AboutマナビDX Quest とは
経済産業省では、地域企業・産業のDXの実現に向けて、デジタル人材の育成を推進するため、デジタル知識・能力を身につけるための実践的な学びの場として、ポータルサイト「マナビDX (デラックス)」を令和4年3月に開設しました。
さらなる地域企業・産業のDXの実現に向け、ビジネスの現場における課題解決の実践を通じた 能力を磨くため、2022年度9月~2023年2月中旬の期間、1,800名程度の学生・社会人を対象にデジタル推進人材育成プログラム「マナビDX Quest」を実施します。
マナビDX Questは、企業データに基づく実践的なケーススタディ教育プログラム及び、地域の中小企業との協働による、デジタル技術を活用した課題解決型現場研修プログラムからなります。
マナビDX Questを通じて、デジタルの経験有無にかかわらず、企業におけるDXを推進する変革の考え方やプロセスを学び、志を同じくする幅広いデジタル人材とのつながりを構築することができます。
マナビDX Questが大切にしたいこと
-
01
"実現"の激流に、
飛び込もう。マナビDX Questでは、「DXで現場の課題を解決する」という一連の流れに挑戦します。
ビジネスの全体を理解し、俯瞰したうえで、DXを構想し、技術を活用する。
具現化する力、実現する力を成長させる学びの旅に、飛び込みましょう。 -
02
"競争"と"共創"。学び合うクルーであれ。
マナビDX Questには、先生や教科書はありません。ご自身の力で、ひとつひとつのステップをクリアしていただきます。
ここに集う参加者は、パフォーマンスを競い合うライバルであり、同時に、学び合う仲間でもある。
Slack や Wiki、交流会を通じて、切磋琢磨しながらクエストを進めていく。
ひとつの船に乗る “クルー” として、一緒に “実現の激流” に漕ぎ出していきましょう。 -
03
挑む人々の“港”になる
コミュニティを。マナビDX Questに参加していただくことのいちばんの価値は、ここで生まれるネットワークかもしれません。
プログラム終了後もつながり続け、折に触れて帰ってきて、刺激し合う、“港”のようなコミュニティ。
そうしたコミュニティが築ければ、それはきっと、日本の経済・社会を前に進める原動力になるはずです。
Programプログラム
受講を通じて得られること
DXの担い手として持つべきスキル
- 課題の発見・ゴール設定
- 仮説思考・論理的思考力
- デジタル技術の理解・ビジネスへ活かす力
- コミュニケーション力
-
本プログラムでは、実際に手を動かしながらDX推進プロジェクトを体験することで、デジタル素養の有無に関係なく、DXの担い手として持つべきスキルを習得できます。
参加にあたっては、DXを推進するための基礎的なリテラシー(含む、データ処理の基礎的な理解) とプログラム参加への志望動機/やる気が問われますが、バックグラウンドなどは一切問いません。
-
課題に取り組む中で、受講生同士学び合いながら、ビジネス要素(課題の発見・ゴール設定・コミュニケーション力 等)、デジタル要素 (AI実装・データサイエンス等、デジタル技術への理解/ビジネスへの活かし方 等) の両方を、深めることができます。
-
また、PBLや現場研修プログラムに複数回参加することで、より学びを深め、経験を積み上げることが出来ます。
本プログラムの特徴
ケーススタディ教育プログラム
- 講師による座学ではなく、参加者が情報交換して学び合い・教え合いながら、与えられた課題を解決していくPBL (Project-based Learning:プロジェクト型学習)を中心に据えたプログラムです。
- 9週間のPBLで、ビジネス課題からデジタル課題まで、DXを推進し組織を変革する一連のプロセスを一気通貫で学習することができます。
- デジタル初心者/経験者問わず、プログラムに参加できるよう、多数の補助教材を用意しています。
- 具体的な内容 (例)
