最短突破 ディープラーニングG検定(ジェネラリスト) 問題集
はじめに
近年、さまざまな場面で活躍を見せる人工知能(AI)。その中でも特に著しい発展を遂げている「ディーブラーニング」と呼ばれる技術を、皆さんはご存知でしょうか?
ディープラーニングは特定の分野では既に人間を超えた成果を挙げており、今後インターネットと同じくらい汎用的な技術になるともいわれています。
【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
「この時流に乗り遅れまい」、「AIの基礎知識や活用能力を身につけたい」ーそう考えるみなさんにとって、「G検定」はスタートラインにふさわしい資格試験です。
特にビジネスでのAI活用を考えた時、G検定を取得した「AIジェネラリスト」の存在価値は今後益々上がっていくと考えられます。
AI導入プロジェクトを例にします。事業などに「AI」という文字が入ると、技術に理解のあるエンジニアだけでプロジェクトが動いている印象がありますが、実際にはそうではありません。プロジェクトの企画策定・運用などの重要な業務を、非エンジニアのメンバーが担うことは非常に一般的です。
もし彼らがAIジェネラリストであれば、AIをまったく知らないがために起こるさまざまな失敗(専門的な話題についていけず会議が進まない…など)を避けることができ、プロジェクトの成功率を飛躍的に高めてくれるでしょう。
さて、本書はそんな「G検定」をゼロから合格できることを目指し、現役AIエンジニアやデータサイエンティストたちの尽力によって作られました。G検定では、AIジェネラリストを認定するために、単純にキーワードを覚えておくだけでは解けない問題も多く出題されます。そして、日々新しく生まれる技術、制度に伴って、出題される問題も更新されていく有用な資格です。そのため、合格するためには、技術に対する付け焼き刃の知識ではなく、理解が必要で、決してハードルも低くはありません。手前味噌ながら、本書の問題や解説の質は非常に高く、たとえば解説であれば1~2行の説明にとどまらず、それだけで理解できるほどしっかりと書き込み、わかりやすく解説しています。
最後に、本書が皆さんのAV・ディープラーニングへの興味理解を深め、AIジェネリラリストへの一歩を踏み出す一助となれば幸甚です。ぜひ本書を使い倒してください。
2020年9月
著者代表株式会社AVILEN
高橋光太郎
目次
CONTENTS
はじめに
G検定とは
G検定のシラバス(試験範囲)
G検定合格へ向けて
本書の構成。
第1章
人工知能(AI)とは
人工知能の定義
人工知能の歴史用語解説
第2章
人工知能の変遷と問題
探索・推論
知識表現
人工知能における問題
用語解説
第3章
機械学習の具体的手法
代表的な手法
学習の種類
教師あり学習
教師なし学習
強化学習
教師あり学習の代表的な手法問題
線形回帰
正則化
ロジスティック回帰
サポートベクターマシン
近傍法
ランダムフォレスト
勾配ブースティング
アンサンブル学習ベイズの定理
最尤推定
教師なし学習の代表的な手法問題
階層的クラスタリング
主成分分析
手法の評価
データの扱い
交差検証法
評価指標
分類
特徴量設計
用語解説
第4章
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
事前学習によるアプローチ問題
ハードウェア用語解説
第5章
ディープラーニングの手法
活性化関数
学習の最適化
学習と微分
勾配下降法
さらなるテクニック
過学習
ドロップアウト
earlystopping
データの正規化
重みの初期値
バッチ正規化
CNN:畳み込みニューラルネットワーク
画像データの扱い
畳み込み
ブーリング
全結合層
データ拡張
标移学習
CNNの初期モデル
RNN:リカレントニューラルネットワーク
RNNの基本形
LSTM
RNNの発展形
強化学習の特徴
深層強化学習
深層生成モデル
第6章
AI技術の応用に向けて(1)
画像認識
自然言語処理
音声認識
強化学習
生成モデル
自動運転
第7章
AI技術の応用に向けて(2)
法律・倫理・現行の議論
AIと社会
プロダクトの設計
データの収集
データの加工・分析・学習問題
プロダクトの実装・運用・評価
AIと法律・制度
さくいん
参考文献
著者紹介
G検定とは
ディープラーニングG検定は、一般社団法人日本ディーブラーニング協会が実施している検定で、「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、事業活用する能力や知識を有しているかを検定する。」ことを目的としています。
G検定試験の概要受験資格
制限なし
試験時間:120分
実施概要
知識問題(多肢選択式・220問程度)
オンライン実施(自宅受験)出題範囲
シラバスより出題
一般:12,000円(税抜)
学生:5,000円(税抜)
個人の方:G検定受験申込サイトからお申込みください。
団体経由申込の方:別途フローがあります(※2020%2時点)。申込方法学生の受験者は学生証のアップロードが必要となります。
それぞれ公式サイトを確認してください。
(https://www.jdla.org/certificate/general/)(JDLADeepLearningforGENERAL202042より)
G検定のシラバス(試験範囲)
G検定のシラバス(試験範囲)は、次のようになります。
