データ可視化）
• pandas（データフレーム操作・集計）
• scikit-learn（前処理・回帰・分類・クラスタリング・時系列分析）

学習手順

まずNumPyで配列操作・演算の基礎を学び、Matplotlibを使ったデータの可視化手法を習得します。続いてpandasでデータフレームの操作・集計・グラフ表示を実践し、データ前処理の考え方を身につけます。

その後scikit-learnを使って予測モデルを構築し、回帰・分類・クラスタリング・時系列分析といった実務で頻出の機械学習手法を体系的に学びます。

これまで学んだデータ分析・機械学習の知識を総動員し、世界最大のデータ分析プラットフォームKaggleのコンペに挑戦します。実際のデータを使った問題解決を通じて、実務レベルの分析力を身につけます。

学習目標

Kaggleの仕組みを理解し、実データを用いた分析・モデル構築・提出までを自力でこなせる実践的なデータ分析力を習得します。

学習内容

• Kaggleの概要・使い方
• タイタニック号沈没事故の生存予測
• 住宅価格予測

学習手順

まずKaggleの概要とコンペへの参加方法を把握します。その後、入門コンペとして定番の「タイタニック号沈没事故の生存予測」に取り組み、データの探索・前処理・モデル構築・スコア改善のサイクルを実践します。

さらに「住宅価格予測」コンペへ挑戦し、回帰手法を活用した実データへの応用力を磨きます。実際のコンペを通じて「分析を完遂する力」を身につけます。

Pythonの文法と設計思想を学びます。変数・制御構文・関数といった基本から、クラス・エラーハンドリング・生成AI活用まで、実務で求められるPythonの総合的な力を段階的に習得します。

学習目標

Pythonの基本文法から応用的な開発手法まで幅広く習得し、生成AIを活用しながら実務レベルのプログラムを自力で設計・実装できる力を身につけます。

学習内容

• 変数・データ型・制御構文
• 配列・ディクショナリ
• 関数・スコープ・クラス
• 日付処理・パッケージ・モジュール
• エラーハンドリング
• 生成AIを活用した開発（エラー対処・テスト・コードレビュー）

学習手順

まずPythonの開発環境を構築し、変数・データ型・制御構文・関数などの基礎文法を学びながら、簡単なプログラムを動かします。

リスト・タプル・ディクショナリなどのデータ構造や、クラス・スコープ・日付処理・パッケージといった応用的な概念へと段階的に進みます。

最後にエラーハンドリングを学ぶとともに、生成AIを活用したエラー対処・テストケース作成・コードレビューなど、現代の開発現場で求められるAI活用スキルを身につけます。

Pythonの基礎を活かし、生成AIのAPIを使った実践的なアプリ開発へ進みます。APIの仕組みを理解しながら、実際にチャットアプリを構築することで、AI活用開発の基礎を習得します。

学習目標

生成AIのAPIの基本を理解し、Pythonを使ってAPI連携アプリを自力で構築・拡張できる力を身につけます。

学習内容

• APIの基礎
• 生成AIのAPI連携
• チャットアプリの開発
• API利用における注意点

学習手順

まずAPIの基礎概念と生成AIのAPIを活用したアプリの事例を把握し、開発環境を整えます。その後、簡単なAPI連携を体験しながら動作の仕組みを理解し、機能を段階的に拡張して簡単なチャットアプリを構築します。

最後にAPI利用時のコストやセキュリティ面での注意点を学び、実務を意識したAIアプリ開発の基礎を身につけます。

アプリ開発に不可欠なデータベース設計・SQL操作と、機械学習を学ぶうえで欠かせないAIの前提知識・数学・統計学の基礎を習得します。データを扱う力とAIを理論から理解する素養を同時に身につけます。

学習目標

SQLによるデータ操作とデータベース設計の基礎を習得するとともに、機械学習の仕組みと数学・統計学の基礎を理解し、本格的なデータ分析へ進める状態を目指します。

学習内容

• SQL / データベース設計
• CRUD操作・テーブル結合・集計
• 機械学習の仕組み・応用事例
• AIガイドライン・倫理と安全基準
• 微分・線形代数
• 確率・統計学（回帰・分類・クラスタリング）

学習手順

まずXAMPP（Windows）またはMAMP（Mac）を用いてデータベースの学習環境を構築し、SQLによるデータの追加・更新・削除・検索・テーブル結合・集計など、実務で必要となるデータ操作を習得します。