- 企業の課題の特定・要求/要件定義→課題解決に向けたソリューションの検討/検証→経営者/他部署に向けた実装・組織変革の提案
現場研修プログラム
- ケーススタディ教育プログラムを修了した受講生には、実際に中小企業と2ヶ月間かけて、チームで課題解決に取り組む、現場研修プログラムの機会があります (希望者のみ。応募者多数の場合は要相談)
- 地域の中小企業の課題に取組み、経営陣・担当者との協働による実体験を通じて、ケーススタディ教育プログラムで学んだ、DXを現場で推進する際の難しさやポイントを学ぶことができます。
- 具体的な内容 (例)
- DX構想・設計・検証段階の各企業の具体的な課題に対し、解決策の提案を実施
コミュニティ・制度
本プログラムではオンライン・講師無しで、参加者同士が学び合う・教え合うことで効率的に学ぶことを推奨しています。
参加者は自律的に学ぶことが求められます。
Zoom等を使った交流の機会、SlackやWikiなどを使った情報交換の機会をぜひ活用してください。
-
チームビルディング
ワークショップ(開会時/修了式) -
Weekly/Saturday Salon(任意参加)
-
Slackコミュニティの
開設・運営 -
集合日程
-
相互評価の実施
修了証や表彰制度は、就職/転職/昇格時などにアピールポイントになるとともに、学び続ける意欲をかきたててくれます。
-
修了証
PBLや現場研修プログラムを最後までやり切った方には修了証が発行されます。
-
表彰
PBLや現場研修プログラムにおいて、優れた成績を残した方や学び合いに貢献した方を表彰する制度を用意しています。
ケーススタディ教育プログラム2タイプの教材からDXを疑似体験することができます。
具体的な企業をテーマにした9週間のPBLを通じて、 DXを推進し組織を変革する一連のプロセスを、一気通貫で学習します。
期間中は課題に取り組む時間も含めて、週6~12時間程度の時間投入が必要なプログラムになっています。
-
教材1
AIモデルの構築・検証と、組織への展開方法を学べる。
-
「課題解決のためのAI実装プロジェクト」の疑似体験を通じて、AIモデルの構築/評価から、実装運用・展開計画までを策定。
最後に、全社DX変革に向けた検討アプローチを体験。
※演習には、AIモデル構築パート、組織変革のプレゼン提案シミュレーションなどを含みます。需要予測・在庫最適化、加工内容の図面解析による自動見積り、不良個所自動検出、工数予測...etc.
-
教材の流れ STEP ①ビジネス課題
実企業の課題に対し、現場からの要望や業界特有のハードルを理解した上で、AI開発に向けた要件定義、AI導入を円滑にするためのプロジェクト設計を行う。
- 課題
理解 - 要件
定義 - PoC設計
- 課題
-
教材の流れ STEP ②デジタル課題
課題解決のための打ち手の一つとして、AIモデル構築・検証に取り組んでもらう。
AI初学者に向けて、手順通りに進めることで一連のAI構築プロセスを体験可能な"初学者ガイド"を準備。- モデル
構築 - 精度
評価 - 実装・展開
計画
- モデル
-
教材の流れ STEP ③最終プレゼン+DX変革推進課題
組織変革を進める際に考慮すべき観点について、受講生間のディスカッションを通じて理解を深める。
- 会社としてのビジョン・戦略
- 価値観・文化の醸成
- 組織風土の変革
- 必要人材・スキルセットの定義
- データ/システム/機能
- 投資予算 etc.
-
教材2
データ分析による課題特定方法と、技術検証・組織への展開方法を学べる。
-
企業情報・データを基に、主要課題の特定/デジタル技術を用いた解決策を検証し、DX推進施策の展開や組織変革の検討アプローチを体験。
※演習には、探索的なデータ分析・デジタル技術の活用を検証するパート、組織変革のプレゼン提案シミュレーションなどを含みます。店舗運営型企業の収益改善、製造運輸業の業務最適化...etc.
