E資格?
AIの勉強をするために、何から始めればよいか困ってしまうので、JDLAが運営しているE資格取得を目指してみることにした。G検定はざっくりした初心者用の試験であるのに対して、E資格は、AIエンジニアとしての技能認定試験の意味合いが強い資格試験になっている。
ディープラーニングの理論を理解し、適切な手法を選択して実装する能力や知識を有しているかを認定する。
E資格の出題範囲：シラバス
| 大項目 | 中項目 | 小項目 | キーワード |
|---|---|---|---|
| 応用数学 | 線形代数 | 特異値分解 | |
| 確率統計 | 一般的な確率分布 | ベルヌーイの分布、マルチヌーイの分布、ガウス分布 | |
| ベイズ則 | |||
| 情報理論 | |||
| 機械学習 | 機械学習の基礎 | 学習アルゴリズム | タスクT、性能指標P、経験E |
| 納六、過剰適合、過小適合 | |||
| ハイパーパラメータ | |||
| 検証集合 | 学習データ、検証データ、テストデータ、ホールドアウト法、k-分割交差検証法 | ||
| 最尤推定 | 条件付き対数尤度と平均二乗誤差 | ||
| 教師有学習アルゴリズム | ロジスティック回帰、サポートベクトルマシン、最近近傍、k近傍法 | ||
| 教師無学習アルゴリズム | 主成分分析、k平均クラスタリング | ||
| 確率的勾配降下法 | |||
| 深層学習の発展を促す課題 | 次元の呪い | ||
| 実用的な方法論 | 性能指標 | ||
| ハイパーパラメータの選択 | 手動でのハイパーパラメータ調整、グリッドサーチ、ランダムサーチ、モデルに基づくハイパーパラメータの最適化 | ||
| 深層学習 | 順伝搬型ネットワーク | ||
| 深層モデルのための正則化 | |||
| 深層モデルのための最適化 | |||
| 畳み込みネットワーク | |||
| 回帰結合型ニューラルネットワークと再帰的ネットワーク | |||
| 生成モデル | |||
| 強化学習 | |||
| 深層学習の適応方法 | |||
| 開発・運用環境 | ミドルウェア | ||
| 軽量化・高速化技術 |