続いてデータベース設計の考え方を学びます。その後、機械学習でできることや仕組み・応用事例を把握し、AI開発における倫理・安全基準のガイドラインを確認します。

さらに微分・線形代数といった数学の基礎と、確率・統計学・回帰・分類・クラスタリングなどのデータ分析に直結する統計手法を順序立てて学びます。

数学・統計の基礎を活かし、Pythonのデータ分析ライブラリを使った実践的な機械学習へ進みます。データの可視化・前処理・予測モデルの構築を通じて、実務レベルのデータ分析スキルを習得します。

学習目標

NumPy・Matplotlib・pandas・scikit-learnを活用し、データの前処理から予測モデルの構築・評価まで一貫して行えるデータ分析力を身につけます。

学習内容

• NumPy（配列操作・演算）
• Matplotlib（データ可視化）
• pandas（データフレーム操作・集計）
• scikit-learn（前処理・回帰・分類・クラスタリング・時系列分析）

学習手順

まずNumPyで配列操作・演算の基礎を学び、Matplotlibを使ったデータの可視化手法を習得します。続いてpandasでデータフレームの操作・集計・グラフ表示を実践し、データ前処理の考え方を身につけます。

その後scikit-learnを使って予測モデルを構築し、回帰・分類・クラスタリング・時系列分析といった実務で頻出の機械学習手法を体系的に学びます。

機械学習の基礎を押さえたうえで、AIの中核技術であるディープラーニングを学びます。TensorFlow・Kerasを活用してニューラルネットワークを構築し、画像認識・転移学習といった実践的な技術を習得します。

学習目標

ディープラーニングの仕組みを理解し、TensorFlow・Kerasを使って画像判定モデルを自力で構築・評価できる力を身につけます。

学習内容

• ディープラーニングの概要
• TensorFlow・Keras
• ニューラルネットワーク（MNIST手書き数字判定）
• 畳み込みニューラルネットワーク・CNN（CIFAR-10画像判定）
• 転移学習（VGG16・犬猫画像判定）

学習手順

まずディープラーニングの概念とTensorFlow・Kerasの基礎を学びます。

その後、Kerasを使って手書き数字（MNIST）を判定するニューラルネットワークを構築し、畳み込みニューラルネットワーク（CNN）の仕組みを理解しながらCIFAR-10の画像判定モデルを実装します。

さらに学習済みモデルVGG16を活用した転移学習で犬猫画像の判定モデルを構築し、実務レベルの画像認識技術を身につけます。

ディープラーニングで習得した画像判定モデルをWebアプリに組み込み、実際のサービスとして公開するところまで経験します。PythonのWebフレームワークDjangoを習得しながら、AIを活用した本格的なWebアプリ開発を実践します。

学習目標

Djangoを使ってCRUD機能・ログイン機能・画像判定機能を備えたWebアプリを開発し、Herokuへデプロイして実際に公開できる総合的な開発力を身につけます。

学習内容

• Django基礎（Model・View・Template）
• CRUD機能・ログイン機能
• 画像アップロード・判定機能の実装
• Bootstrapによるデザイン
• Herokuへのデプロイ・公開

学習手順

まずDjangoの開発環境を構築し、Model・View・Templateの基本構造を学びながらHello Worldの表示・データ一覧・新規作成・編集・削除といったCRUD機能を実装します。

続いてリレーション・画像対応・ログイン機能を追加し、実用的なWebアプリの形を整えます。

その後、Herokuへのデプロイを経験したうえで、ディープラーニングの画像判定モデルをDjangoアプリに組み込んだ画像判定アプリを構築し、Bootstrapでデザインを整えて公開します。

画像処理に続き、テキストデータを扱う自然言語処理（NLP）の基礎を習得します。スクレイピング・Word2Vec・BERT・GPT-2など、最新のNLP技術に触れながら、テキストデータを活用したAI開発の幅を広げます。

学習目標

自然言語処理の基本的な手法を理解し、テキストの前処理から単語の類似度測定・固有表現抽出・文章生成まで、実践的なNLP技術を自力で活用できる力を身につけます。

学習内容

• テキストの前処理・スクレイピング
• Word2Vec（単語の類似度測定）
• MeCab（ワードクラウド）
• spaCy（固有表現抽出）
• BERT・GPT-2（文章生成）

