AIエンジニアのポートフォリオ作り方｜作品例とGitHub公開【2026年】

本メディアはRaiseTech（PISTEC株式会社）が運営しています。

「AIエンジニアのポートフォリオって、何を作ればいいのでしょうか」
「未経験の作品なんて、見てもらえるのでしょうか」

この記事は、そんな悩みを持って「AIエンジニア ポートフォリオ」と検索したあなたのために書きました。

結論から言うと、採用担当が見ているのは技術の派手さではありません。「何を課題として設定し、なぜその方法を選び、結果をどう評価したか」です。ここが説明できていれば、規模は小さくて構いません。

この記事では、評価される3つの軸、題材の選び方、レベル別の作品例、READMEの書き方、GitHub公開のコツ、そして面接で説明する順番を解説します。

RaiseTech（レイズテック）はAIエンジニアを育成するオンラインスクールとして、累計2,500名を超える受講生を受け入れ、未経験からのエンジニア転職を支援してきました。その現場で見てきたリアルな情報をもとにお伝えします。

ポートフォリオで見られている3つの軸

採用担当がポートフォリオで確かめているのは、「作れるか」だけではありません。3つの軸で見られています。

軸	確かめられていること	足りないと、どう見えるか
① 課題設定	誰の、どんな困りごとを解こうとしたのか	チュートリアルをなぞっただけに見える
② 技術的な判断	なぜその手法・構成を選んだのか。他の選択肢を検討したか	たまたま動いただけに見える
③ 評価と改善	結果をどう測り、どこが課題で、何を直したか	作りっぱなしで、品質に責任を持てない人に見える

逆に、思われているほど見られていないものもあります。デザインの美しさ、使った技術の新しさ、コードの行数。これらは加点にはなりますが、上の3つが無いと評価に届きません。

特に③は差が付きます。動くものを見せるところで止まっている応募者が大半のため、「精度はどう測ったのか」に答えられるだけで、明確に印象が変わります。生成AIを使った作品なら、出力の良し悪しをどう判断したかがそのまま評価の対象になります。

なぜこの3つなのかにも触れておきます。採用側が知りたいのは「入社後に任せられるか」の一点です。指示された機能を作る場面はもちろんありますが、その前段には必ず「何を作るべきか」の判断があり、後段には「これで良しとしてよいか」の判断があります。コードが書けることは前提で、その前後を自分で埋められるかが見られていると考えてください。

もう1点。ポートフォリオは「作品」であると同時に「面接の台本」です。ここで説明したことが、そのまま面接の質問になります。作るときから、聞かれる前提で記録を残しておいてください。

→ 選考全体の進め方はAIエンジニア転職ガイドで解説しています。

未経験でも刺さる題材の選び方

題材は、自分が中身を知っている業務から選んでください。技術から入ると、課題設定が空っぽになります。

選び方の手順は3ステップです。

• ① 前職で「面倒だった作業」を3つ書き出す：問い合わせの仕分け、報告書の作成、在庫の見込み、シフトの調整。どんな業務でも構いません。自分が困っていた作業ほど、課題の説明が具体的になります
• ② その中から「データがあるもの」を選ぶ：手元に無くても、公開データや自分で作った擬似データで代用できるかを考えます。データが用意できない題材は、どれだけ良いアイデアでも形になりません
• ③ 2週間で動く形にできる大きさまで削る：最初から完成形を目指さないことです。まず動く最小限を作り、そこから足していきます

「自分が知っている業務」に価値がある理由も書いておきます。技術から入った題材は、課題の説明が「精度を上げたかったから」で止まりがちです。一方、業務から入った題材は「この作業に月◯時間かかっていて、判断基準が人によって違った」というところから話せます。後者は、面接官が状況を具体的に想像できるぶん、圧倒的に伝わります。異業種出身であることが、ここでは強みに変わります。

