概要
JDLA Deep Learning for ENGINEER 2020 #1 を受け、無事合格し、E資格を取得したのでその受験にあたっての対策方法、感想をまとめました。これからE資格を受験する方、E資格がどのようなものか、ざっくり知りたい方向けです。
自分のバックグラウンド
普段はWebアプリエンジニアでJavaで開発を行っています。Pythonについては実務経験はないがけどnumpyやmatplotlibなど基本的なライブラリはある程度使えるレベル。数学については、線形代数や微分の基礎は大学で勉強して、大体理解していました。
主に使った教材
①zero to one (JDLA認定 プログラム)
②ゼロから作るDeep Learning ――Pythonで学ぶディープラーニングの理論と実装
③ゼロから作るDeep Learning ② ―自然言語処理編
④Qiita の記事
基本的に①をしっかり抑えれば合格できると思います。②、③は理解を深めるため、よくわからない部分を調べるための補助教材として使いました。機械学習、ディープラーニングの理論についてわかりやすく解説したネットの記事は多くあるので随時調べて、隙間時間に曖昧な部分の理解を深めたりしました。
対策期間
4ヶ月程度 (11月初旬~2月下旬)
・ただ本業が忙しく、週末の学習がメイン。
試験問題について
コードの穴埋めや学習アルゴリズムの数式など、幅広く出ます。認定プログラムで理論を一通り、学習していれば、ちゃんと問題文を読めば解ける問題が多いです。認定プログラムの模擬試験、資料をしっかり読み込んで、わからないところは随時本やネットで調べることで、十分合格点に達する実力を付けられると感じました。
また、問題数が多いので、解くのに時間のかかるコードの穴埋めの問題は後回しにした方が無難かと思います。
結果
合格。得点は以下のような感じでした。
| 応用数学 | 機械学習 | 深層学習 |
|---|---|---|
| 約90% | 約90% | 約65% |
ディープラーニングは出題範囲も多く、やや難しかったです。受験者の合格率は60-70%程度と高めであることからも、認定プログラムを受講しきれば、合格の敷居はそこまで高くないはずです。
まとめ
試験に合格するだけなら、実装力はそこまでなくても正直いけるかなと思います。ただ、当然資格を取得することより、理論の理解、実装力を付けることを目指して、受験する方が多いと思います。そっちに焦点を当てて勉強した方が、有意義だと思います。
自分自身資格を取得して、実装力についてはまだ「実務でモデルをスラスラ構築できます!」と言えるレベルではないと思っています。結局 Kaggle や仕事などで、実践的な経験を積むことが AI エンジニア、データサイエンティストになるには必要だと思います。ただ、機械学習、ディープラーニングの理論、実装方法を体系的に理解するには良かったです。