everiPro 産業DXリスキリングプログラム 2022年度
IT初級者もDX人材に
オンラインで受講
業種に特化した履修モデル
everiPro 産業DXリスキリングプログラム
everiProとは
DX推進において全域で必要不可欠となるデジタルリテラシーの領域を網羅しつつ、テクノロジ領域に特化した、ビジネスパーソン向けの教育プログラムです。
基本的なデータの取り扱いから、デジタルツールの活用術、プログラミング、AI、IoTといった、使うITと創るITを学び、業務やサービスのDX化を実装する技術と手法を学びます。
コースには産業に特化した７つの履修モデルがあり、ITの初級者にも、経験者にも、それぞれに合った学び方ができます。
このプログラムは北九州市立大学を始めとし、九州工業大学、熊本大学、宮崎大学、広島市立大学が連携して統合されたカリキュラムを提供しています。前身となるenPiT-everi（社会人向け高度情報教育プログラム）から培われたノウハウで、皆さまのDX人材へのリスキリングを支援します。
受講方法
対象者：社会人全般（現役世代のビジネスパーソン推奨）
コースで受講する場合は、７つの履修モデルから１つを選択します。計60時間を学習します。しっかり学んでDX人材を目指す方におすすめです。
１科目から受講することもできます。試しに受講してみたい方、興味のある分野が決まっている方におすすめです。
受講には、PCとインターネット環境が必要です。
推奨スペック：メモリ8GB以上、SSDストレージ、マイク・カメラ付き、対面型のラボ科目を受講する方はノートPC推奨（実地に持ち込むため）
| 履修方法 | コース履修 | 科目別履修(1科目～) |
| 開講期間 | 2022年10月～2023年2月(5か月間) | |
| 受講コマ数 | 40コマ(60時間) | 8コマ(12時間)/1科目 |
| 受講形式 | VOD形式 / 遠隔形式 / 対面形式(科目による) | |
| 受講料 | 74,000円 | 14,800円/科目 |
| 定員 | 5〜10名/コース | 原則無制限（科目による） |
７つの履修モデル
DXリテラシーモデル #他業種 #ITリテラシー #デジタルツール #データサイエンス #クラウド #プログラミング
IT初心者でDX化に貢献していきたい方にお勧めのモデル。
どんな業種のDX化にでも必要となる「データを取り扱うスキル」を身につけ、多様なビジネスシーンで適切にデータを取り扱えるような人材を目指す。
基本的なIT（情報処理）の知識・技術、統計について学び、データを取り扱うための手段として、Excelやスプレッドシート、CSV、データベース、BIツールなどを使用するトレーニングを行い、データ分析スキルを身につけていく。
Pythonでデータを取り扱う簡単なトレーニングも行う。
おもてなしDXモデル #観光 #飲食 #サービス業 #ITリテラシー #デジタルツール #データサイエンス #クラウド #AI
ITにあまり詳しくない観光や飲食、宿泊、交通等のサービス事業に携わっている方にお勧めのモデル。
適切にデータが取り扱え、データドリブンな経営や運営が思量できるような人材を目指す。
基本的なIT（情報処理）の知識・技術、統計について学び、データを取り扱うための手段として、Excelやスプレッドシート、CSV、データベース、BIツールなどを使用するトレーニングを行い、データ分析スキルを身につけていく。
ラボでは、観光等サービス事業における課題設定、KGI/KPI設定、データ収集、データ解釈などの方法について議論し、実際に存在する課題の演習を通して、勘に頼らないデータドリブン経営について理解し、「学修事項を自社で活用 → 課題発見・設定 → 課題共有 → 相互レビュー」のサイクルを回し続け定着を図る。「知る」だけでなく「できるようになる」を目指す。
スマートライフケアモデル #介護 #医療 #デジタルツール #データサイエンス #クラウド #プログラミング #AI
ITにあまり詳しくない介護、医療関係者にお勧めのモデル。
または、IT関係者で、介護、医療に関心のある方にも意義のあるモデル。
介護現場のDX化について思量ができる人材を目指す。Pythonでデータを取り扱う簡単なトレーニングを行いつつ、統計を学び、データを取り扱うための手段として、Excelやスプレッドシート、CSV、データベース、BIツールなどを使用するトレーニングを行い、データ分析スキルを身につけていく。
ITリテラシーのある者（IT関係者）は、基礎的な科目（Pythonやデータ基礎など）の代わりに機械学習を取ると、より分析の理解が深まる。
