講座内容
「AIって結局何ができるの？」という素朴な疑問から出発し、機械学習・ディープラーニング・生成AIの仕組みまでを順番に解説します。専門知識は一切不要、身近な事例を使ってわかりやすく説明するので、IT初心者の方でも安心して受講できます。ChatGPTをはじめとする生成AIを業務で使いこなすための基礎力が身につき、著作権・倫理・プライバシーといった実務上の注意点もあわせて学べます。AIを「なんとなく使う」から「理解して活用できる」へ、確かなステップアップを目指せる講座です。
- 講義動画
- 全82回（約5.5時間）
- 練習問題
- 全410問
- ダウンロード教材
- 音声、講義スライド
- その他機能
- 学習管理機能、キーワード検索機能、復習機能 等
-
講座開講・改訂日
本講座のコンテンツ（講義動画・問題演習・ダウンロード教材）を開講もしくは改訂した日です。
上記コンテンツは、いずれも過去の本試験の内容から試験に重要な部分を取り上げておりますが、受講や受験のタイミングによって、最新の本試験の内容に一部未対応となる場合がございます。
- 2026年06月29日
もっと詳しく見る
講座カリキュラム
| 1.AIの基礎知識 | 1-1.AI＝人工知能という言葉の意味 |
|---|---|
| 1-2.AIの定義に関する代表的な言葉 | |
| 1-3.「AI」と「プログラム」の違い | |
| 1-4.「AI技術」を構成する3つの柱 | |
| 1-5.AIを取り巻く社会的な定義・認識 | |
| 1-6.AIの目的と役割 | |
| 1-7.AIの基本構成要素 | |
| 1-8.AIが扱う「知的活動」の種類 | |
| 1-9.機能面から見たAIの代表的な種類 | |
| 1-10.各種AIの動作イメージ | |
| 1-11.AI研究の始まりまで | |
| 1-12.AI研究の第1次停滞期まで | |
| 1-13.AIが人間を超える事件まで | |
| 1-14.大規模モデルと生成AIの登場まで | |
| 1-15.人間と生成AIの思考の仕組み | |
| 1-16.学習の方法の違い | |
| 1-17.創造性と発想 | |
| 1-18.感情と価値判断 | |
| 2.機械学習とディープラーニング | 2-1.コミュニケーション |
| 2-2.機械学習の定義 | |
| 2-3.学習の目的 | |
| 2-4.学習の基本構造 | |
| 2-5.モデルとアルゴリズム | |
| 2-6.機械学習の限界と今後 | |
| 2-7.「3つの学習」の全体像 | |
| 2-8.教師あり学習の基本構造 | |
| 2-9.教師なし学習の基本構造 | |
| 2-10.強化学習の基本構造 | |
| 2-11.データと環境の違い | |
| 2-12.代表的な応用例 | |
| 2-13.ニューラルネットワークとは何か | |
| 2-14.ニューラルネットワークの基本構造 | |
| 2-15.重みとバイアスの意味 | |
| 2-16.活性化関数の役割 | |
| 2-17.勾配降下法 | |
| 2-18.順伝播と誤差逆伝播（バックプロパゲーション） | |
| 2-19.ニューラルネットワークの強みと弱み | |
| 2-20.ディープラーニングの定義 | |
| 2-21.ニューラルネットワークとの関係 | |
| 2-22.ディープラーニングの共通点と進化 | |
| 2-23.ディープラーニングを可能にした3つの要素 | |
| 2-24.主なネットワークの種類と用途 | |
| 2-25.ディープラーニングの課題と限界 | |
| 2-26.画像認識 | |
| 2-27.音声認識 | |
| 2-28.自然言語処理 | |
| 3.生成AIの仕組みと活用 | 3-1.生成AIとは何か |
| 3-2.なぜ生成AIという言葉が一般的になってきたのか | |
| 3-3.生成AIのしくみ | |