-
教材の流れ STEP ①探索的データ分析課題
ビジネス・組織情報の把握,確認を通じて、業務課題を洗い出し、実務データを探索的に分析し、取り組むべき最重要課題を特定
- 現状把握
- データ分析による
主要課題特定
-
教材の流れ STEP ②デジタル課題
主要課題解決のための要求・要件定義を経て、デジタルを活用した打ち手の実現性を検証 (方法は問わない)
- 要求・要件定義
- デジタル活用による
実現性検証
-
教材の流れ STEP ③最終プレゼン+DX変革推進課題
前Stepの検証結果を足掛かりとしたDX変革ロードマップ策定とプレゼンテーション。
また、組織変革を進める上で考慮すべき観点を、受講生間のディスカッションを通じて理解する。- DX導入・展開
計画の策定 - 意思決定者
へのプレゼン - 全社的なDX変革
推進に向けた議論
- DX導入・展開
※ DX初学者に向けて、手順通りに進めることで、データ分析〜デジタル実現性検証までの一連のプロセスを体験可能な”初学者ガイド”を準備。
現場研修プログラム

- 開催期間
- 2022年12月~1月の2ヶ月
- 参加者
-
受講生:ケーススタディ教育プログラムに参加し、第1タームのPBLを修了した人 (チーム単位での参加が条件)
企業:DXの推進への "やる気" 、事業への理解がある企業
- 実施内容
- 企業と連携し、企業のDX取組み状況に応じた2か月間のゴール設定、プロジェクト運営、成果報告を行う
- 学べること
- 実際の現場で経営陣・担当者とDXを推進する実体験を通じて、PBLで学んだDX推進・変革を現場で推進する際の難しさやポイントの理解等、机上では得られない学びが可能
EvolutionAIQuestとの違い
過去3年間運営していたAI Questの「学びの型」をベースに、
AIに特化した学習から、DX推進・変革を学ぶことができるプログラムに進化しました。
AI Quest
マナビDX Quest

プログラムの
目的
- 「Python/R等でデータ解析・モデル構築ができる」ことを条件に設定

応募資格
- デジタル課題では、Python等を利用したモデリング精度を評価
- プレゼン課題では、ビジネススキルを評価

PBL教材
- デジタル課題では、Python等を使用したモデリング精度評価・データ分析による課題特定等、複数パターンを用意
- プレゼン課題では、ビジネススキルを評価

現場研修
プログラム

修了・表彰
制度
私がAIQuestを通して学んだことは、機械学習ライブラリを活用する方法と機械学習をビジネスに応用する方法です。特に後者を学べたことが良い経験になったと感じています。
AI Quest では、コンペのようにデータが渡され目的変数を予測することだけが目的となるのではなく、「どのようにして顧客の課題を解決するのか」に焦点が当てられています。
そのためコンペ形式でスコアを競うことの他に「要件定義・PoC計画・報告用資料作成」などのビジネス的な要素も学ぶことができました。
これらは単なるコンペでは学習することができないコンテンツとなっていて、非常に良い経験となりました。
AI Quest で学んだことを基礎として、顧客の課題改善のために AI が活かせるように頑張っていきたいと思います。
閉じる私にとってのAI Questの価値は2つありました。
1つ目は、 「統合力を鍛えられる点」です。分析者のスキルというと、要素スキル(例:ビジネス・エンジニアリング・データサイエンス)に分解するケースが多いかと思います。
しかし、ビジネスでは、一連の業務において、それら要素スキルを有機的に結びつける「統合力」が重要だと考えます。しかし、統合力は体系的なスキルではないため、経験の中で培っていかねばならないスキルとなります。
そのため、仕事で関わっていない方にとっては、必要だが、鍛えにくいスキルとなってしまいます。一方、AIQuestは、実践形式で開かれており、「統合力を鍛える貴重な機会」と言えます。これが1つ目の価値です。
2つ目は、「関係者との繋がりを通じて、次の成長機会が得られる点」です。AI Quest
の参加者との繋がりでは、修了後も勉強会を続けています。また、私の場合はプログラムの中で企業と協働する機会があり、その企業様と、AI Quest での提案内容を副業として継続しています。
このように「AI Questで得た繋がりを介して、次の成長機会に繋がる点」が2つ目の価値です。
私は工学部に身を置いていましたが、AI Quest に参加する前は研究などにおいて AI に触れる機会がありませんでした。
