AIエンジニアに独学でなるには？未経験の12週間ロードマップと求人の現実

この記事の監修者

リスキルAIキャリア編集部

リスキルAIキャリアは、AI時代の学び直し・キャリア形成・副業・転職に役立つ情報を発信するWebメディアです。編集部では、生成AIスキルの身につけ方、AI関連スクール・講座の選び方、キャリアアップにつながる学習方法などを、実務目線でわかりやすくお届けしています。

未経験から独学で狙いやすいのはLLMやRAGを使う「生成AIアプリ実装寄り」です。研究職やML基盤職は、独学単独では届きにくいのが実情です。まず3か月でPython基礎、Colabでscikit-learnを1本動かす、LLM APIで簡単なアプリを作る、ここまでを最低ラインにします。

6〜9か月では、転職・副業で見せる成果物を1本仕上げます。GitHub公開、README、デモ画面、使用技術、課題設定、この5点を満たすアプリが基準です。独学で到達できるのは「基礎知識＋小規模な実装ポートフォリオ」までで、実務規模の開発経験は独学単独では埋まりません。

いきなりAIエンジニア転職を狙う前に、生成AIの業務活用力を証明したい人は、PEP検定でプロンプト設計・生成AI活用の基礎を固める選択肢があります。以下で学習順序、費用、資格の使い分け、挫折対策を数値と手順で示します。

最終更新日: 2026年8月19日。受験料・合格率・試験日程は改定されます。出願前に各公式サイトで確認してください。

AIエンジニア独学の向き不向きチェック

独学の可否は「目指す職種」と「前提スキル」で決まります。下のチェックリストで適性を測れます。5項目中3つ以上あてはまるなら独学の相性は良い部類です。

• 毎日30〜60分の学習を3か月以上続けられる
• エラー文を検索して自力で直した経験がある
• 高校数学（微分・確率・行列の基礎）に強い拒否感がない
• 作りたいものが具体的にある（例: 社内文書のRAG検索）
• 成果をGitHubに残す習慣を作れる

資格だけで転職を狙う人は独学で止まりやすく、まず動くコードを作れる人ほど独学で伸びます。体系立てて教わらないと進めないタイプは、スクール併用が現実的です。

求人票で切り分ける｜生成AI・ML・データサイエンティスト

「AIエンジニア」は一語で語れません。求人票に出る語で3タイプを切り分けます。ここを混ぜると、不要な数学に何か月も費やす事故が起きます。

独学で届く求人・届かない求人

独学の成果物で届きやすいのは、実務未経験可の生成AIアプリ開発です。求人票の必須条件が「Python基本」「API連携経験」「GitHub提示歓迎」に留まるポジションが対象です。想定年収レンジは未経験入口で350〜500万円が中心帯です（各求人サイトの掲載レンジは変動するため出願時に確認してください）。

「実務経験3年以上」「本番MLOps運用経験」「PyTorchでの学習パイプライン構築」を必須条件にする求人は、独学のみでは通りません。これらはチーム開発と大規模データが前提で、1人の独学では再現できないためです。

AIエンジニア独学ロードマップ（未経験・12週間）

今日から動けるよう、週単位・成果物単位で示します。環境はGoogle Colabに固定します。ローカル環境構築は最初の3か月は後回しにします。

教材は各公式ページを軸にします。Python公式チュートリアル（docs.python.org）、scikit-learn公式（scikit-learn.org）、Kaggle Learn（kaggle.com/learn）、OpenAI API docs（platform.openai.com/docs）、Anthropic docs（docs.anthropic.com）、LangChain docs（python.langchain.com）、Chroma公式（docs.trychroma.com）です。

LLM APIなら1〜2日で要約ツールを動かせます。画面で結果が返るため、Python文法だけを学ぶより続けやすいです。数学は先に完璧を目指さず、実装で必要になった箇所を都度補います。

