これ1冊で最短合格ディープラーニングG検定ジェネラリスト要点整理テキスト&問題集
はじめに
近年、人工知能は非常に高い注目を浴びています。その理由の一つにディープラーニングがあります。ディープラーニングは、世界中の大学や企業で盛んに研究されており、従来の手法を大きく上回る結果をあげていることが報告されています。その結果、画像認識、音声認識、自然言語処理などの分野で様々なサービスが実用化されています。
このような状況で、ディープラーニングについて研究者やエンジニアでないビジネスパーソンの方々も知識が求められるようになりつつあります。そこで、生まれた資格がディープラーニングG検定(ジェネラリスト検定)です。G検定は、ディープラーニングの基礎知識を有し、事業に応用する能力を持つ人材の育成を目指しています。G検定で出題される内容について理解していると、ディープラーニングの特徴を活かした事業計画立案、データサイエンティストやエンジニアとのスムーズなコミュニケーションによる効率的な導入が期待できます。
本書は、G検定の参考書として、合格に必要な知識習得と問題対策を一冊にまとめました。簡潔なレイアウトにし、数式をなるべく使わず、わかりやすい文章や図での説明を心がけました。ディープラーニングをビジネスで活用したいと考えている方はぜひ本書を手にとって学びをスタートさせてください。
最後に、監修していただいた東京女子大学情報処理センターの浅川伸一先生、執筆にご協力いただいたすべての方に心より感謝いたします。
2020年2月
山下長義
伊達貴徳
山本良太
横山慶一
松本裕
杉原洋輔
【G検定おすすめテキスト・過去問題集 – 合格への対策への比較ランキング】も確認する
試験について(試験概要)
本書は、G検定ジェネラリスト向けの学習書です。ジェネラリストの試験は、ディープラーニングを事業に活用するための知識をもっているかを検定するものです。C検定ジェネラリストは、協会のホームページでは、次のように定義されています。
「ディープラーニングの基礎知識を有し、適切な活用方針を決定して事業に応用する能力を持つ人材」
一般社団法人日本ディープラーニング協会ホームページhttps://www.jdla.org
試験概要(JDLADeepLearningforGENERAL)試験実施時期:3月と7月と11月の年3回実施(2019年実績)受験資格制限はありません。試験時間:120分受験方法:インターネットを通してのオンライン試験(自宅受験)出題形式:小問が226問(2019年7月実績)の知識問題(多肢選択式)出題範囲:一般社団法人ディープラーニング協会の定めるシラバスより出題されます。※学習のシラバス
Chttps://www.jdla.org/business/certificate/?id-certificate_No03)受験料:一般12,000円+税学生5,000円+税申込先:インターネットのG検定受験サイトから申し込みをします(URLは変更される場合があります)。支払方法は、クレジットカード決済、またはコンビニ決済です。※受験サイト(https//www.jdla-exam.org/d/)
学習のシラバス
以下に、一般社団法人ディープラーニング協会、学習のシラバスを掲示します(2019年9月29日現在)。※学習のシラバスの内容は変更される場合があります。
JDL.ADeepLearningforGENERAL(2019¥3の場合)
・人工知能(AI)とは(人工知能の定義)・人工知能をめぐる動向
探索・推論、知識表現、機械学習、深層学習・人工知能分野の問題トイプロブレム、フレーム問題、弱いAI、強いAI、身体性、シンボルグラウンディング問題、特徴量設計、チューリングテスト、シンギュラリティ・機械学習の具体的手法
代表的な手法、データの扱い、応用・ディープラーニングの概要ニューラルネットワークとディープラーニング、既存のニューラルネットワークにおける問題、ディープラーニングのアプローチ、CPUとGPUディープラーニングにおけるデータ量・ディープラーニングの手法活性化関数、学習率の最適化、更なるテクニック、CNN、RNN深層強化学習、深層生成モデルディープラーニングの研究分野画像認識、自然言語処理、音声処理、ロボティクス(強化学習)、マルチモーダ
・ディープラーニングの応用に向けて産業への応用、法律、倫理、現行の議論
合格のための攻略法
G検定ジェネラリスト合格への効率学習ロードマップ
本書の5つの工夫!
本書は、G検定ジェネラリストに最短で合格できるよう、下記のような紙面構成と様々な工夫を盛り込んでいます。これらの特徴を生かし、ぜひ確実に合格の栄誉を勝ち取ってください。
目次
はじめに
試験について(試験概要)
合格のための攻略法
G検定ジェネラリスト合格への効率学習ロードマップ
本書の5つの工夫!
第1章
人工知能(AI)をめぐる歴史と動向
人工知能(AIDとは(人工知能の定義)
人工知能をめぐる動向
人工知能分野の問題
章末問題・解答
第2章
数学的基礎
確率統計
情報理論
行列・線形代数
基礎解析
章末問題・解答
第3章
機械学習
機械学習の基礎
教師あり学習
教師なし学習
第4章
機械学習の実装
実装の全体像・事前準備
前処理
モデルの学習
モデルの評価
章末問題・解答
第5章
ディープラーニングの概要
ディープラーニングの特徴
多層パーセプトロン
率的最急降下法
ニューラルネットワークの歴史
章末問題・解答
第6章
ディープラーニングの基本
畳み込みニューラルネットワーク
再帰型ニューラルネットワーク
自己符号化器(Autoencoder)
深層強化学習
その他の手法
章末問題・解答
第7章
ディープラーニングの研究分野
画像認識
自然言語処理
音声処理
強化学習
章末問題・解答
第8章
ディープラーニングの産業展開
製造業
自動車産業
インフラ・農業
その他の事業
第9章
ディープラーニングの制度政策などの動向
知的産
原則・ガイドラインと制度・政策
章末問題・解答・
引用文献・参考文献
あとがき
索引
