AIエンジニア独学ロードマップ2026：約500レッスンのOSS教材で基礎から作る順路

AIエンジニアを独学で目指すとき、最大の壁は「教材が無いこと」ではない。むしろ逆で、線形代数の動画も、Transformerの論文解説も、LLMアプリのチュートリアルも、無料で山ほどある。壁は「何を・どの順で・どこまでやればいいのか」が誰も並べてくれないことにある。断片的な教材を渡り歩くうちに、数学で止まり、フレームワークの使い方だけ覚えて中身が分からず、気づけば「ツールは触れるが原理は説明できない」状態で足踏みする——独学者の多くが同じ場所でつまずく。

その「順序の欠落」を、一つのリポジトリで埋めにいったのが ai-engineering-from-scratch（rohitg00/ai-engineering-from-scratch）だ。線形代数から自律エージェント群まで、AI領域の全域を20フェーズ・約500レッスン・約320時間で一直線に並べたMITライセンスのオープン教材で、2026年7月時点で約3.7万スターを集めている。本記事は、この教材を「独学の背骨」として使い、未経験からAIエンジニアに至るロードマップ（順路）を、開始地点の決め方・レッスンの回し方・時間配分・つまずき所まで具体化する。

AIエージェント全体の地図から位置づけを掴みたい場合は AIエージェントフレームワーク比較2026｜LangGraph・CrewAI・Dify等9種をStar数・実コードで検証 を先に読むと、このロードマップの終着点（エージェント工学）が見通しやすくなる。

この記事は「教材の紹介」ではなく「教材の歩き方」だ。教材そのものの機能・構造の詳細は、当サイトの AI Engineering from Scratch：290時間でAIエンジニアになる実践型カリキュラム にまとめてある。まず本記事で独学の進め方を掴み、細部はそちらで補うと迷子になりにくい。では、この教材が「独学の背骨」に向く理由から入る。

ai-engineering-from-scratchとは：約500レッスンで「AIを作って学ぶ」独学の背骨

この教材の設計思想は、READMEの一文に凝縮されている。“You don’t just learn AI. You build it. End-to-end. By hand.”（AIを学ぶのではない。end-to-endで、手で、作るのだ）。動画を眺める受動的学習ではなく、毎レッスンで自分の手で実装することを軸に据えている。

独学の背骨として優れているのは、次の3点だ。

READMEが引く問題意識も明快だ。「学生の84%が既にAIツールを使うが、専門的に使う準備ができていると感じるのは18%だけ」——このギャップ、つまり「触れるけれど作れない」を埋めることを狙っている。独学者が陥る「フレームワークの使い方だけ覚えた」状態への、直接の処方箋になっている。

もう一つ、独学者に効く特徴が「AIと共にAIを学ぶ（learn AI with AI）」という設計だ。この教材はClaude CodeやCursorといったエージェントに読み込ませて使うことを前提にしており、レッスンの理解度チェック（/check-understanding）や配置診断（/find-your-level）をAIに問診させられる。独学の最大の弱点は「分からない箇所を質問できる相手がいないこと」だが、教材そのものがAIと対話する形に作られているため、詰まった箇所をその場でAIに噛み砕かせながら進める。孤独になりがちな独学に、常駐のチューターを一人つける発想だ。

独学ロードマップの全体像：20フェーズを6ステージに束ねる

20フェーズ・約500レッスンは、そのまま眺めると量に圧倒される。独学で完走するコツは、フェーズを大きな6ステージに束ねて「今どの地層にいるか」を見失わないことだ。まず全体像を一枚の地図にする。

この6ステージには一貫した流れがある。「下の地層ほど原理、上の地層ほど応用」だ。土台（①）で数式と自作コードの筋力をつけ、モダリティ（②）で対象を広げ、アーキ&生成（③）で現代AIの心臓部を触り、LLM工学（④）で言語モデルを操れるようにし、エージェント（⑤）で自律システムに組み上げ、本番&倫理（⑥）で世に出す。下を飛ばして上に行くと、応用の段で必ず「原理が分からず手が止まる」瞬間が来る。