しかしながら、AI Quest の丁寧な学習プログラムにより AI に関する理解を深めることができました。今では限定的にではありますが、学生に AI学習の指導をさせていただいています。
また AI Quest を通して、ビジネスの場でのAI活用においてもアカデミックと同じく「数値データに基づいた状況分析などのデータ分析」が重要視されていることを知ることが出来たのは大きな収穫であったと感じています。
私が AI Questに参加させていただいたのは、「AIの技術的なスキルを学びながら(それを実践的に使えるようにするための)実務経験を積む」ということに困難を感じ、その間を繋ぐような仮想体験をできないかと以前から考えていたためです。
AI Quest のプログラムはその要望にピッタリの内容で、お客様のヒアリングからPoCの実施、そして提案書の作成までの具体的なイメージを掴むことができました。
けれども、それにもまして印象的だったのは、AI Questの『学び合い』のコミュニティに参画し、多様な仲間たちからの刺激を受けたことです。とても楽しく、また参加者の活発なやりとりに圧倒されました。
ちょうど E資格の受験と時期が重なり、受験者のやりとりを AI Quest の Slackで読み、たいへん励まされました。受験直前に何人かの方が「やりきった!後は本番のみ」と書かれていたのが印象に残っています。結果、みんなで合格することができて、良かったと思います。
AI Questには非常に多様な参加者がいらっしゃったのが印象的でした。業界・業種が違ったり、持っている知識や得意領域が違ったり、抱えている課題感が違ったり……。
その多様なコミュニティに飛び込んで、色んな知識に触れ、色んな人の”これからやりたいこと”を聞いていく中で、「自分は、何が得意な人間なのか?」「これから先、自分にどんなスキルが必要なのか?」「世の中の
AIの普及のために、自分もなにか、やらなきゃいけないんじゃないか?」などを考えるきっかけになったことが、AI Quest での一番の収穫だったと思います。
AI は現在進行系で、物凄い勢いで開拓が進められている、広大なフィールドです。だからこそ、ただただ “ AIがやりたい” と思うのではなく『自分は、 AIを使ってどこを目指していくのか?』をじっくり考えるのが大事なんだろうな、と強く感じています。
AI Quest での多くの出会いを通して、とても自然にそういうことを考えるようになりましたし、その答えのヒントが AI Quest の中には詰まっているとも思います。
AI Quest に参加して良かったと思っていることは大きく2点あります。
1点目は「協働プログラム」というプログラムに参加し、実際の企業と一緒に課題を AI を用いて解決できたことです。実際の企業と課題を解決できる点は、AI Quest独自のメリットであり他のどんな勉強会やコンペでも経験できないことだと考えています。ヒアリング・課題の整理・機械学習モデルの構築・提案など、実際に機械学習を使ってビジネス課題を解決していくプロセスをチームで経験できました。
困難なことも多かったですが、チームのメンバーやクライアントの担当者と切磋琢磨し、最終的にクライアントの社長に提案する経験ができました。
現在は、その経験を生かして自分の仕事に組み込みたいと考えており、課題の整理中です。
2点目は、AI を活用していきたいと考えている多くの人に出会えたことです。AI Questを通して、たくさんの人と交流を重ねました。その中で、気づきを得たり、今まで知らなかった知識を獲得したり、逆に私から何かを発信したりをしました。特に2020年度はオンラインでの開催だったため、日本では北海道から沖縄の方まで、さらに海外で暮らしている方や海外で仕事されている方ともお話させていただき、私の住んでいる地域では活用方法を思いつかないようなことに可能性を感じることも多くありました。
また、プログラムが終わった現在でもコンペや AI 情報の意見交換など交流が続いているのも財産です。しかしながら、AI Quest はどんな人でもオススメできるものではありません。AI Questには「先生」がいないため、なんでも揃っていて聞いているだけで力がつくというようなものではないからです。参加者自身で目的を持ち、自発的に行動して、自発的に発信している人が学べるものが大きい・満足度が高いプログラムだと感じています。
ぜひ、目的を持って、自発的に参加してみてください!!
