FAQ

はい、大丈夫です。AIテックは「AIって何？」という基本の疑問から始まり、専門知識がなくても安心して受講できる内容です。プログラミング経験も不要です。

はい、すべて無料で受講できます。リツアン社員だけでなく、外部の方もメール登録だけで受講可能です。料金は一切かかりません。

ChatGPTのようなAIの仕組みや、検索拡張生成（RAG）のような実践的な技術まで、段階的に学べます。AIを「使える」だけでなく「作れる」力を育てる講座です。

決まってはいませんが、次の順で受講すると理解が深まります：

1. AIエージェント実践ウェビナー（全1回）
2. LLMサービス開発講座（基礎編＋実践編、全4回）
3. AI開発講座（画像認識・音声処理など／今後開催予定）

いいえ。講座はすべてアーカイブ（録画）で視聴可能です。好きな時間に、自分のペースで学習できます。

東京大学・松尾研究室発のAIスタートアップ出身の講師陣が担当しています。研究と実務の両方を熟知したプロが、初学者にもわかりやすく教えてくれます。

ご安心ください。難しい数式や専門用語は使わず、図解や実例を多く取り入れた内容です。1回の講座もコンパクトに構成されており、気軽に学べます。

いいえ、必要ありません。インターネットに接続できるパソコンが1台あればOKです。スマートフォンでも視聴可能です。

はい、誰でも受講できます。リツアン社員に限らず、外部の方もメールアドレスを登録するだけで無料で受講可能です。所属や経験に関係なく、AIに興味がある方ならどなたでも歓迎です。

Step02以降の「G検定」「E資格」や、「Kaggle挑戦」「社内コンペ」などの実践ステージに直結しています。知識を学ぶだけでなく、すぐに行動につなげられる設計になっています。

G検定は、AIの基礎知識や活用事例を学ぶ検定試験です。
E資格は、ディープラーニングなどの実装力を問う専門資格です。
どちらもAIを扱う力を客観的に証明できる資格として、企業からの信頼が高まります。

はい、取っておくとキャリアの武器になります。
特にG検定は「知っている」から「説明できる」へとステップアップするきっかけになります。
E資格は、より高度な実装スキルの証明に役立ちます。

一般的には、G検定 → E資格の順で学ぶのがスムーズです。
G検定で全体像を理解したうえで、E資格で技術を深めていく流れが自然です。

はい、E資格はJDLA認定講座（通常15〜25万円程度）の受講が必須です。
ただしリツアンでは、この認定講座を自社で無料提供できる体制を2026年初夏までに整備予定です。
対象はリツアン社員およびキャリアリターン登録者となります。

Step01で基礎を身につけたあと、G検定は過去問や参考書を使った独学でも対応可能です。
E資格については、社内のメンタリング制度や勉強会の導入を進めています。

最初は不安でも、G検定は社会人向けに設計されており、文系出身者の合格実績も多くあります。
一歩ずつ理解を積み重ねれば、誰でも目指せます。

いいえ、資格取得は必須ではありません。
ただし、Kaggleや社内コンペなどの実践に取り組む際、G検定・E資格で得た知識は大きな武器になります。

はい。今後提供予定の講座に加え、社内チャットでの質問対応や学習ナビ、模擬試験サポートなど、段階的に支援体制を整備しています。

はい、問題ありません。G検定は文系・非エンジニアの方にも配慮された設計です。
E資格も、しっかり準備すれば文系出身者でも十分に合格を目指せます。

Kaggle（カグル）は、Googleが運営する世界最大級のデータサイエンスコンペプラットフォームです。世界中のエンジニアが集まり、公開データを使ってAIモデルの精度や発想力を競います。

はい、大丈夫です。最初は順位を気にせず、提出してみること自体が大切です。初心者向けのチュートリアルや入門コンペも用意されています。

Kaggleの画面は英語ですが、ブラウザ翻訳で十分対応できます。また、リツアンでは日本語での解説やサポートも用意していますので安心です。

Pythonを使ったデータ処理の基礎、AIモデル構築の基本（Step01〜02で学んだ内容）があれば大丈夫です。大切なのは「試行錯誤する姿勢」です。

実データでAIを試せる経験が得られる、世界中の優秀な参加者の解法を学べる、自分のスコアが公開されるので客観的に実力を把握できる、上位に入れば「Kaggleメダル」として世界共通の実績になる、といったメリットがあります。