学習手順

まず自然言語処理の概要とテキスト前処理の基礎を学び、スクレイピングで収集したテキストを実際に前処理します。

その後Word2Vecを使って単語間の類似度を測定し、MeCabによるワードクラウド作成・spaCyを使った固有表現抽出へと進みます。

最後にtransformersライブラリでBERTモデルを活用し、GPT-2による文章生成を体験しながら、最新のNLP技術への理解を深めます。

Pythonの文法と設計思想を学びます。変数・制御構文・関数といった基本から、クラス・エラーハンドリング・生成AI活用まで、実務で求められるPythonの総合的な力を段階的に習得します。

学習目標

Pythonの基本文法から応用的な開発手法まで幅広く習得し、生成AIを活用しながら実務レベルのプログラムを自力で設計・実装できる力を身につけます。

学習内容

• 変数・データ型・制御構文
• 配列・ディクショナリ
• 関数・スコープ・クラス
• 日付処理・パッケージ・モジュール
• エラーハンドリング
• 生成AIを活用した開発（エラー対処・テスト・コードレビュー）

学習手順

まずPythonの開発環境を構築し、変数・データ型・制御構文・関数などの基礎文法を学びながら、簡単なプログラムを動かします。

リスト・タプル・ディクショナリなどのデータ構造や、クラス・スコープ・日付処理・パッケージといった応用的な概念へと段階的に進みます。

最後にエラーハンドリングを学ぶとともに、生成AIを活用したエラー対処・テストケース作成・コードレビューなど、現代の開発現場で求められるAI活用スキルを身につけます。

Pythonの基礎を活かし、生成AIのAPIを使った実践的なアプリ開発へ進みます。あわせて機械学習を学ぶうえで欠かせないAIの前提知識・数学・統計学の基礎も習得し、次のステップへの土台を固めます。

学習目標

生成AIのAPIを使ったアプリ開発の基礎を習得するとともに、機械学習の仕組みと数学・統計学の基礎を理解し、本格的なデータ分析へ進める状態を目指します。

学習内容

• APIの基礎・生成AIのAPI連携
• チャットアプリの開発
• 機械学習の仕組み・応用事例
• AIガイドライン・倫理と安全基準
• 微分・線形代数
• 確率・統計学（回帰・分類・クラスタリング）

学習手順

まずAPIの基礎概念と生成AIのAPIを活用したアプリの事例を把握し、簡単なAPI連携を体験しながら機能を段階的に拡張してチャットアプリを構築します。

API利用時のコストやセキュリティ面での注意点も学びます。続いて機械学習でできることや仕組み・応用事例を把握し、AI開発における倫理・安全基準のガイドラインを確認します。

さらに微分・線形代数といった数学の基礎と、確率・統計学・回帰・分類・クラスタリングなどのデータ分析に直結する統計手法を順序立てて学びます。

数学・統計の基礎を活かし、Pythonのデータ分析ライブラリを使った実践的な機械学習へ進みます。データの可視化・前処理・予測モデルの構築を通じて、実務レベルのデータ分析スキルを習得します。

学習目標

NumPy・Matplotlib・pandas・scikit-learnを活用し、データの前処理から予測モデルの構築・評価まで一貫して行えるデータ分析力を身につけます。

学習内容

• NumPy（配列操作・演算）
• Matplotlib（データ可視化）
• pandas（データフレーム操作・集計）
• scikit-learn（前処理・回帰・分類・クラスタリング・時系列分析）

学習手順

まずNumPyで配列操作・演算の基礎を学び、Matplotlibを使ったデータの可視化手法を習得します。続いてpandasでデータフレームの操作・集計・グラフ表示を実践し、データ前処理の考え方を身につけます。

その後scikit-learnを使って予測モデルを構築し、回帰・分類・クラスタリング・時系列分析といった実務で頻出の機械学習手法を体系的に学びます。

機械学習の基礎を押さえたうえで、AIの中核技術であるディープラーニングを学びます。TensorFlow・Kerasを活用してニューラルネットワークを構築し、画像認識・転移学習といった実践的な技術を習得します。