『データサイエンス力とAI提案力の向上』。それが、私がAI Questに参加した理由でした。
私は2019年のPBLコースに参加し、2020年は企業との協働プログラムに参加しました。2019年に学び身につけたスキルは、実企業の課題解決に本当に役立つのか。それを確かめるための2年連続参加でした。
実際の企業との協働では、非常に難易度の高い課題を与えられ、活動前は「成果を残すことができるのか?」と不安に駆られました。しかし、一緒に参加したメンバーと企業の皆様の多大な協力もあり、全員が納得できる予想以上の成果を出すことができました。
ここで得られた過程と結果は、実際の業務で得た経験と同等以上であると感じています。協働した企業さまからも引き続き一緒にやりたいという声をいただけたのは、その成果だと思っています。
参加の仕方次第で大きなワクワクが手に入る、それが AI Quest です。迷ったら飛び込んでみてください。大丈夫、その先には仲間がいます。
私は、数学とプログラミングが好きで、AI Quest にはほとんど「遊び」感覚で参加しましたが、とても学びになりましたし楽しかったです。
この分野を本気で身につけたいと思っている人にはとてもいい機会になるのではないでしょうか。画像データを扱ってみたかったのでそれをテーマとする課題にチャレンジしたのですが、おそらく独学では知り得なかったような色々なテクニックがあることを知りました。
オンラインでの交流も、特に情報交換の場として有意義でした。その場で国内に他にもたくさんコンペがあることを教えてもらい、今はそちらに取り組んでいます。
また、GPUに詳しい方から利用方法を教えてもらう機会もありました。それから、一部の演習参加の方とは Twitterでつながり、継続して情報交換をしています。オンラインならではの交流がこんな形でできることに驚きです。
「対面で名刺交換」じゃ、なかなかここまではできないですよね。
Voice受講者の声
過去3年間運営していたAI Quest受講生の声です。
生まれ変わった「マナビDX Quest」で、ひとつ先の学びの場をいっしょに作りませんか。
-
AI Quest で得た最も大きな学びは、AI実装の一連の流れを体験できたことです。
AI の開発プロセスは、本で読んでいるだけではイマイチ理解できませんでした。しかし、AI Questのプロジェクト型学習では、実際に自分の手を動かしてコードを書くことで、データの準備・加工、AIモデル構築・評価、チューニングまでの、基本的な開発手順を身につけることができました。
私は個人でプロジェクトに取り組んでいたので、行き詰まってしまうことも多かったのですが、Slack上での交流が活発だったおかげで、他の参加者の方に気軽に質問することもでき、最後まで挫折せずに学び続けることができました。参加者の中には、自分と同年代でも、創意工夫を凝らして高精度のモデルを作成した方もいて、とても刺激を受けました。
技術面の向上に加えて、「AIを実装する場面での経営者の視点」についても理解を深めることができました。実際の企業課題に要件定義から取り組み、様々なフィードバックをいただくことで、ビジネス上の課題設定や解決策の立案手法を学びました。
AI Quest に参加する以前は、デジタル関連の仕事に就くことを考えたことはありませんでしたが、AI Quest への参加をきっかけに、AI が持つ可能性に興味を持ち、修了後はAI関連のベンチャー企業で長期インターンシップを始めました。AI Questで学んだことはインターンの現場でもすぐに生かすことができ、新たなキャリアが拓けたと感じました。大学卒業後の進路としても、デジタル技術を活用して社会課題に立ち向かうような仕事に興味が生まれています。
-
私がAIQuestを通して学んだことは、機械学習ライブラリを活用する方法と機械学習をビジネスに応用する方法です。特に後者を学べたことが良い経験になったと感じています。
AI Quest では、コンペのようにデータが渡され目的変数を予測することだけが目的となるのではなく、「どのようにして顧客の課題を解決するのか」に焦点が当てられています。
そのためコンペ形式でスコアを競うことの他に「要件定義・PoC計画・報告用資料作成」などのビジネス的な要素も学ぶことができました。
これらは単なるコンペでは学習することができないコンテンツとなっていて、非常に良い経験となりました。AI Quest で学んだことを基礎として、顧客の課題改善のために AI が活かせるように頑張っていきたいと思います。
-
私にとってのAI Questの価値は2つありました。