いいえ。順位よりも経験が大切です。データの前処理やモデル調整など、試行錯誤を繰り返す過程がスキルを伸ばします。「参加すること」自体に大きな価値があります。

コンペの規模にもよりますが、週に数時間でも十分参加可能です。短時間でも「実データに触れること」で大きな学びが得られます。

Kaggleで培ったスキルは、Step04の社内コンペや実務案件にそのまま活かせます。社外で挑戦した経験が、社内での評価や実績につながります。

はい、できます。Kaggleにはチーム参加機能があり、仲間と役割を分担して取り組むことができます。社内でもチームを組んで挑戦することを推奨しています。

Kaggleに「失敗」はありません。提出できた時点で経験値が増えています。失敗したコードや試行錯誤の記録が、次の成功のヒントになります。

リツアンが主催するAI開発コンペです。社員や登録者がチームまたは個人で参加し、OZMANの実データを使って課題解決に挑戦します。

画像認識（植物の種類判定）、売上予測、環境モニタリングなど、実際のビジネス課題がテーマになります。成果によっては、そのまま社会実装につながる可能性もあります。

はい。総額2000万円の賞金が用意されています。
🥇金賞1000万円、🥈銀賞500万円、🥉銅賞100万円×5本という規模で、全国的にも珍しい大規模コンペです。

Step03（Kaggle）で一定の成果を出した人だけが参加できます。判定基準は現在作成中で、エンジニア社員の技術分布図などを把握したうえで今後決定していきます。

静岡県掛川市にあるリツアン運営の植物園兼ショップです。約1,000種類の希少植物を展示・販売しており、コンペではここで得られたデータを活用します。社会的意義と事業性を兼ね備えたデータを扱えるのが特徴です。

実務に近いデータで開発経験を積める、結果次第で自分のモデルが本当に導入される可能性がある、賞金という大きなモチベーションがある、社外にもアピールできる実績作りにつながる、などのメリットがあります。

数週間〜数ヶ月単位で行われる予定です。忙しい方でも取り組みやすいよう、期間は柔軟に設計されます。

はい、どちらでも参加可能です。個人で挑戦することもできますし、チームで役割を分担して取り組むこともできます。特にチーム参加では、知識共有や相互学習のメリットがあります。

精度や再現性といった技術的な指標だけでなく、実務で活用できるかという実用性も重要な評価ポイントになります。

はい。入賞者だけでなく、すべての参加者に講評や優秀コードの共有が行われます。「参加して終わり」ではなく、次につながる学びが得られる仕組みになっています。

リビングラボ（Living Lab）とは、研究室の中ではなく、実際の生活や仕事の現場を舞台にして新しい技術やサービスを試す仕組みのことです。特徴は「企業・自治体・住民・エンジニアが一緒に参加すること」。リツアンでは、地方にAIの価値を届けると同時に、エンジニア社員が社会実装の実績を積む場として位置づけています。

商店街、観光地、町工場、自治体の役所など地方の現場が舞台です。都市部に比べてDXやAIの導入が遅れており、格差が広がっている地方こそ課題が山積みです。だからこそ、地方とエンジニアが共に成長できる“共進化のステージ”になります。

例として：
・商店街：カメラ映像で来客数や属性を分析し、売場改善に活用
・観光地：人流データを活用して混雑予測や案内改善
・町工場：機械稼働をモニタリングして故障予兆を検知
→ 現場の課題をAIで解決し、その成果を実際に社会に届けることが目的です。

Step05では、まず無償PoC（試験導入）として現場の課題に挑戦します。その上で成果が確認され、受け入れ先が十分に納得すれば、有償の本格システムへ発展させることを想定しています。

はい。多くのAIプロジェクトはPoC止まりで終わってしまいますが、Step05の狙いは「PoCで終わらせず実装まで進めること」です。開発から導入、運用・保守までを一気通貫で行う設計になっています。ただし本格導入へ進むためには受け入れ先の理解と合意が不可欠です。

Step04（社内コンペ）で成果を出した人が対象です。参加することで、エンジニア社員は実績を積み、社会に価値を届ける経験を得られます。

案件によって異なります。オンラインで対応できる場合もありますが、現地で住民や企業と直接やりとりし、AIを社会実装する体験をするケースもあります。

小規模案件は1〜2か月程度、大規模な案件では3〜6か月程度を想定しています。短期間でも成果が出せるよう、現場に即したテーマ設定が工夫されています。

技術的な完成度＋現場で役立ったかどうかが評価の中心です。成果は利用者や企業の声をもとに判断され、「地方とエンジニアの双方に価値をもたらしたか」が大切にされます。

リビングラボに参加する最大のメリットは、「時代が求める実績」を積めることです。
2030年には国内で約79万人のIT人材が不足すると予測されていますが、不足するのは「コードを書く人材」ではなく、
・課題を発見し数値化（KPI化）する力
・AIモデルを作り現場に導入する力
・成果を説明し社会に価値を示す力
を持つエンジニアです。Step05では、地方の現場と共にAIを実装し、公益性のある成果を残す経験を積むことができます。