逆に、避けたほうがよい題材もはっきりしています。

避けたい題材	理由
チュートリアルと同じ題材（手書き数字の分類、住宅価格の予測など）	同じものが大量にあり、課題設定を自分で行っていないことが伝わる
データが手に入らない題材	構想止まりになり、完成しない
規模が大きすぎる題材	途中で力尽きる。未完成のものは評価対象にならない
個人情報や社外秘を含むデータを使うもの	公開できず、そもそも扱ってはいけない

4つ目は特に注意してください。前職のデータをそのまま持ち出すのは論外です。業務の「構造」だけを借りて、データは公開データか擬似データに置き換える。これが正しいやり方で、面接でもその判断自体が評価されます。

レベル別の作品例5つ｜何を作るか

作品は1つで十分です。ただし「小さく作って、深く説明できる」ものにしてください。目安として5つ挙げます。

レベル	作品例	示せる力
入門	問い合わせ文を種類ごとに自動で仕分けるツール	データの前処理、分類の基本、精度の測り方
入門〜中級	社内マニュアルを検索して質問に答える仕組み（RAG）	外部データとの接続、生成AIの実装、検索の設計
中級	過去データから翌月の数量を見込むツール	時系列の扱い、特徴量の設計、評価指標の選択
中級	生成AIの出力を自動で採点する評価の仕組み	評価の設計。ここを作れる応募者は少ない
中級〜上級	上記のどれかを、クラウドで動かし続ける形にしたもの	運用、監視、コスト管理まで見られること

この中で、未経験の方に特におすすめしたいのが2番目と4番目です。2番目は現在の案件数が最も多い領域そのもので、実務との距離が近い。4番目は作れる人が少ないため、同じレベルの応募者の中で目立ちます。

作品の規模感についても目安を示します。コードの行数で言えば数百行、機能で言えば1つか2つで十分です。大きな仕組みを中途半端に作るより、小さくても最初から最後まで通っているもののほうが説明できます。「動く・測れる・説明できる」の3つが揃った時点で、ポートフォリオとして成立しています。そこから先の作り込みは、応募を始めてからでも間に合います。

作品数について補足します。数を増やすより、1つを深くするほうが評価されます。5つの浅い作品より、課題設定から評価まで説明できる作品が1つあるほうが強い、というのが実際のところです。余裕があれば2つ目を作り、1つ目で得た反省を反映させてください。その改善の履歴自体が材料になります。

→ 必要なスキルの全体像は AIエンジニアに必要なスキル一覧 で整理しています。

READMEの書き方｜採用担当が最初に読む場所

READMEは、コードより先に読まれます。ここが空だと、中身を見てもらえません。書く項目は決まっています。

• ① 何を作ったか（3行）：冒頭で結論を書きます。「〇〇を△△するツール。□□の作業を自動化する」。読み手はここで読み続けるか判断します
• ② なぜ作ったか（5行）：解こうとした課題と、その背景。前職の業務から選んだなら、そこを書きます。ここが他の応募者と最も差が付く部分です
• ③ 使い方（動かせる手順）：手元で動かせる手順を書きます。動かないポートフォリオは評価されません。可能なら画面のスクリーンショットか、動作を録画したものを貼ってください
• ④ 構成（図か箇条書き）：データの流れと使った技術。図が1枚あると理解が速くなります
• ⑤ 評価の結果（表）：何を指標にして、どんな結果だったか。うまくいかなかった部分も正直に書きます。限界を書けることは、弱点ではなく信頼になります
• ⑥ 振り返りと次の改善（5行）：今の課題と、時間があれば何をするか。次に何をすべきか分かっている人だと伝わります

⑤の書き方をもう少し具体的にします。「精度85%」とだけ書いても、それが良いのか悪いのかは読み手に伝わりません。何と比べて良いのか（人手でやった場合、単純なルールでやった場合）、どのデータで測ったのか、どんな間違い方をするのか。ここまで書いてあると、数字を扱える人だという評価に変わります。生成AIを使った作品なら、出力を何件・どんな基準で確認したかを書きます。