1つ目は、 「統合力を鍛えられる点」です。分析者のスキルというと、要素スキル(例:ビジネス・エンジニアリング・データサイエンス)に分解するケースが多いかと思います。
しかし、ビジネスでは、一連の業務において、それら要素スキルを有機的に結びつける「統合力」が重要だと考えます。しかし、統合力は体系的なスキルではないため、経験の中で培っていかねばならないスキルとなります。
そのため、仕事で関わっていない方にとっては、必要だが、鍛えにくいスキルとなってしまいます。一方、AIQuestは、実践形式で開かれており、「統合力を鍛える貴重な機会」と言えます。これが1つ目の価値です。2つ目は、「関係者との繋がりを通じて、次の成長機会が得られる点」です。AI Quest の参加者との繋がりでは、修了後も勉強会を続けています。また、私の場合はプログラムの中で企業と協働する機会があり、その企業様と、AI Quest での提案内容を副業として継続しています。
このように「AI Questで得た繋がりを介して、次の成長機会に繋がる点」が2つ目の価値です。 -
私は工学部に身を置いていましたが、AI Quest に参加する前は研究などにおいて AI に触れる機会がありませんでした。
しかしながら、AI Quest の丁寧な学習プログラムにより AI に関する理解を深めることができました。今では限定的にではありますが、学生に AI学習の指導をさせていただいています。
また AI Quest を通して、ビジネスの場でのAI活用においてもアカデミックと同じく「数値データに基づいた状況分析などのデータ分析」が重要視されていることを知ることが出来たのは大きな収穫であったと感じています。 -
私が AI Questに参加させていただいたのは、「AIの技術的なスキルを学びながら(それを実践的に使えるようにするための)実務経験を積む」ということに困難を感じ、その間を繋ぐような仮想体験をできないかと以前から考えていたためです。
AI Quest のプログラムはその要望にピッタリの内容で、お客様のヒアリングからPoCの実施、そして提案書の作成までの具体的なイメージを掴むことができました。
けれども、それにもまして印象的だったのは、AI Questの『学び合い』のコミュニティに参画し、多様な仲間たちからの刺激を受けたことです。とても楽しく、また参加者の活発なやりとりに圧倒されました。
ちょうど E資格の受験と時期が重なり、受験者のやりとりを AI Quest の Slackで読み、たいへん励まされました。受験直前に何人かの方が「やりきった!後は本番のみ」と書かれていたのが印象に残っています。結果、みんなで合格することができて、良かったと思います。 -
AI Questには非常に多様な参加者がいらっしゃったのが印象的でした。業界・業種が違ったり、持っている知識や得意領域が違ったり、抱えている課題感が違ったり……。
その多様なコミュニティに飛び込んで、色んな知識に触れ、色んな人の”これからやりたいこと”を聞いていく中で、「自分は、何が得意な人間なのか?」「これから先、自分にどんなスキルが必要なのか?」「世の中の AIの普及のために、自分もなにか、やらなきゃいけないんじゃないか?」などを考えるきっかけになったことが、AI Quest での一番の収穫だったと思います。
AI は現在進行系で、物凄い勢いで開拓が進められている、広大なフィールドです。だからこそ、ただただ “ AIがやりたい” と思うのではなく『自分は、 AIを使ってどこを目指していくのか?』をじっくり考えるのが大事なんだろうな、と強く感じています。
AI Quest での多くの出会いを通して、とても自然にそういうことを考えるようになりましたし、その答えのヒントが AI Quest の中には詰まっているとも思います。 -
AI Quest に参加して良かったと思っていることは大きく2点あります。
1点目は「協働プログラム」というプログラムに参加し、実際の企業と一緒に課題を AI を用いて解決できたことです。実際の企業と課題を解決できる点は、AI Quest独自のメリットであり他のどんな勉強会やコンペでも経験できないことだと考えています。ヒアリング・課題の整理・機械学習モデルの構築・提案など、実際に機械学習を使ってビジネス課題を解決していくプロセスをチームで経験できました。
困難なことも多かったですが、チームのメンバーやクライアントの担当者と切磋琢磨し、最終的にクライアントの社長に提案する経験ができました。
現在は、その経験を生かして自分の仕事に組み込みたいと考えており、課題の整理中です。