ラボでは、介護現場の実データを用いたデータ分析や機械学習の応用を経験し、どのような分析が有効であるか、データからどのような傾向が読み取れるかを議論していき、介護現場で必要となるDXのスキルを身につける。
スマート農業モデル #農業 #デジタルツール #データサイエンス #クラウド #プログラミング #AI #IoT
ITにあまり詳しくない農業関係者にお勧めのモデル。
または、IT関係者で、農業に関心のある方にも意義のあるモデル。
農業、主にハウス営農のDX化について思量できる人材を目指す。
Pythonでデータを取り扱う簡単なトレーニングを行いつつ、統計を学び、データを取り扱うための手段として、Excelやスプレッドシート、CSV、データベース、BIツールなどを使用するトレーニングを行い、データ分析スキルを身につけていく。
ITリテラシーのある者（IT関係者）は、基礎的な科目（Pythonやデータ基礎など）の代わりに機械学習や画像処理、IoT概論を取ると、より分析の理解が深まる。ラボでは、実際のハウスでのフィールドワークにて、IoTデバイスの活用や環境のモニタリングなどを体験する。
農家講師、受講者同士で議論しながら営農における課題を洗い出し、抽象的にテーマと解決方法を決定し、アプローチしていく。その中で、IoTやクラウド、既存サービスに関する知見を広めながら利活用や有効性を検討していき、農業のDX対する理解と発想を深めていく。
製造業IoTモデル #製造業 #IT業 #クラウド #プログラミング #IoT #オールラウンド
ある程度ITリテラシーのある中小製造業関係者にお勧めのモデル。
または、IT関係者で、製造業関連サービスに携わっている方、製造業に関心のある方にもお勧めのモデル。
製造現場（やサービス施設など）でRaspberry Pi（通称ラズパイ）を使った、安価で手軽なIoTの仕掛け（エッジコンピューティング）を自作導入できる人材を目指す。基本的な回路の設計を学び、回路をデバイスに書き込むトレーニングを行い、ハードウェアプログラミングの基本を理解する。
回路系は詳しくてプログラミング経験が乏しい方は、論理回路の代わりにPython入門を取るのがよい。
ラボでは、IoTを実現するための組込みシステムやサーバ（クラウド、オンプレミス）の仕組みについて理解を深めると共に、データ収集・分析システムの開発を例題として演習を行う。
IoTにおけるセンサデータの収集にはエッジノードと呼ばれる小規模な組込みシステムを利用することが多く、様々な用途に向けて利用できるRaspberry Piをエッジノードとして使用する方法について学ぶ。
エッジノード（センサノード）からデータをサーバへ転送し、データ収集・分析するシステムを実現するために必要な、ネットワークプログラミングを学んでいく。
スマートファクトリーモデル #製造業 #ライン #IT業 #プログラミング #AI #IoT
ある程度ITリテラシーのある中小製造業関係者にお勧めのモデル。
または、IT関係者で、製造業関連サービスに携わっている方、製造業に関心のある方にもお勧めのモデル。
工場ラインでRaspberry Pi（通称ラズパイ）を使った、安価で手軽な品質チェック等の仕組みを自作導入できる人材を目指す。IoTデバイスに関する基本的なことを学び、人の代わりに機械に問題を検出させるための画像処理や機械学習について学ぶ。
IoT概論は、各自の弱めの分野（Python入門や論理回路等）に置き換えてもよい。
ラボでは、PythonによるAI技術と、安価で手軽に活用できるRaspberry Pi（通称ラズパイ）をIoT機器として、スマートファクトリー化のためのシステムが比較的容易に構築できることを、実習を通じて体感する。実習では、実務家が実験的に考案したAIによる製品の不具合自動検知システムの実装に取り組む。実装に使われている技術や機器についての知識を深めることにより、複雑なシステムでなければAIやIoT技術の導入のハードルが高くないことを体感したうえで、AIやIoT技術の手の内化についての議論を行っていく。
AIプログラミングモデル #他業種 #IT業 #WEB #クラウド #プログラミング #AI
ある程度経験のあるIT技術者にお勧めのモデル。
または、ある程度ITリテラシーのある多様な実務家にもお勧めのモデル。
Pythonで比較的容易に実現ができ、様座な局面で応用可能なAI開発技術を身につけ、事業にAIを自作導入できる人材を目指す。
Pythonでデータを取り扱う簡単なトレーニングを行い、AIの実用化手段として有効なWEB開発技術を身につける。