| 3-4.大規模言語モデルとは | |
| 3-5.画像生成モデルとは | |
| 3-6.実務での使い分け | |
| 3-7.AI開発プロセスの全体像を理解する | |
| 3-8.課題設定 | |
| 3-9.データ収集 | |
| 3-10.データ前処理 | |
| 3-11.特徴設計 | |
| 3-12.モデル設計 | |
| 3-13.学習 | |
| 3-14.評価 | |
| 3-15.改善とチューニング | |
| 3-16.展開と運用 | |
| 3-17.倫理・安全性・社会的影響の確認 | |
| 3-18.【文章生成】ビジネス文書・レポート・メール作成 | |
| 3-19.【プログラミング支援】コード生成・デバッグ・補完 | |
| 3-20.【デザイン・画像生成】広告・イラスト・商品デザイン | |
| 3-21.【医療・ヘルスケア】診断補助・画像解析・記録要約 | |
| 3-22.【顧客対応】チャットボット・音声応答・FAQ生成 | |
| 4.AIの倫理・法律・社会的影響 | 4-1.データ倫理とは何か |
| 4-2.公平性とバイアス | |
| 4-3.個人情報とプライバシーの保護 | |
| 4-4.透明性と説明責任 | |
| 4-5.安全性と信頼性の確保 | |
| 4-6.著作権とは何か | |
| 4-7.学習データの著作権問題 | |
| 4-8.ディープフェイクと肖像権・プライバシー問題 | |
| 4-9.著作権以外の法的リスク | |
| 4-10.利用者が守るべき基本ルール | |
| 4-11.教育への影響と学びの変化 | |
| 4-12.倫理・法制度への影響 | |
| 4-13.社会的格差とAIアクセスの不平等 | |
| 4-14.人間の役割と未来への視点 |
| 1.AIの基礎知識 | 1-1.AI＝人工知能という言葉の意味 | 1-2.AIの定義に関する代表的な言葉 | 1-3.「AI」と「プログラム」の違い | 1-4.「AI技術」を構成する3つの柱 | 1-5.AIを取り巻く社会的な定義・認識 | 1-6.AIの目的と役割 | 1-7.AIの基本構成要素 | 1-8.AIが扱う「知的活動」の種類 | 1-9.機能面から見たAIの代表的な種類 | 1-10.各種AIの動作イメージ | 1-11.AI研究の始まりまで | 1-12.AI研究の第1次停滞期まで | 1-13.AIが人間を超える事件まで | 1-14.大規模モデルと生成AIの登場まで | 1-15.人間と生成AIの思考の仕組み | 1-16.学習の方法の違い | 1-17.創造性と発想 | 1-18.感情と価値判断 | ||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2.機械学習とディープラーニング | 2-1.コミュニケーション | 2-2.機械学習の定義 | 2-3.学習の目的 | 2-4.学習の基本構造 | 2-5.モデルとアルゴリズム | 2-6.機械学習の限界と今後 | 2-7.「3つの学習」の全体像 | 2-8.教師あり学習の基本構造 | 2-9.教師なし学習の基本構造 | 2-10.強化学習の基本構造 | 2-11.データと環境の違い | 2-12.代表的な応用例 | 2-13.ニューラルネットワークとは何か | 2-14.ニューラルネットワークの基本構造 | 2-15.重みとバイアスの意味 | 2-16.活性化関数の役割 | 2-17.勾配降下法 | 2-18.順伝播と誤差逆伝播（バックプロパゲーション） | 2-19.ニューラルネットワークの強みと弱み | 2-20.ディープラーニングの定義 | 2-21.ニューラルネットワークとの関係 | 2-22.ディープラーニングの共通点と進化 | 2-23.ディープラーニングを可能にした3つの要素 | 2-24.主なネットワークの種類と用途 | 2-25.ディープラーニングの課題と限界 | 2-26.画像認識 | 2-27.音声認識 | 2-28.自然言語処理 |