2点目は、AI を活用していきたいと考えている多くの人に出会えたことです。AI Questを通して、たくさんの人と交流を重ねました。その中で、気づきを得たり、今まで知らなかった知識を獲得したり、逆に私から何かを発信したりをしました。特に2020年度はオンラインでの開催だったため、日本では北海道から沖縄の方まで、さらに海外で暮らしている方や海外で仕事されている方ともお話させていただき、私の住んでいる地域では活用方法を思いつかないようなことに可能性を感じることも多くありました。
また、プログラムが終わった現在でもコンペや AI 情報の意見交換など交流が続いているのも財産です。しかしながら、AI Quest はどんな人でもオススメできるものではありません。AI Questには「先生」がいないため、なんでも揃っていて聞いているだけで力がつくというようなものではないからです。参加者自身で目的を持ち、自発的に行動して、自発的に発信している人が学べるものが大きい・満足度が高いプログラムだと感じています。
ぜひ、目的を持って、自発的に参加してみてください!! -
『データサイエンス力とAI提案力の向上』。それが、私がAI Questに参加した理由でした。
私は2019年のPBLコースに参加し、2020年は企業との協働プログラムに参加しました。2019年に学び身につけたスキルは、実企業の課題解決に本当に役立つのか。それを確かめるための2年連続参加でした。
実際の企業との協働では、非常に難易度の高い課題を与えられ、活動前は「成果を残すことができるのか?」と不安に駆られました。しかし、一緒に参加したメンバーと企業の皆様の多大な協力もあり、全員が納得できる予想以上の成果を出すことができました。
ここで得られた過程と結果は、実際の業務で得た経験と同等以上であると感じています。協働した企業さまからも引き続き一緒にやりたいという声をいただけたのは、その成果だと思っています。
参加の仕方次第で大きなワクワクが手に入る、それが AI Quest です。迷ったら飛び込んでみてください。大丈夫、その先には仲間がいます。 -
私は、数学とプログラミングが好きで、AI Quest にはほとんど「遊び」感覚で参加しましたが、とても学びになりましたし楽しかったです。
この分野を本気で身につけたいと思っている人にはとてもいい機会になるのではないでしょうか。画像データを扱ってみたかったのでそれをテーマとする課題にチャレンジしたのですが、おそらく独学では知り得なかったような色々なテクニックがあることを知りました。
オンラインでの交流も、特に情報交換の場として有意義でした。その場で国内に他にもたくさんコンペがあることを教えてもらい、今はそちらに取り組んでいます。
また、GPUに詳しい方から利用方法を教えてもらう機会もありました。それから、一部の演習参加の方とは Twitterでつながり、継続して情報交換をしています。オンラインならではの交流がこんな形でできることに驚きです。
「対面で名刺交換」じゃ、なかなかここまではできないですよね。
Application Requirements募集要項
- 開催期間
- 2022年9月初旬~2023年2月中旬
(第1ターム: 2022年9月初旬~2022年11月上旬、第2ターム: 2022年11月下旬~2023年2月中旬)
- 募集人数
- 1,800名程度
- 募集対象
- 学生・社会人
- 受講料金
- 無料
- 受講内容
ケーススタディ教育プログラム
以下の2パターンの教材からご自身の学びたいテーマを選んでいただきます。-
AIの実装を通じたDXプロジェクトの疑似体験
(テーマ例: 需要予測、不良個所自動検出、作業員の工数予測 等)
・AIモデル構築のパート、組織変革の提案シュミレーションを含みます。 -
データ駆動型の変革推進の疑似体験
(テーマ例: 店舗運営型企業の収益改善、製造運輸業の業務最適化 等)
・データサイエンス・デジタル技術を活用するパート、組織変革の提案シュミレーションを含みます。
現場研修プログラム
- 第1ターム修了者は第2タームでは、実際に中小企業と2ヶ月間かけて課題解決に取り組む、現場研修プログラムに参加することが可能です (希望者のみ)
-
AIの実装を通じたDXプロジェクトの疑似体験
- 受講資格
- 応募時にご提出いただく情報 (ご自身に関する情報、志望動機など) 及びアセスメントの結果を基に、マナビDX Quest事務局にて、総合的に判断させていただきます。
- 開催場所
- 全てのPBL、および現場研修プログラムはオンラインでの実施を想定
- 受講時間
- 期間中、週6~12時間程度の課題取り組みを想定
- 応募の概要
- 応募は、応募フォームへの記載とアセスメント(※)の受講で完了します。