独学で作るべきポートフォリオ3例

採用・副業では「何を解決したか」を先に見られます。生成AI×業務に寄せた3例を挙げます。各例にGitHub READMEへ書く項目まで示します。

1. 社内文書RAGチャット

解決対象は「社内規程が探せない」問題です。技術はPython、LangChain、OpenAI API、Chroma、Streamlitです。データは公開PDFと社内規程を想定したサンプル文書を使います。最低機能は質問→引用元ページ付き回答、回答不能時の明示です。READMEには課題設定、使用技術、起動手順、スクリーンショットを書きます。面接では「引用元表示で回答の根拠を担保した」と説明します。

2. 求人票分析ツール

解決対象は「必要スキルが分からない」問題です。技術はPython、pandas、BeautifulSoupまたはCSV、可視化です。データは手元CSVか公開求人データを使います。最低機能は必要スキルの頻出語抽出、職種別比較グラフです。READMEにはデータ出典、集計手順、注意点を書きます。副業提案では「頻出語で求人要件を定量化できる」と一言添えます。

3. 問い合わせ分類AI

解決対象は「問い合わせ振り分けの手間」です。技術はscikit-learn、TF-IDF、FastAPIまたはStreamlitです。データはサンプル問い合わせ文を使います。最低機能は分類精度の表示、誤分類例の提示、改善案です。READMEには評価指標、混同行列、改善方針を書きます。誤分類例と改善案まで書いた成果物は、精度の数字だけの成果物より評価されます。

独学の学習時間と費用の内訳

社会人が毎日30〜60分続けた場合、基礎固めに3か月で累計50〜90時間が目安です。算出は「30〜60分×週5日×12週＝約30〜60時間」に、週末の追加分と復習を加えた実効時間です。基礎固めはPythonでデータを扱い、機械学習を1つ動かせる段階を指します。転職に耐えるポートフォリオまでは、さらに3〜6か月を見込みます。

書籍は1冊2,000〜4,000円が目安です。Udemy等の動画教材はセール時1,500〜3,000円程度で、価格は変動します。Colabは無料で始められ、有料プランは必要になってから検討します。最初の環境はColab固定、教材は1つに絞って完走する、この2点で初期離脱の大半を防げます。

独学とスクールの判断軸

まず独学で50〜90時間走ります。続けられたら独学継続、環境構築や孤立で止まったらスクール併用へ切り替えます。E資格を狙う場合はJDLA認定プログラムが必須のため、その時点でスクールを検討します。給付金対象講座は実質負担が下がるため、対象可否を各講座の公式情報で確認してください。

独学者が資格を使うなら、目的別に選ぶ

AIエンジニアに資格は必須ではありません。ただし学習の指針とスクリーニング通過には役立ちます。目的別に選びます。

PEP検定が向く人・向かない人

PEP検定（Prompt Engineering Professional）は、日本プロンプトエンジニアリング協会が主催します。生成AIを副業・転職・社内業務改善に使いたい人、AIエンジニア転職前に生成AI活用の基礎を証明したい人に向きます。出題は生成AIとLLMの基礎、プロンプト技術（Few-shot、Chain of Thought等）、実務活用、RAG等のカスタマイズ、倫理・リスク、AIエージェントの6項目です（PEP検定公式）。

一方、PyTorchやMLOpsの実装力を証明したい人、研究職・MLエンジニア志望者には向きません。PEP検定は生成AI活用力の整理・証明に使う位置づけで、AIエンジニアの実装力そのものを証明するものではありません。Python・API実装・ポートフォリオ制作と並行して使います。

資格の受験料・合格率まとめ（2026年8月時点）

受験料・合格率は改定されます。出願前に各公式で確認してください。合格率は公式が明記した回のみ記載します。

G検定の試験概要はJDLA公式のG検定ページで確認できます。E資格は受験資格として「JDLA認定プログラムを試験日の過去2年以内に修了していること」が必須です（JDLA公式のE資格ページ）。E2026#2から新シラバスが適用され、PyTorchまたはTensorFlowを受験時に選択します。詳細はE資格の解説記事とAIエンジニアの資格おすすめ7選を参照してください。