下の表は、20フェーズをステージに対応させ、README記載のレッスン数の目安を添えたものだ。自分の目標に「どこまで登る必要があるか」を測る物差しにしてほしい。

エージェント（⑤）とキャップストーンを含む本番（⑥）にレッスンが厚く積まれているのが分かる。これは教材の重心が「原理の暗記」ではなく「動くものを作り、世に出す」側にあることの現れだ。独学者にとっては、後半ほど「作品が増える＝ポートフォリオが厚くなる」区間になる。

とりわけ最終のキャップストーン（Phase 19）は、17本のend-to-endプロダクトと9本の深掘り制作トラックで構成される、この教材のクライマックスだ。ここまで各レッスンで残してきたPrompt・Skill・Agent・MCPを統合し、単体で動く実物アプリとして組み上げる。独学者にとっては、面接で見せられる「動く成果物」が一気に増える区間であり、約320時間の投資が最も目に見える形で回収されるゴールになる。逆に言えば、このキャップストーンに到達できるようステージ①〜⑤を計画的に配分することが、独学を「勉強しただけ」で終わらせないための設計目標になる。地図の上で常に「最終的にどの作品を作りたいか」を意識しておくと、途中のフェーズ選択がぶれない。

自分の開始地点を決める：/find-your-level と3つの入口

独学で最初にやるべきは、Phase 0から律儀に始めることではない。自分の現在地に合った開始地点を選ぶことだ。合わない地点から始めると、既知の内容で退屈するか、前提不足で溺れるかのどちらかで折れる。この教材は開始地点を3つ用意し、診断スキル /find-your-level まで備えている。

/find-your-level は、Claude CodeやCursorなどのエージェントに読み込ませて使う配置クイズで、知識を問診して「あなたはPhase Xから始めるとよい」と入口を示してくれる。教材をローカルに落として起点を決めるまでの最小手順はこれだけだ。

git clone https://github.com/rohitg00/ai-engineering-from-scratch
cd ai-engineering-from-scratch
# Claude Code / Cursor 等で開き、配置クイズを実行して開始地点を診断
/find-your-level

開始地点が決まれば、独学の「迷い」の半分は消える。残る半分は、各レッスンをどう回すか——次の節の学習法だ。

各レッスンの回し方：Build It → Use It → Ship It の6ビート

この教材が独学に効く最大の理由は、レッスンの内部構造にある。各レッスンは6つのビート（拍）で進む型を持っていて、これをそのまま自分の学習ループとして採用できる。動画を「見て終わり」にしないための設計だ。

独学者にとって決定的なのは Build It → Use It の順序だ。多くの独学は逆で、いきなりフレームワークのfit()を呼ぶところから入る。それでも動くものは作れるが、パラメータの意味も、失敗したときの当たりの付け方も身につかない。先に自分で車輪を作ってから既製品に触ると、「この引数はあの数式のここだ」と対応が取れる。遠回りに見えて、これが独学で最短の理解になる。

なお、この教材はPython・TypeScript・Rust・Juliaの4言語に対応しており、レッスンごとに対応言語が示される。独学者が全部を追う必要はない。基本はPython一本で通すのが最も効率的で、機械学習・深層学習・LLMのエコシステムがPythonに集中しているからだ。TypeScriptはエージェントやWeb連携（Phase 13以降）で触れておくと実務で効き、Rust/Juliaは性能や数値計算に興味が出たときの寄り道でよい。最初から多言語に手を広げると学習コストが跳ねるので、「Pythonで筋を通し、必要に応じて他言語のレッスンを覗く」のが独学の現実解になる。言語は目的の手段であって、目的そのものではない——ここを取り違えないだけで、独学の消耗はかなり減る。

そしてこの回し方は、当サイトが繰り返し扱ってきた「作る→検証する→記録する」の反復設計とも地続きだ。学習ループを自動化・多段化する発想は ループエンジニアリングとは｜AIエージェントの反復制御を設計する5つの軸と主要OSS実装 で扱った停止条件・自己修正・記録の考え方が、そのまま独学の進捗管理にも効く。

つまずきポイントと時間配分：未経験からAIエンジニアになる320時間の割り当て

約320時間は、週10時間なら約8か月、週20時間なら約4か月に相当する。だが全20フェーズを通す必要はない。独学が失敗するのは能力ではなく、たいてい「ゴールに不要な区間で燃え尽きる」からだ。目標別に、登るべきステージを絞る。

