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
G検定を受けてみよう
昨今のAI、人工知能のトピックは様々なところで見受けられます。実際にその構造の入りを理解するためにG検定は非常に有効です。今回はG検定での最新トピックをカバーしてるテキスト、参考書、問題集をピックアップします。
深層学習教科書 ディープラーニング G検定公式テキスト
ディープラーニング
G検定第 公式テキスト
第2版
デジタル時代の必携リテラシー
「G検定」の試験対策書!
G検定を主催しているJDLAが執筆・監修!
新シラバスに完全対応!
練習問題を大増量!
一般社団法人日本ディープラーニング協会監修
藤本敬介、松井孝之、松尾豊、松嶋達也、山下隆義 著 巣籠悠輔、瀬谷啓介、徳田有美子、中澤敏明、 猪狩宇司、今井翔太、江間有沙、岡田陽介、工藤郁子
はじめに
ディープラーニング(深層学習)は、2012年ごろから画像認識の分野で注目されて以来、さまざまなイノベーションを生み出し続けてきた。画像認識は今では顔認証や画像診断をはじめ多くの領域で実用化されている。将棋や囲碁でも当たり前に使われるようになり、「評価値」を見ながら将棋を観戦するスタイルは一般的になった。そして2018年ごろから本格化した自然言語処理における活用は、今日現在も大きな飛躍を見せ続けている。
こうした変化はまだ始まったばかりであり、この先にも次々と大きな技術の進展があるだろう。なぜなら、我々の知能が成し遂げているさまざまな機能に比べ、いまのディープラーニングが可能にしていることはごく一部にすぎないからである 。従来から人工知能の分野で研究されてきた、探索や推論、知識処理、身体性、意味理解などが、ディープラーニングの文脈の上で再度描き直され、新しい技術となって我々の実社会に大きな飛躍をもたらすのではないか。
ディープラーニングは 、直訳すると「深い学習」であるが、この「深い」が意味することは大変大きい。深い多層の関数がもたらす表現力は強力である。汎用目的技術(General-Purpose Technology)という言葉があるが、発明や発見が世界全体の経済に影響を与える可能性のある技術のことである。電気、内燃機関、コンピュータ、インターネットなど、古くは農耕や鉄などが該当し、社会を劇的に変化させる可能性を秘めている。あとから歴史を振り返ると、ディープラーニングも、こうした技術のひとつであり、シンプルな原理で大きな社会的・産業的変化をもたらすことになるだろう。
こうした変化を起こし、主導していくには、やらないといけないことはたくさんある。事業の創出、新しい産業の促進、諸制度の整備、人材の育成、教育の充実。10年後、20年後からみたときに、やるべきことをやるべきタイミングでやっておかなければならない。こうした想いから、日本ディープラーニング協会は2017年に設立された。そして、その初期の重要なミッションは、人材の育成であり、誰もが学べるような仕組みの整備であると考え、G検定・E資格を実施し、これまでに累計約3.5万人の合格者を輩出している(2021年3月時点)。
本書は、ディープラーニングとは何か、その概観と動向、それをビジネスに活かすにはどうすれば良いかなどが書かれている。本書が、ディープラーニングを志す人にとって、知識を取り入れ、実践に活かすための役に立てば幸いである。そして、ぜひディープラーニングの試験の勉強に活かしてほしい。今回の第2版は、デジタル時代に生きるすべてのビジネスパーソンに向けて、「ディープラーニングをビジネスに活かすために必要な知識」を中心に加筆・改訂したものである。ひとりひとりの努力が集まって、日本全体に、ディープラーニングの活用の輪が広がり、大きな産業が誕生することを期待している。
一般社団法人 日本ディープラーニング協会
代表理事松尾豐
CONTENTS
はじめに
試験の概要
読者特典のご案内
第1章 人工知能(AI)とは
1-1. 人工知能(AI)とは
1.人工知能の定義
1.1 人工知能とは何か
1.2 人工知能の大まかな分類
1.3 AI効果
1.4 人工知能とロボットの違い
1-2. 人工知能研究の歴史
1.人工知能研究の歴史
1.1 世界初の汎用コンピュータの誕生
1.2 ダートマス会議
1.3 人工知能研究のブームと冬の時代
章末問題
第2章 人工知能をめぐる動向
2-1. 探索・推論
1.探索・推論
1.1 迷路(探索木)
1.2 ハノイの塔
1.3 ロボットの行動計画
1.4 ボードゲーム(オセロ・チェス・将棋・囲碁)
1.5 モンテカルロ法
2-2. 知識表現
1.知識表現
1.1 人工無脳(知識なしでも知性があるように感じる人間心理の不思議)
1.2 知識ベースの構築とエキスパートシステム
1.3 知識獲得のボトルネック(エキスパートシステムの限界)
1.4 意味ネットワーク
1.5 オントロジー(概念体系を記述するための方法論)
1.6 概念間の関係 (is-aとpart-ofの関係)
1.7オントロジーの構築
1.8 ワトソンと東ロボくん
2-3. 機械学習・深層学習
1.機械学習
1.1 データの増加と機械学習
1.2 機械学習と統計的自然言語処理
2.深層学習(ディープラーニング)
2.1 ニューラルネットワーク
2.2 ディープラーニング(深層学習)
2.3 新時代を切り開くディープラーニング
章末問題
第3章 人工知能分野の問題
3-1. 人工知能分野の問題
1.人工知能分野の問題
1.1 トイ・プロブレム(おもちゃの問題)
1.2 フレーム問題
1.3 チューリングテスト(人工知能ができたかどうかを判定する方法)
1.4 強いAIと弱いAI
1.5 シンボルグラウンディング問題(記号接地問題)
1.6 身体性
1.7 知識獲得のボトルネック
1.8 特徴量設計
1.9 シンギュラリティー
章末問題
第4章 機械学習の具体的手法
4-1. 代表的な手法
1.学習の種類
2.代表的な手法(教師あり学習)
2.1 線形回帰
2.2 ロジスティック回帰
2.3 ランダムフォレスト
2.4 ブースティング
2.5 サポートベクターマシン
2.6 ニューラルネットワーク
2.7 自己回帰モデル
3.代表的な手法(教師なし学習)
3.1 階層なしクラスタリング(k-means法)
3.2 階層ありクラスタリング(ウォード法)
3.3 主成分分析
3.4 協調フィルタリング
3.5 トピックモデル
4.代表的な手法(強化学習)
4.1 理論概要
4.2 バンディットアルゴリズム
4.3 マルコフ決定過程モデル
4.4 価値関数
4.5 方策勾配
4-2. モデルの評価
1.データの扱い
2.評価指標
2.1 正解率・適合率・再現率・F値
2.2 ROCAME AUC
2.3 モデルの解釈
2.4 モデルの選択と情報量
章末問題
第5章 ディープラーニングの概要
5-1. ニューラルネットワークとディープラーニング
1.ディープラーニングの基本
1.1 多層パーセプトロン
1.2 ディープラーニングとは
2.既存のニューラルネットワークにおける問題
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
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。
「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
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