また、AIの基礎理論である機械学習を学び理解を深める。ラボでは、音声認識を通してAI・ディープラーニング（深層学習）を学ぶ。ディープラーニングがどのように活用されているかという一般的な理解から、実際にエンジニアとして開発に貢献できるところまでを実用の視点でカバーする。
Huggingface（自然言語処理に特化したディープラーニングのフレームワーク）を使ったモデルの学習について、データの扱い方から学習までの流れを身につけ、Nvidiaが公開しているJasperという学習済みのモデルをつかって処理の高速化を行い、GPUに合わせたモデルへの変換にも取り組み、AIプログラムの実用段階までのプロセスを含めた演習を行っていく。
※クリックすると拡大します。
履修モデルの受講には、３つの科目＋１つのラボ科目を選びます。
推奨科目が設定されていますので、そのまま受講することもできますが、受けたい科目に変更することもできます。ラボ科目は変更できません。
修了者にはenPiT-everiの修了認定「準IoTエンジニア」が授与されます。
ただし、DXリテラシーモデルだけは上記とは異なり、５科目すべてが固定科目となります。
科目一覧
講義科目と演習科目は１科目は８コマ（１２時間）、ラボ科目は１６コマ（２４時間）です。
受講形式は、２４時間いつでも学習できるVOD形式、オンラインによる遠隔形式、現地での対面形式があります（一部のラボ科目のみ）。
| 科目名 | コマ数(時間数) | 形式 |
| 講義科目 | ||
| 統計基礎 | 8(12h) | VOD |
| 画像処理 | 8(12h) | VOD |
| 機械学習 | 8(12h) | VOD |
| IoT概論 | 8(12h) | VOD |
| 論理回路 | 8(12h) | VOD |
| 深層学習 | 8(12h) | VOD |
| IoTセキュリティ | 8(12h) | VOD |
| IoT情報理論 | 8(12h) | VOD |
| アルゴリズム設計 | 8(12h) | VOD |
| システム制御工学 | 8(12h) | VOD |
| センサネットワーク | 8(12h) | VOD |
| データマイニング基礎 | 8(12h) | VOD |
| ネットワーク・API | 8(12h) | VOD |
| メカトロニクス | 8(12h) | VOD |
| 画像処理応用 | 8(12h) | VOD |
| 機能安全 | 8(12h) | VOD |
| 信号解析 | 8(12h) | VOD |
| 演習科目 | ||
| IT基礎1 WEB・情報編 | 8(12h) | VOD |
| IT基礎2 PGエントリ編 | 8(12h) | VOD |
| データ基礎 | 8(12h) | VOD |
| Python 入門 | 8(12h) | VOD |
| Python WEB開発 | 8(12h) | VOD |
| ハードウェア記述言語入門 | 8(12h) | 遠隔 |
| FPGA設計 | 8(12h) | 遠隔 |
| データ解析 | 8(12h) | VOD |
| ラボ科目 | ||
| おもてなしDXラボ | 16(24h) | 遠隔 |
| スマートライフケアラボ | 16(24h) | 遠隔 |
| スマート農業ラボ | 16(24h) | 対面 |
| 製造業IoTラボ | 16(24h) | 遠隔 |
| スマートファクトリラボ | 16(24h) | 対面 |
| AIプログラミングラボ | 16(24h) | 遠隔 |
日程表
原則、土曜日が授業日となり、オリエンテーション、演習の授業、フォロー会などの活動は土曜日です。
ただし、一部のラボは変則的な日程となっています。詳細は日程表をご覧ください。
everiProの修了者には、修了科目・時間に応じてenPiT-everi（前身プログラム）に基づく修了認定が授与されます。
履修モデルの修了者は、準IoTエンジニアの修了認定が授与されます。
履修モデルを受講しない方も、条件を満たせば下表の修了認定が授与されます。
過去にenPiT-everiを受講されていた方は、累積による認定もされます。
| 分類 | IoTアーキテクト | IoTエンジニア | 準IoTアーキテクト | 準IoTエンジニア |
| 講義 | 6科目 | 2科目 | 3科目 | – |
| 演習 | 1科目 | 1科目(※) | – | – |
| ラボ | 1科目(※) | – | 1科目 | |
| 修了時間 | 120時間 | 60時間 | ||
※演習・実習は０科目、代わりにラボ２科目修了でも可
よくある質問
よくある質問はこちら
問い合わせ