Study-AI（G検定・E資格講座）の評判！メリット・デメリット

Study-AIは、AIを学べるオンラインスクールですが、評判はどうでしょうか。

G検定やE資格向けの講座や、初心者向けの講座もあります。また、模擬テストもあり、知識の定着が図れます。さらに、無料で閲覧できる動画もあるため、講師の教え方や雰囲気がわかります。

一方で、通学では学べない点と、転職を支援するサービスはない点は注意が必要です。そこで、Study-AIを利用する前に知っておきたいポイントをまとめました。

本記事は、Study-AIのG検定・E資格対策講座のメリット・デメリットと評判をご紹介します。

1.　Study-AI のメリット

Study-AIは、AIを学べるスクールです。メリットは3点あります。

　G検定向けの対策講座がある
　E資格向けの対策講座がある
　初心者向けの講座もある

それぞれを詳細にご紹介します。

1.1　G検定対策講座

Study-AIは、G検定向けの対策講座があります。とくに、G検定を受講する方が挫折しやすいテーマに絞って、動画を利用しながら、学習を進められます。

◆ 学習内容

　機械学習の具体的手法
　ディープラーニングの概要
　ディープラーニングの手法

◆　講座の基本情報

　受講料：　29,000円（1名）
　学習時間：　24時間
　無料トライアル：　なし

G検定対策講座

なお、模擬試験が720問用意されており、知識の定着が図れます。また、Twitterで口コミを調べたところ、G検定の受講者の方でも利用している方がいたので、ご紹介します。　

公式例題解説無料版 (Study-AI より) 『G 検定模擬試験』 1時間15分 16問 https://t.co/20quQ26WJA #studyplus

— ライフ・イノヴェィタ・サンシャインみてるぞ@セフィ口ス窓主♿️ (@miteruzochan) April 10, 2020

お疲れ様です#今日の積み上げ
6/27
✅Coursera ML 3週目テスト1まで
✅G検定白本 2週目終了
✅読書「エンジニアなら知っておきたいAIのキホン」2章

6/28
✅Coursera ML 3週目終了
✅Study-AI 模擬試験 2回目#駆け出しエンジニアと繋がりたい #G検定

— あき (@__akikii__) June 28, 2020

1.2　E資格向けの対策講座

Study-AIは、E資格向けの対策講座があります。ZOOMを利用して、対面でマンツーマンの指導を受けられます。

なお、マンツーマンでの指導の前に、ビデオ動画を視聴しておく必要があります。そして、マンツーマンの指導のときには、学習進捗の確認や模擬試験のヒントなどをサポートしてくれます。

◆ 学習内容

応用数学	線形代数	ベクトル、行列、逆行列/固有値、固有ベクトル、固有値分解、特異値分解
	情報理論	シャノンエントロピー、カルバックライブラーダイバージェンス、交差エントロピー
	確率と統計	一般的な確率分布、ベルヌーイの分布、マルチヌーイの分布、ガウス分布
機械学習	機械学習	過剰・過少適合、ハイパーパラメータ、検証集合、学習データ、検証データ、テスト
		最尤推定、条件付き対数尤度、平均二乗誤差
	教師あり学習	ロジスティック回帰、サポートベクトルマシン、k近傍法、最近傍法
	教師なし学習	順伝播、線形問題と非線形問題、誤差関数、出力ユニット、隠れユニット
深層学習	DLの全体像	DLの実装と理論、手書き文字認識データの扱い方、既存手法との比較
	方法論	ハイパーパラメータの選択・調整、グリッドサーチ、ランダムサーチ
	–	誤差逆伝搬法、その他の微分アルゴリズム、計算グラフ
	–	ニューラルネットワーク最適化課題（局所値/プラトー、鞍点、崖と勾配爆発など）
	–	確率的勾配降下法（モメンタム、ネステロフのモメンタム、パラメータの初期化戦略）
	–	適応的な学習率を持つアルゴリズム（AdaGrad、RMSrop、Adam）
	–	最適化戦略とメタアルゴリズム（バッチ正規化、座標降下法、教師あり事前学習）
	–	畳み込み処理（プーリング、構造出力、教師なし特徴量、計算グラフの展開など）
	–	回帰結合型のニューラルネットワーク（勾配計算、系列モニタリングなど）
	–	画像認識の有名なモデル（VGG、AlexNet、GoogLeNet、Resnet）
	–	長期依存性の最適化勾配のクリッピング（自然言語処理とRNN、Attention、BERT）
	–	強化学習（価値反復法、Q学習、方策勾配法、深層Qネットワーク）

◆　講座の基本情報

　受講料（税別）：　45万円（1名）
　学習時間：　126時間
　無料トライアル：　なし

1.3　初心者向けの講座

Study-AIは初心者向けの講座もあります。ゼロからAIを実装するための知識を身に着けることを
目的とした講座があります。

◆　超AI入門講座

超AI入門講座

Chapter1	認識の仕組み　入力値の調整　順伝播の計算入門　行列の計算　Pythonでの実装　バイアス項の導入　シグモイド関数の計算　シグモイド関数の実装　活性化関数の取り込み
Chapter2	逆伝播イメージ　正解値の導入　シグマの計算　誤差関数の仕組み　誤差関数の実装　パラメータの更新　微分の連鎖律　偏微分の計算　パラメータ更新の実装
Chapter3	順伝播の計算　パラメータ更新式の公式　バイアス項の計算・実装　手書き文字のデータ　計算　処理の実装　学習と推論の実行　文字認識モデル　モデルの学習

◆　【超補講】AIを学ぶための本格Python講座

Pythonを使う準備	Google Colabの使い方、処理結果の表示、計算、文字列の加工
プログラミングの進め方	プログラムの役割、ライブラリの使用
データ	型について、文字列、数値、配置、いろいろな型
処理	繰り返し、条件分岐、関数
ライブラリを使う	ライブラリのインストール、使い方、機械学習で使うライブラリ、それぞれの機能
Numpyとは	高速な行列演算、機械学習ライブラリの土台
行列の作成・取り扱い	行列の作成、行列の情報を得る、行列の変形・加工
行列の演算	四則演算、集約、マスク
Pandasとは	Pandasの機能、Numpyとの関係
データの取り扱い	Series、DataFrame
欠損値の処理	欠損値とは、Pandasでの欠損値の操作
データセットの連結・計算	データセットの連結、集客とグループ化
Matplotlibとは	Matplotlibの機能、MatplotlibとSeaborn
いろいろな可視化	折れ線グラフ、散布図、密度と等高線、ヒストグラム
見た目の変更	目盛、凡例、グラフのデザイン
Seaborn	ペアプロット、実際にデータによる使用例
機械学習とは	学習と推論、教師あり学習と教師なし学習、機械学習のアルゴリズム
sckit-learnの基礎	sckit-learnの考え方、単回帰モデルの使用
いろいろな機械学習モデル	決定木、サポートベクターマシン