膨大なPCパワーが求められるディープラーニング環境ですが、
canplayでのAI自動作曲プログラミングコースを受講する場合、どのくらいのPC性能が必要なのか？
と質問いただきましたので簡単にですが回答させていただきます。
（Mac環境。私達が検証できている範囲ですのでごく一部の情報です。全ては網羅できていませんのでその点ご了承ください）
まず、
canplayの現在のAI自動作曲プログラミングコースでは、tensorflow+kerasのインストール、環境構築と基本的な自動作曲のプログラム作成、および楽曲の学習、そして簡単な自動作曲の楽曲生成までを取り組む基本的な内容となります。
このコース内の、tensorflowのインストールと（膨大な曲数ではない)MIDIファイルの学習くらいであれば、入門機でも現代的な性能のノートブックであれば十分可能です。
例：Macbook Air：CPU: Core i5 1.4Ghz メモリー8GB
学習速度は（下述のGPUに比べると）遅いのですが、常時学習させない状態であれば問題ないです。
core i5で十分対応可能です。
メモリは8Gで十分な感じでしょう。
どうぞご安心の上ご受講ください。
ただし、、、、
楽曲データを学習させるには時間がかかるのは事実です。
今回のコース程度の内容であれば十分ですが、今後本格的にディープラーニングに取り組むのであればGPU環境の用意をご検討ください。
実はtensorflowにはCPU環境とGPU環境があり、基本GPU推奨です。
学習速度が全く違います！
簡単にいうと、
ディープラーニングでは並列処理（多くの計算を同時に行う）が必要です。
ですので計算する頭脳が多ければ多いほど計算速度が上がるわけです。
頭脳の数＝コア数
としましょう。
高性能なCPUでもコア数は６くらい。
Macの最上位版iMac Proでも最高18コアです。
それに対してGPUは２０００コア！とかそのくらいの数になります。
６対２０００です。
単純に数で言えば３００倍とかですが、実際に検証してみたところでも、処理速度は２０～３０倍くらいになる様です。
Macbook AirのCPUで２時間かかっていた学習時間がGPUなら５分くらいで終わってしまいます。
現在のディープラーニングに使用される環境としてはNVIDEAのGPUが標準となります。
CPU環境しかないノートブックでも外付けのeGPU（外付けGPU）を使用すればGPU環境を用意できます。
Thunderbolt3対応のみですが、かっこいいですし、Apple純正サポート！
が、、、残念ながらというかAMD製、、、tensorflowはNVIDEAしか現状対応していないため、使用する事はできません。
他のNVIDEA製のGPUを検討する事となりますが、今後のAppleの対応に期待しましょう。
さて話をcanplayでの学習に戻します。
AI自動作曲プログラミングコース
であれば現代的な性能のPCで十分可能です。
その上でcanplayでも今後予定している、
Python学習コース（Pythonのプログラムを基礎から学ぶコース）
も当然ディープラーニングは含まないので問題ありません。
さらにその次に予定している本格的に自分でAI自動作曲のプログラムを作るための
AI自動作曲ディープラーニングコース
について、その時点でGPU環境の導入をご検討いただければと思います。
もちろんコース開始時にcanplayでもサポートさせていただきます。
少々長期的な学習計画についての話も含まれますが、是非AI自動作曲の未来にともに取り組んでいきましょう！