AI Engineer Roadmap
AIエンジニアになるための
完全ロードマップ
数学基礎 → 統計学 → 機械学習 → AI 系検定 の 5 フェーズで、迷わず最短距離を走るための学習計画。各フェーズに『前提知識・所要時間・到達点・次のリンク』を具体化しているので、今どこにいるか自己診断しながら進められます。
フェーズ
5
最短時間
370h
標準時間
930h
費用
¥0
Quick Guide
あなたはどこから始める?
- 数学が苦手・思い出せない → Phase 1 数学基礎
- 数学はできるが統計は初めて → Phase 2 統計学(基礎)
- 統計検定 3 級程度はわかる → Phase 3 統計学(応用)
- 統計はわかる、ML を本格的に → Phase 4 機械学習・DL
- 知識の総仕上げをしたい → Phase 5 AI 系検定
迷うときは 3 問の級診断 で適切なスタート位置の目安が出ます。
- Phase 1
数学基礎
Mathematical Foundations⏱ 30〜60 時間
📅 1〜2 か月対象AIエンジニアを目指すすべての人。式が読めない / 久しぶりに数学に戻る方前提知識中学〜高校 1 年程度の代数🎯 このフェーズのゴール教科書に出てくる数式を意味で読めるようになり、後の統計・ML パートで止まらないこと主要トピック- 割合・百分率・比率(基礎の基礎)
- 総和記号 Σ・指数 / 対数
- 微分・積分(関数の傾きと面積)
- ベクトルと行列(線形代数)
- 勾配・偏微分(最適化の前提)
到達点(できるようになる)- $\sum_{i=1}^n x_i$ / $\frac{\partial f}{\partial x}$ が読めて意味を説明できる
- 行列の積と逆行列を手で計算できる
- 勾配降下法が何を最小化しているか言葉で説明できる
- Phase 2
統計学(基礎)
Descriptive & Probability Foundations⏱ 60〜120 時間
📅 2〜4 か月対象数学基礎が固まった方。データ分析の言葉に慣れたい方前提知識数学基礎 Phase 1🎯 このフェーズのゴールデータを「眺める言語」を獲得し、確率分布のかたちが頭に浮かぶようになる主要トピック- 代表値・ばらつき(平均・中央値・分散・標準偏差)
- ヒストグラム・箱ひげ図・散布図
- 場合の数・確率・条件付き確率
- 確率変数・期待値・分散
- 二項分布・正規分布
- 標準化・偏差値・共分散・相関係数
到達点(できるようになる)- データセットから記述統計量を手と Python の両方で計算できる
- 正規分布の 68/95/99.7 ルールを使える
- Bayes の定理を式で書ける(感覚は次フェーズで)
- Phase 3
統計学(応用)
Inference, Regression & Multivariate⏱ 120〜250 時間
📅 3〜6 か月対象AI モデルの中身を統計の言葉で説明したい方。データ職を狙う方前提知識統計学 基礎 Phase 2🎯 このフェーズのゴール推定・検定・回帰・多変量・ベイズの基本道具を、論文も読める粒度で持つ主要トピック- 標本分布・中心極限定理・不偏推定量
- 信頼区間 / 仮説検定(z, t, $\chi^2$, F)
- 単回帰・重回帰・ロジスティック回帰
- 主成分分析(PCA)・因子分析
- ベイズの定理と事後分布・共役分布
- 時系列解析(AR, MA, ARIMA)
到達点(できるようになる)- p 値・信頼区間・第 1/2 種の誤りを実例で説明できる
- scikit-learn で回帰 / ロジスティック回帰を実装し評価できる
- PCA で次元削減できる
- Phase 4
機械学習・ディープラーニング
Machine Learning & Deep Learning⏱ 120〜300 時間
📅 3〜6 か月対象AI モデルを設計・学習・評価できるレベルを目指す方前提知識統計学(応用)Phase 3 + Python 基本文法🎯 このフェーズのゴール教師あり / 教師なし / 深層学習を Python で実装し、ドメインに応用できる主要トピック- 教師あり学習(回帰・分類・SVM・木系・GBDT)
- 教師なし学習(クラスタリング・次元削減)
- ニューラルネット(順伝播・誤差逆伝播・最適化)
- CNN(画像)・RNN/Transformer(系列)
- 損失関数・正則化・過学習対策
- 評価指標(精度・再現率・AUC・対数尤度)
到達点(できるようになる)- scikit-learn でベンチマーク問題を解ける
- PyTorch / TensorFlow で MLP/CNN を学習できる
- Transformer の attention をスクラッチで書ける(理想)
- Phase 5
AI 系検定(仕上げ)
AI Certifications⏱ 40〜200 時間(検定により異なる)
📅 1〜3 か月対象知識を可視化・証明したい方。転職 / 昇進 / 学生のスキルアピール前提知識Phase 1〜4 の知識(部分的でも OK)🎯 このフェーズのゴール履歴書 / 名刺に書ける AI 系検定を 1〜2 つ取得し、学習の節目を作る主要トピック- G 検定(JDLA): AI を使う立場での全方位リテラシー
- E 資格(JDLA): エンジニア向け実装重視。E 資格は事前認定講座が必須
- DS 検定(DS 協会): リテラシーレベル DS 力 / DE 力 / ビジネス力
- 統計検定 2 級〜準 1 級(後押しの定番)
- DS 基礎(統計学会): Excel で実データ分析
- QC 検定: 品質管理 / 製造業ドメイン特化
到達点(できるようになる)- G 検定 もしくは DS 検定リテラシーで 1 つ合格
- E 資格 取得(理想 / 事前認定講座が必要)
- 統計検定 2 級 + 準 1 級で実力の裏付け
Tips
続けるためのコツ
- 毎日 30 分でも続ける: 学習量は時間 × 日数。週 5 日 × 30 分なら 3 ヶ月で 30 時間以上。本サイトの『連続学習日数』ストリーク機能で習慣化を支援します。
- 読む → 動かす → 解くのループ: 教科書で読み、Python/R コードで動かし、演習で確認。3 つを 1 セットで回すと定着率が段違いです。
- 受験日を先に決める: G 検定 / DS 検定 / 統計検定は通年 CBT で予約可能。締切効果は強力です。
- 間違えた問題を放置しない: 『苦手問題の復習』機能で不正解だけを集めて再挑戦できます。間違いを資産化しましょう。
- 数式は「式の意味」と「使う場面」で覚える: 丸暗記ではなく、なぜこの式か / どんな場面で使うかをセットで。AI モデルの実装に直結します。
まずは Phase 1 から始めましょう
Sponsored / Recommended
独学だけだと不安なら ─ 提携スクール
以下は当サイトと提携しているスクールの紹介です。リンク経由でのお申込で運営費を支援できます（読者の皆様の追加負担はありません）。