時間配分を「絵に描いた餅」にしないために、週の回し方まで落とすと続きやすい。たとえば「LLMアプリを作りたい・週10時間」なら、平日夜に各1時間で概念（Concept）とBuild Itを進め、週末にまとめてUse ItとShip Itで動くものに仕上げてoutputs/へ残す、というリズムが組める。1レッスン1〜2時間として週5〜7レッスン、ステージ①の要点とステージ④を約4か月で抜ける計算だ。重要なのは「今週どのレッスンまで」を毎週決めて、終わったものにチェックを付けること。進捗が可視化されると、独学特有の「どこまでやったか分からない不安」が消え、折れにくくなる。

未経験から実務レベルへ向かう独学のペース管理は、他分野のロードマップ記事とも共通点が多い。プロジェクト単位で手を動かして学ぶ設計は プロジェクトで学ぶ（learn-by-projects）、AIエンジニアリングをWeb実装側から固める順路は FastAPI for AI Engineers が参考になる。「順序」と「手を動かす対象」をどう組むかという意味で、これらと本ロードマップは補完関係にある。

成果物を資産にする：Prompt/Skill/Agent/MCPを残す独学の複利

独学と学校教育の最大の差は「修了証が出ないこと」だと思われがちだが、本当の差は別にある。独学は自分で作品を残さない限り、学んだ証拠が消えることだ。ai-engineering-from-scratchのShip Itは、この弱点を構造的に潰す。各レッスンが、次の4種の再利用可能な成果物のいずれかを産出する。

これが独学の複利を生む。動画学習では、視聴後に残るのは記憶（時間とともに減衰する）だけだ。対してこの教材では、レッスンを終えるたびにoutputs/フォルダに使える資産が積み上がる。半年後に「LLM評価のスキル、あの時作ったな」とすぐ引ける。学びが「消える知識」から「増える作品」に変わる——これは独学者が採用ポートフォリオを作るうえで、そのまま武器になる。Claude Codeでこうしたスキルや成果物をどう束ねるかは、Claude Code完全ガイド2026：インストールから本番運用まで の運用と合わせて設計すると、学習と実務の道具立てが一本化できる。

このAIエンジニア独学ロードマップは誰に向くか／他の学習法との比較

最後に、このロードマップが向く人・向かない人を、他の代表的な学習法と並べて整理する。学習法に絶対の正解は無く、それぞれ深さ・残る成果物・向く人が異なる。万能ではないので、自分の状況と目標に照らして選んでほしい。

逆に、「特定のライブラリを今日中に使いたいだけ」なら公式チュートリアルの方が速いし、「概観だけ薄く欲しい」なら動画で十分だ。深く・体系的に・作品を残しながら登りたい独学者にとって、ai-engineering-from-scratchは現状もっとも隙のない背骨になる。エージェントまで到達したら、バイブコーディングは終わった？2026年版Agentic AIエンジニアのロードマップと進化の全体像 で「次にどの実務スキルへ広げるか」を接続すると、独学から現場への橋がかかる。

独学のAIエンジニアリングに「近道」は無い。だが「迷わない道」は設計できる。開始地点を/find-your-levelで測り、6ステージの地図で現在地を見失わず、各レッスンをBuild It→Use It→Ship Itで回し、成果物を積む——この順路を守れば、約320時間は「消えていく勉強」ではなく「増えていく作品」の時間になる。

独学が挫折するのは、才能や教材のせいではなく、たいてい「次に何をやればいいか分からなくなる瞬間」の積み重ねだ。ロードマップの価値は、その瞬間を先回りして消しておくことにある。どのフェーズにいても「今週はここまで、次はこの拍」と手が決まっていれば、迷いはタスクに変わる。まずはリポジトリをクローンし、自分がどのフェーズから始めるべきかを診断するところから、最初の一歩を踏み出してほしい。教材の機能や構造をもう一段詳しく知りたくなったら、教材そのものの解説記事に戻れば、地図の細部が埋まる。

参照ソース

・rohitg00/ai-engineering-from-scratch（GitHub・MIT）
・AI Engineering from Scratch 公式サイト（オンライン版）
・AI Engineering from Scratch：290時間でAIエンジニアになる実践型カリキュラム（当サイト・教材解説）
・AIエージェントフレームワーク比較2026（当サイト・ピラー）
・バイブコーディングは終わった？2026年版Agentic AIエンジニアのロードマップ（当サイト）