学習目標

ディープラーニングの仕組みを理解し、TensorFlow・Kerasを使って画像判定モデルを自力で構築・評価できる力を身につけます。

学習内容

• ディープラーニングの概要
• TensorFlow・Keras
• ニューラルネットワーク（MNIST手書き数字判定）
• 畳み込みニューラルネットワーク・CNN（CIFAR-10画像判定）
• 転移学習（VGG16・犬猫画像判定）

学習手順

まずディープラーニングの概念とTensorFlow・Kerasの基礎を学びます。

その後、Kerasを使って手書き数字（MNIST）を判定するニューラルネットワークを構築し、畳み込みニューラルネットワーク（CNN）の仕組みを理解しながらCIFAR-10の画像判定モデルを実装します。

さらに学習済みモデルVGG16を活用した転移学習で犬猫画像の判定モデルを構築し、実務レベルの画像認識技術を身につけます。

ディープラーニングで習得した画像判定モデルをWebアプリに組み込み、実際のサービスとして公開するところまで経験します。PythonのWebフレームワークDjangoを習得しながら、AIを活用した本格的なWebアプリ開発を実践します。

学習目標

Djangoを使ってCRUD機能・ログイン機能・画像判定機能を備えたWebアプリを開発し、Herokuへデプロイして実際に公開できる総合的な開発力を身につけます。

学習内容

• Django基礎（Model・View・Template）
• CRUD機能・ログイン機能
• 画像アップロード・判定機能の実装
• Bootstrapによるデザイン
• Herokuへのデプロイ・公開

学習手順

まずDjangoの開発環境を構築し、Model・View・Templateの基本構造を学びながらHello Worldの表示・データ一覧・新規作成・編集・削除といったCRUD機能を実装します。

続いてリレーション・画像対応・ログイン機能を追加し、実用的なWebアプリの形を整えます。

その後Herokuへのデプロイを経験したうえで、ディープラーニングの画像判定モデルをDjangoアプリに組み込んだ画像判定アプリを構築し、Bootstrapでデザインを整えて公開します。

画像処理に続き、テキストデータを扱う自然言語処理（NLP）の基礎を習得します。スクレイピング・Word2Vec・BERT・GPT-2など、最新のNLP技術に触れながら、テキストデータを活用したAI開発の幅を広げます。

学習目標

自然言語処理の基本的な手法を理解し、テキストの前処理から単語の類似度測定・固有表現抽出・文章生成まで、実践的なNLP技術を自力で活用できる力を身につけます。

学習内容

• テキストの前処理・スクレイピング
• Word2Vec（単語の類似度測定）
• MeCab（ワードクラウド）
• spaCy（固有表現抽出）
• BERT・GPT-2（文章生成）

学習手順

まず自然言語処理の概要とテキスト前処理の基礎を学び、スクレイピングで収集したテキストを実際に前処理します。その後Word2Vecを使って単語間の類似度を測定し、MeCabによるワードクラウド作成・spaCyを使った固有表現抽出へと進みます。

最後にtransformersライブラリでBERTモデルを活用し、GPT-2による文章生成を体験しながら、最新のNLP技術への理解を深めます。

これまで学んだすべての技術を活かし、オリジナルアプリの開発またはレポート作成に取り組みます。企画・要件定義・設計から開発・リリース・運用までの一連の工程を経験し、現場で通用する総合的な開発力を身につけます。

学習目標

実務レベルのWebアプリを自力で企画・設計・開発・公開できる総合的な開発力を習得します。

学習内容

• Webアプリの企画（リーンキャンバス）
• 要件定義（ユーザーストーリー・機能要件・非機能要件）
• 設計（ワイヤーフレーム・ER図）
• 開発・テスト・リリース・保守運用
• Djangoチャットボット開発・Herokuデプロイ

学習手順

まずWebアプリの企画フェーズとしてリーンキャンバスを作成し、アプリのコンセプトと価値を整理します。次に要件定義としてユーザーストーリー・ユースケース・機能要件・非機能要件を明確化し、設計フェーズではワイヤーフレームとER図を作成してアプリの全体像を具体化します。

その後、これまで習得したPython・Django・機械学習の知識を活用してオリジナルアプリを実装し、テストケースの作成・リリース・保守運用まで一気通貫で経験します。

参考教材としてDjangoを使ったチャットボット開発も用意されており、APIとDjangoの知識を組み合わせた応用的な開発にも挑戦できます。