🙇‍♀️ 注意 🙇‍♂️
E資格とはどういうものかという内容は本記事ではあまり触れられていないと思います。
内容に関しては当時のものになりますのでご覧いただいている時点での情報とは相違あるかもしれません。

こんな内容でもE資格の受験を控えている方の役に立てれば幸いです。

結果から

JDLA Deep Learning for ENGINEER 2020#1

2/22 受験
3/3 合格発表

■合否
合格

■分野別の得点率
応用数学：75% (70.93%)
機械学習：46.15% (63.80%)
深層学習：71.43% (60.58%)
※(内)は平均得点率こちらより

🙋‍♂️あまり意識の高くないポイント🙋‍♀️: 機械学習の得点率

試験を申し込むにあたり参考になるかもしれない情報

認定講座

キカガク - ディープラーニングハンズオンセミナー Keras コース（3日間）
受講：9月くらい

3日間のハンズオンセミナーの前後に動画での学習（事前予習動画, 補講動画）が必要。
それぞれの内容に関しては☝の公式サイト上での公開情報のとおりです。3日間のハンズオンセミナーのカリキュラム中に「課題」がありますがハンズオンセミナー中には提出せず後日提出となります。課題の難易度についてですが、合格となる要件到達はかなり易しいと思います。時間があるのであれば学習の題材としてここでいろいろ試すのがいいと思います。

認定講座の申し込みからE資格受験申込までに必要な作業や要件などについては案内に従っていれば問題ありません。後述の補講動画や例題集も併せて諸々キカガク - E資格についてにまとめられています。

学習開始時点の私のレベル

大学で～に関してはおよそ5~10年前

線形代数、確率 - 大学(情報学部)での教養必修科目として履修した程度
情報理論 - 大学で概論程度（一学期通しての講義）
画像処理を専攻？していたが研究テーマでは機械学習/深層学習は用いず
- 画像処理エンジニア検定エキスパートレベルの知識程度
機械学習/深層学習全般 - 上記以外については一般常識 + G検定の知識のみ
Python - ほぼなし
G検定 - JDLA Deep Learning for GENERAL 2019#2 で合格
- 平均程度(?)の学習だと思う

全体としてフラットに評価すると、まったくベースとなる知識や経験がないわけではないとは思います。ただ実務ですぐに活かせるかという視点で見るとほぼゼロなのではないかと思います。

また、G検定受験も含めてどちらかといえば業務に活用できるように学習/受験しています。ただし直近なにか具体的なプロジェクトに迫られてというわけでもありません。学習/受験を通じてほぼゼロな状態からスタートラインに立てるくらいにはなれたらという趣です。

学習について

私の受講したコースでいうところの「ハンズオンセミナー + 課題提出 + 補講動画視聴」以降の学習についてです。
全体的に、なにぶんあまり意識の高くない体験記なので…、ふんわりとした話が多くなるかもしれません（ごめんなさい🙇‍♂️）。

補講動画

キカガクの補講動画はおそらく試験範囲のテーマに対する基礎を学習するという意味でとても効果的であると思います。
また試験問題に対する網羅度も高いと思います。補講動画そのものは受講者にのみ公開されるようです（プラットフォームは Udemy になります）。

しかし、私の場合、補講動画2周めを完遂するほどの学習時間も確保できず、結局例題集の反復や参考記事のつまみ食いをすることに時間を使うことが多かったです。 🙋‍♂️あまり意識の高くないポイント🙋‍♀️
ただ振り返ってみると、いまいちどのように学習範囲を絞ればよいのかと苦戦していた CNN, RNN に関してはまずは補講動画を頼ったほうが良かったかもしれません。

テーマごとの参考記事や参考図書、試験対策に関しての情報も認定講座を通して情報を得ることができます。

例題集

認定講座の受講者へは例題集が配布されます。

今回も本試験において例題集と同じような問題が数問出題されていたと記憶しています。
個人的には例題集に対する精度を限りなく高めていったとしても本試験において必ず合格できるという程ではないと感じました。とはいえ数問は同じような問題が出題されるわけなので試験対策としての効果はそれなりに直接的に高いです。それによって資格としての意義が～というような話があるのも理解できます（高い合格率とも併せて）。

合格を目指す受験者の方には、例題集は試験対策として有効に働くものであるのは間違いなく上記のような話もちらほらと目にすることがあるというのは事実と言えますが、過度に楽観視しすぎるのも注意が必要ということは体験談として伝えておきたいです。試験の傾向が変わってきているのかもしれませんしなんにせよです。