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、ディーブ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
(2020年8月現在)
本書刊行後に、試験情報や試験範囲が変更することもあります。最新の情報は、必ず一般社団法人日本ディープラーニング協会のホームページをご確認ください。
●一般社団法人日本ディープラーニング協会https://www.jdla.org/
G検定合格へ向けて
合格のための勉強法
過去の問題数の傾向を踏まえ、問題数が多い順にシラバスを並べると、次のようなイメージとなります。
1.ディープラーニングの概要・ディープラーニングの手法
2.ディープラーニングの応用に向けて(法律など)・ディープラーニングの研究分野(最新技術など)
3.機械学習の具体的な手法
4.人工知能をめぐる動向
5.人工知能とは、人工知能分野の問題
AIジェネラリストを認定するために、G検定は単純にキーワードを覚えておくだけでは解けない問題も多く出題され、日々新しく生まれる技術、制度に伴って、出題される問題も更新されていく有用な資格になっています。そのため、合格するためには、技術に対する付け焼き刃の知識ではなく、理解が必要でハードルも低くはありません。それぞれの章の勉強方法や傾向などは、各章の概要に記載していますので是非読んでいただければと思います。
また、最低限問題で問われていることが何かを理解し、どう調べれば答えが見つかるかが分かるレベルに達していると、解ける問題が増えます。そのためには、さまざまな知識・キーワードがどう関連しているかをおさえるのが効果的です。
試験前の準備
(1)環境の確認
試験の前に動作環境確認のため、サンプル問題を解くことができます。試験が始まってから慌てることのないように確認をしておきましょう。
(2)時間配分の確認
G検定は出題数が多く、試験中にも残りの時間を意識しながら解いていく必要があります。(3)紙とペンの準備
G検定では計算問題が出ることがあります。頭の中だけで解くのは計算ミスにもつながるので、計算ができる体制を整えておきましょう。
試験中の徹底対策
試験時間120分で約220問(2020#2では200問)解くことになります。当初に比べ問題数は減りましたが、G検定ではしっかりと考える必要のある問題が増えている傾向にあります。さらに、問題数が減ったとはいえ、1問あたり約30秒しかありません。少し考えてわからない問題は適当な選択肢を選び、解答画面の機能に存在するフラグ機能で印をつけて、すべて終わってから解き直すことをおすすめします。
特に、「調べてもわからなさそう」、「どのように調べればいいかもわからない」という問題は、積極的に後回しにするべきです。一方で、わからなくても「調べたらすぐできそう」、「どのように調べればいいかはわかる」という問題であれば、飛ばさずに調べて解答してしまっても良いと思います。■検索ノウハウ
当問題集やインターネットの検索を行う際に、効率的なテクニックを紹介します。しかし「検索できるから大丈夫」という考え方は危険で、理解していないと検索しても時間がかかりますし、なかなか解けない問題もありますので、あくまでもサポートとして考える必要があります。
インターネット検索では、検索の後どのサイトを見るべきかわからないので、ページを開く際に新しいタブでいくつかのサイトを開き、順に見ていくと効率的です。また、ウェブサイトを見ている場合、Ctrl+Fキーが非常に有効です。このショートカットを押すと、検索ウィンドウが現れるので、ウェブサイト内での検索ができ、検索したいワードの位置まで瞬時に移動できます。
本書であれば、書籍の巻末にさくいんがありますので、そちらを参考に、問われている問題のキーワードを探すのが良いでしょう。また、どの章に属する問題か判別できた場合は、各章の章末にある用語解説が役に立つでしょう。
本書の構成
本書は7章で構成されています。各章は「この章の概要」、「問題」、「解答・解説」、「用語解説」で構成されています。
この章の概要
「この章の概要」は、この章、このジャンルでは、何を学べばいいか、どのように学習をすればいいか、どのような問題が出題されそうかなど傾向をまとめています。いきなり問題を解いても効率的ではありません。まずは、「この章の概要」を読んで、問題を解くコツをつかみましょう。必ず読んでください。
問題
「問題」については、すべてオリジナルの問題を作成し、掲載しています。
本書の構成
1節見出し:この節の番号と見出しを示しています。
2分類見出し:各章で掲載する問題数が多い場合、分類見出しをつけています。
「第3章機械学習の具体的手法」と「第5章ディープラーニングの手法」で分類をきめ細かくするために見出しを付けています。
3重要度:各問題の重要度を示しています。
★★★★★★の三段階で表しています。★★★は最も重要度の高い問題で、★は重要度の比較的低い問題です。時間が限られている場合、まずは重要度の★★★を中心に解いていき、学習しましょう。
◎問題文
解答・解説
「解答・解説」では、解答と解説を掲載しています。本書は問題文よりも解答・解説の方にページ数を割いています。なぜその選択肢が適切・不適切であるのかを説明するだけではなく、考え方、関連する話題、今後問題として取り上げられそうな点などにも触れています。
1解答
2解説文
3図:図でわかりやすく解説しています。
用語解説各章の最後に「用語解説」を入れています。各章で押さえておくべき用語を解説しました。必ず覚えましょう。
第一章
人工知能(AI)をめぐる歴史と動向