分量は全体でA4に1〜2枚程度が目安です。長すぎると読まれません。読み手は忙しく、最初の3行で判断します。冒頭に力を入れてください。

コードの中のコメントについても一言。細かく書く必要はありませんが、判断が入っている箇所には理由を残してください。「なぜこの値にしたのか」「なぜこの処理を入れたのか」。面接で聞かれたときに、自分でも思い出せます。

GitHub公開のコツ｜見せ方とやってはいけないこと

公開の仕方でも印象は変わります。特に「やってはいけないこと」は、知らずにやってしまいがちです。

	内容
やること	コミットは作業の区切りごとに分ける。1回にまとめない
	コミットメッセージに「何をしたか」を書く（「修正」だけにしない）
	リポジトリの説明欄とトピックを埋める。検索と一覧で見つけてもらえる
	動かし方を書き、可能なら動作の様子を画像か動画で貼る
やってはいけないこと	APIキーやパスワードを直接書く。環境変数にして、設定ファイルは除外する
	個人情報・社外秘のデータを含める。擬似データに置き換える
	巨大なデータファイルをそのまま置く。取得方法を書けば足りる
	作りかけを大量に公開する。見せるものを絞る

1つ目の「APIキーの直書き」は、実際によくある事故です。これは技術力以前に、セキュリティの意識を疑われます。一度公開してしまうと履歴に残るため、消しても完全には消えません。最初から環境変数で扱う癖をつけてください。生成AIのAPIを使う作品では特に起きやすい部分です。

リポジトリを見せる順番も考えておいてください。応募書類に貼るリンクは、一番自信のある1つに絞ります。プロフィールのトップに複数並んでいると、採用担当はどれを見ればよいか分からず、たいてい最初の1つだけを見て終わります。見せたいものをピン留めしておく、READMEにリンクを置くなど、「どれを見てほしいか」を自分で示すことが大切です。

コミットの履歴も見られています。1回のコミットに全部まとめてあると、開発の過程が見えません。逆に、区切りごとに分かれていて、メッセージが読めるものになっていると、チームで開発できる人だという判断材料になります。

面接で説明できる状態にする｜語る順番

ポートフォリオは、説明できて初めて評価されます。語る順番を決めておいてください。

• ① 解こうとした課題（30秒）：誰の、どんな困りごとか。前職の業務なら、その状況から話します
• ② 選んだ方法と、その理由（1分）：他にどんな選択肢があって、なぜこれにしたか。ここが技術的な判断力を見せる場面です
• ③ 詰まった点と、どう解決したか（1分）：面接官が最も知りたい部分です。入社後に毎日起きる場面がそのまま再現されるためです
• ④ 評価の結果と、その限界（30秒）：どう測って、どこまでできて、何ができなかったか。限界を言えることが信頼になります
• ⑤ 次にやるなら何をするか（30秒）：改善点が見えている人だと伝わります

この順番は、READMEの構成とほぼ同じです。READMEを丁寧に書いておけば、面接の準備は9割終わっています。逆に言えば、READMEが書けないということは、説明の準備ができていないということです。

③については、詰まった内容そのものよりも「どう動いたか」を話してください。何を疑い、どの順序で切り分け、どこで人に聞く判断をしたか。時間の使い方まで含めて話せると、入社後の働き方が具体的に伝わります。うまく解決できなかった件でも構いません。調べ方と判断の筋道が通っていれば、結果が出ていなくても評価されます。

避けたい話し方も挙げておきます。使った技術の名前を並べるだけの説明、うまくいった部分だけを話す説明、そして「勉強のために作りました」という動機の説明です。いずれも、課題を自分で設定していないことが伝わってしまいます。

公開の場所についても補足します。コードはGitHubに置くとして、動いている様子を見せられると強くなります。実際に触れる形で公開するのが理想ですが、費用や手間がかかるなら、操作の様子を短い動画にしてREADMEに貼るだけでも十分です。採用担当が手を動かさずに中身を確認できる状態にしておくことが目的で、公開方法そのものは問われません。