事務局はご提出いただいた①ご自身に関する情報、②データ処理などの技術レベル、③志望動機などの3点についての情報をもとに選考を行います。
※ 以下のアセスメントテストは必須で受けていただくものになります。アセスメントテストが未提出の場合、応募完了になりませんので、ご注意ください。- データ処理スキルアセスメント (所要時間: 15分程度)
- アセスメントは、再提出はできませんのでご留意ください。
- アセスメントを実施いただく場合、アセスメント規約に別途同意いただく必要がございます。
- その他留意事項
- 本事業への応募 (後述) 及びプログラム期間中の学習は株式会社SIGNATEが提供する環境上で行います。そのため、マナビDX Questの応募にあたってはSIGNATEが運営するプラットフォーム『SIGNATE』の会員登録が必要となります。現在SIGNATEの会員でない方は、応募時にSIGNATE会員登録を行っていただく形となります。
- 募集期間
- ※ 応募受付は終了しました。
7/1(金) 10:00~8/8(月) 8:59
上記記載の「応募の概要」の内容をご確認の上、応募プロセスを上記期間内に完了ください。
応募締切直前の8/8(月) 0:00~8:59は、アクセス集中によりサイトに繋がりにくくなる可能性がございます。また、応募フォームへのご入力の途中で締切日時を過ぎますと応募完了できません。いずれにつきましても事務局側では責任を負いかねますので、余裕を以てご応募頂けますように、ご協力をお願い致します。- 上記に関する問い合わせにつきましても、全ての土日祝日は対応致しかねますため、応募フォームの内容を事前に1度ご確認頂くといったご対応の上、余裕を以てお問い合わせいただけますように予めご留意頂けますと幸いです。
- 選考結果の通知
- 8/8 (月) ~8/12 (金)
合否に関わらず、結果をメールもしくは電話にてお伝えします。
- (合格者のみ)
受講環境準備 - 8/15 (月) ~9/2 (金)
ご参加の意思の確認、必要な情報のご登録、誓約書のご提出など。
- 受講開始
- 9/3 (土)
オンライン開会式 (原則参加) を実施。
応募受付は終了しました
Contactお問い合わせ
マナビDX Questにご関心をお持ちいただきまして、
ありがとうございます。
ご意見・ご相談など、お気軽にお問い合わせください。
お問い合わせの内容確認後、
1-2営業日以内に担当者よりご連絡差し上げます。
※ 数日経過した後に返信ない場合、
入力いただいたメールアドレスの誤り/ 事務局回答メールが迷惑メール等に含まれている可能性がございます。
ご確認の上、必要ございましたら再度お問い合わせ
くださいますようお願い申し上げます。
お問い合わせはこちら
info_manabi-dxquest@a-brain.com
受付/回答時間 10:00~17:00 (土日祝日・年末年始を除く)
お問い合わせいただいた時点で
マナビDX Quest事業 プライバシーポリシーに
同意いただいたものとみなします。
AI Quest で得た最も大きな学びは、AI実装の一連の流れを体験できたことです。
AI の開発プロセスは、本で読んでいるだけではイマイチ理解できませんでした。しかし、AI Questのプロジェクト型学習では、実際に自分の手を動かしてコードを書くことで、データの準備・加工、AIモデル構築・評価、チューニングまでの、基本的な開発手順を身につけることができました。
私は個人でプロジェクトに取り組んでいたので、行き詰まってしまうことも多かったのですが、Slack上での交流が活発だったおかげで、他の参加者の方に気軽に質問することもでき、最後まで挫折せずに学び続けることができました。参加者の中には、自分と同年代でも、創意工夫を凝らして高精度のモデルを作成した方もいて、とても刺激を受けました。
技術面の向上に加えて、「AIを実装する場面での経営者の視点」についても理解を深めることができました。実際の企業課題に要件定義から取り組み、様々なフィードバックをいただくことで、ビジネス上の課題設定や解決策の立案手法を学びました。
AI Quest に参加する以前は、デジタル関連の仕事に就くことを考えたことはありませんでしたが、AI Quest への参加をきっかけに、AI が持つ可能性に興味を持ち、修了後はAI関連のベンチャー企業で長期インターンシップを始めました。
AI Questで学んだことはインターンの現場でもすぐに生かすことができ、新たなキャリアが拓けたと感じました。大学卒業後の進路としても、デジタル技術を活用して社会課題に立ち向かうような仕事に興味が生まれています。
閉じる