図書

鉄板の2冊は購入しました。

が、試験までに読了できたのは前者（①）だけです。②に関してはほとんど読んでいません。🙋‍♂️あまり意識の高くないポイント🙋‍♀️
①に関してはパーセプトロンから始まり CNN までわからないなりに一冊を通した流れも含めて理解を深めながら学習することができました。そして本書の Python による実装部分なのですが自分はまったく自分で手を動かして実装はしませんでした。ただソースコードはこちらのリポジトリを clone してきて本書に併せて動かしたり眺めたりはしていました。

こちらの図書に関してはE資格対策ということに限らず多くの参考記事があったので学習しやすかったと思います。本来は②も必ず学習したほうが良いと思います。キーワードだけで見ても LSTM, GRU, Attention などは確実におさえておきたいです。

Twitter

ここは全体的に 🙋‍♂️あまり意識の高くないポイント🙋‍♀️
試験直前に（良い意味でも悪い意味でも）もうやることがなくなった場合（私は後者ですが）、「E資格」とかで Twitter をサーチするとそれなりに同士たちが発信している情報を得ることができます。その中には有益（だともはや信じるしかない）な情報もありピンポイントで学習の補完ができたり精神安定を図ることができたりします。

試験内容について

覚えている限りで雑にですが（追記していくかも）

固有値分解
L1, L2 正則化（たぶん1問目にL2正則化が出た）
k-Nearest Neighbor
勾配降下法の最適化アルゴリズムについては Adam （Python 実装穴埋め、複数問）
MobileNet （新シラバス）
DenseNet （同上）
WaveNet （同上）
Transformer （同上）
U-Net
YOLO
偽陽性率、真陽性率とか性能評価値の計算
...

実装穴埋めについては数式を覚えていれば半分にまで絞れそこから axis = 0, axis = 1 のどちらかを選ぶというような選択肢を候補に持っているような問題が多かった印象です。

全体的に事前に考えていたよりか例題集そのままというような問題は少なく焦り散らかしました。

現実的に試験で点数を取ることを考えるのであれば、テーマ（技術・アルゴリズムなど）ごとで要点をおさえておけばよくその背景にある別の技術やアルゴリズムを必ずしも知っておかなくても回答できてしまいます。ですので問題数も多い深層学習の範囲の中で頻出とされているテーマから学習をするというのは効率的だとも言えます。🙋‍♂️あまり意識の高くないポイント🙋‍♀️

また内容ではないですが

回答用のモニタ上には残り時間（か経過時間かどちらか）は表示される
チェックを付けた問題は振り返ることができる
電卓機能付き（せいぜい固有値分解、特異値分解でしか使わない？）

です。

試験時間ですが時間が足りないということは、言われているよりかは、そうではないとは思います。性質的に多くはわかるものはすぐ回答でき、わからないものは時間をかけてもわからない（ものは人に置き換えても同じです）問題だと思います。

所感

試験内容についての注文に関しては自分の成績があんな感じだったので特に何も言えません。シラバス通りに深層学習の比重が高いと思います。

深層学習を業務で、趣味で、大学などである程度（ほんとにある程度でいいと思う）学習し実践経験があるのであれば、安くない費用を払って取得する必要のある資格がどうかは検討したほうが良いと思います（少なくとも今はです）。私はそれらのいずれの条件にも当てはまっていないので、自分の懐も傷んでいませんし、取得できて良かったと思っています。
合格した今の自分自身について、学習/資格取得は無駄ではなかったと思っていますが、今すぐになにかインパクトのあることをしろと言われてもできませんし、前述のようなE資格取得者ではないがある程度経験ある人より強いかと言われれば弱いような気もします。今後の自分自身の取り組み次第です…

今後、E資格自体が認定講座まで含めてより厳格になることがあるかはわからないですが、少なくとも今より簡単にはならないと思いますが、条件さえ満たしているのであればそれほど難易度の高くない今のうちに取得しておくのも良いかもしれません。🙋‍♂️あまり意識の高くないポイント🙋‍♀️

参考

学習時にテーマごとに参考にした記事はあまりにたくさんありブックマークもしていないので、別の方の受験体験記（過去、今回）をいくつかリンクさせていただきます。

さいごに

キカガク様、受験させてくれたうちの会社に感謝します🙇‍♂️