| 3.生成AIの仕組みと活用 | 3-1.生成AIとは何か | 3-2.なぜ生成AIという言葉が一般的になってきたのか | 3-3.生成AIのしくみ | 3-4.大規模言語モデルとは | 3-5.画像生成モデルとは | 3-6.実務での使い分け | 3-7.AI開発プロセスの全体像を理解する | 3-8.課題設定 | 3-9.データ収集 | 3-10.データ前処理 | 3-11.特徴設計 | 3-12.モデル設計 | 3-13.学習 | 3-14.評価 | 3-15.改善とチューニング | 3-16.展開と運用 | 3-17.倫理・安全性・社会的影響の確認 | 3-18.【文章生成】ビジネス文書・レポート・メール作成 | 3-19.【プログラミング支援】コード生成・デバッグ・補完 | 3-20.【デザイン・画像生成】広告・イラスト・商品デザイン | 3-21.【医療・ヘルスケア】診断補助・画像解析・記録要約 | 3-22.【顧客対応】チャットボット・音声応答・FAQ生成 | ||||||
| 4.AIの倫理・法律・社会的影響 | 4-1.データ倫理とは何か | 4-2.公平性とバイアス | 4-3.個人情報とプライバシーの保護 | 4-4.透明性と説明責任 | 4-5.安全性と信頼性の確保 | 4-6.著作権とは何か | 4-7.学習データの著作権問題 | 4-8.ディープフェイクと肖像権・プライバシー問題 | 4-9.著作権以外の法的リスク | 4-10.利用者が守るべき基本ルール | 4-11.教育への影響と学びの変化 | 4-12.倫理・法制度への影響 | 4-13.社会的格差とAIアクセスの不平等 | 4-14.人間の役割と未来への視点 |
プランのご案内
ウケホーダイ
初期費用・入会金なし。 ウケホーダイなら講座ごとの料金支払い不要。定額で講座を受講し放題！
月額支払い、一括支払いのプランを選択して購入可能
生成AIのきほん オンライン通信講座の特長
AI初心者も安心！基礎からしっかり学べる"見てわかる"講義動画
本講座は、生成AIをはじめて学ぶ方のために、AIの定義・歴史から機械学習・ディープラーニング・生成AIの仕組みまでを、やさしい言葉で順番に解説しています。IT専門用語もかみ砕いて説明するので、知識ゼロの方でも置いてきぼりにしません。「なんとなく知っている」を「しっかり説明できる」に変えられる講座です。
※会員登録後、利用できる講義動画を視聴できます。ご利用の端末で視聴可能か、ご確認ください。
410問の問題演習で実践的な知識を定着
生成AIの理解度を確かめるために、○×問題・多肢選択問題を合わせて全410問を収録。解説文には正解の根拠をわかりやすく記載しており、間違えた問題も納得して復習できます。問題演習と講義動画を行き来しながら、知識をしっかりアウトプットに変えましょう。
特長３タイトル（その他＋ダウンロード教材・学習進捗機能）
一度見た講義の内容をもう一度確認したいとき、講義スライドをスマホ画面で見ながら復習することができます。音声・講義スライドのダウンロード教材も用意しているので、スキマ時間でも効率よく学習できます。また毎日の学習時間や進み具合がパッと見でわかる学習進捗機能も、独学を続けるうえで心強い味方です。
関連講座を併用受講して、ステップアップ
本講座を受講後、さらなるステップアップには、こちらの講座もおすすめです。ITの幅広い基礎知識を国家資格として証明できる「ITパスポート」、AI時代に欠かせないセキュリティの知識が身につく「情報セキュリティマネジメント」、AIと著作権・データ利用の法律知識をカバーする「知的財産管理技能検定3級」。これらの講座と組み合わせることで、AI時代に求められる総合的なITリテラシーを効率よく手に入れることができます。
まずは無料体験