最後に、完成度について。ポートフォリオに完成はありません。動く状態になったら、そこで一度公開してください。応募を始めてから受け取るフィードバックのほうが、ひとりで磨き続けるより精度が高くなります。

→ 学習全体の手順はAIエンジニアになるには？未経験からの完全ロードマップにまとめています。

→ 未経験からの入口の選び方は未経験からAIエンジニアになれる？で解説しています。

未経験からAIエンジニアを目指すなら

ポートフォリオは、独学で最も詰まる工程です。作り方は分かっても、題材が決まらない、途中でエラーに数日取られる、そして完成しても実務水準に届いているか自分では判断できない。この3つは調べ方の問題ではなく、見てくれる相手がいないことから起きます。

RaiseTech（レイズテック）のAIエンジニア育成コースは、その壁を越えるために作られたオンラインスクールです。

• 現役AIエンジニアの講師に、受講期間中は質問無制限
• 生成AI・LLM開発を含む、実務直結のカリキュラム
• ポートフォリオ作成から転職・案件獲得まで、修了後も無期限サポート
• 専門実践教育訓練給付金の対象。条件を満たせば受講料の最大80%が給付

未経験からエンジニアになった受講生の実績

「本当に未経験からなれるのか」は、実際になった人を見るのが一番早いです。いずれもAWS・Javaコースの卒業生ですが、「未経験から学び、ポートフォリオを作り、転職する」という道筋はAIエンジニアでも同じです。

事例①：完全未経験から半年でWebエンジニアへ｜年収250万円→600万円

プログラミング完全未経験からJavaコースを受講し、受講開始から半年でWebエンジニアとして転職。年収は250万円から600万円へと2倍以上になり、フルリモート・残業ゼロの働き方を実現しました。

特筆すべきは「半年」というスピードです。特別な才能があったわけではなく、講義に毎週出席し、分からないことをその週のうちに質問で解消する、という当たり前のことを止めずに続けた結果でした。

▶ 赤松さんのインタビューを読む

事例②：30代後半・未経験からクラウドインフラエンジニアへ｜初年度から年収600万円

30代後半、AWS未経験からAWSコースを受講。キャリアチェンジ後の最初の職場で年収600万円に到達し、フルリモートで働いています。

「30代後半では遅い」という不安を持つ方は多いですが、この事例はそれを覆しています。前職までの社会人経験は、エンジニアになってからもプロジェクトの進め方や顧客とのやり取りで強みになります。年齢は壁ではなく、むしろ武器になり得ます。

▶ 石川さんのインタビューを読む

事例③：AWSを武器に差別化｜本業＋副業で年収800万円・フルリモート

AWSコースで学んだスキルを武器に、フルリモート勤務のエンジニアとして転職。本業と副業を合わせて年収800万円を達成しました。

ポイントは「差別化」です。エンジニアの数は多くても、クラウドやAIといった需要の高い領域を扱える人は限られます。学ぶ領域を選ぶことが、そのまま市場価値の差になる。AIエンジニアを目指す方にとっても、まさに同じ構造が当てはまります。

▶ まつもとさんのインタビューを読む

まとめ｜規模ではなく「説明できるか」で決まる

この記事のポイントを3つにまとめます。

1. 見られているのは課題設定・技術的な判断・評価と改善の3つ。デザインの美しさや技術の新しさは、この3つが無いと評価に届きません。
2. 題材は前職で「面倒だった作業」から選ぶ。ただしデータはそのまま持ち出さず、公開データか擬似データに置き換えます。
3. READMEを丁寧に書けば、面接の準備は9割終わる。語る順番はREADMEの構成とほぼ同じです。

題材が決まったら、まず2週間で動く形にするところまで進めてください。学習全体の手順はAIエンジニアになるには？未経験からの完全ロードマップで解説しています。