生成AI活用寄りに進む人は、まずPEP検定の出題範囲を確認してください。AIエンジニア独学の前段階として、プロンプト設計・生成AI活用の基礎を整理できます。範囲と費用の比較はプロンプトエンジニアリング資格の選び方で整理しています。

独学で挫折しないためのエラー別対処

独学の失敗は意志ではなく詰まる箇所で起きます。実際に止まる場所を先に潰します。

「毎日15分は触る」「詰まったら30分で人に聞く」の2ルールを先に決めます。孤立対策として、勉強会かオンラインコミュニティを1つ確保します。

独学で到達できる範囲・できない範囲

独学で到達できるのは、基礎知識と小〜中規模の実装ポートフォリオまでです。ここまでで、生成AI活用寄りの求人や実務未経験可のポジションに届きます。生成AIの企業導入は伸びており、矢野経済研究所の法人アンケートでは活用率が9.9%から25.8%へ拡大したと報告されています（出典）。

独学単独で埋めにくい壁もあります。中途採用の多くは経験者枠で、チーム開発・大規模データ・本番運用（MLOps）の実務経験を求めます。独学のゴールは「就職の完成」ではなく「実務未経験可の入口を突破する武器づくり」です。入口を通ったあと、実務でチーム開発を経験して一人前に近づきます。

AIエンジニア独学の前に、生成AI活用力を証明したい人へ

AIエンジニア転職には、コードと成果物が必要です。ただし社会人が最初に成果を出しやすいのは、生成AIの業務活用です。要約ツールやRAGチャットは短期間で動かせて、社内改善にそのまま使えます。

プロンプト設計、生成AIの使い分け、業務への適用を整理したい人は、PEP検定の出題範囲を先に確認してください。独学が環境構築や孤立で止まった人、チームで導入したい人は、法人研修の相談で伴走を得る選択肢もあります。PEP検定は「取れば転職できる」資格ではなく、生成AI活用力を整理・証明する入口です。Python・API実装・ポートフォリオと並行して使ってください。

よくある質問

Q. プログラミング完全未経験でも独学でAIエンジニアになれますか？

生成AIアプリ実装寄りの入口からなら可能性があります。まずPythonとColabで小さな成果を作り、3か月続けられるか見極めてください。数学の完璧主義に陥らないことが条件です。

Q. 資格はG検定とE資格のどちらから取るべきですか？

先にG検定です。誰でも受けられ、全体像の把握に役立ちます。E資格はJDLA認定プログラムの修了が受験の前提です。実装力を証明したい段階で検討します。

Q. 独学とスクールはどちらが良いですか？

まず独学で50〜90時間試します。続けられたら独学継続、環境構築や孤立で止まったらスクール併用に切り替えます。E資格を狙うなら認定講座が必須になります。

Q. 独学にかかる期間の目安は？

毎日30〜60分で基礎固めに3か月（累計50〜90時間）が目安です。転職に耐えるポートフォリオまでは、さらに3〜6か月を見込みます。時間確保が難しい人は、最小単位で毎日触る仕組みを先に作ってください。

Q. 数学が苦手でもAIエンジニアになれますか？

生成AIアプリ実装寄りなら数学負荷は低〜中で、入口に届きます。ML・データサイエンティスト寄りは統計・線形代数の比重が高くなります。まず生成AI系で成果を出し、必要な数学を都度補ってください。

Q. AIエンジニア独学の前にPEP検定を受ける意味はありますか？

生成AIの業務活用から始める人にはあります。プロンプト設計や生成AIツールの使い分けを整理できるためです。ただしPEP検定だけで実装力を証明できるわけではありません。Python、API実装、ポートフォリオ制作と並行して使う位置づけです。