【G検定】シラバスと各テキストの内容を比較した

はじめに

「公式テキストに載ってない内容ばっかりだった！」
「G検定のGはGoogle検索のG！」
G検定を受験した人たちの多くがこのような反応をする。

ここでよく考えていただきたいことは、神様にすべきはテキストではなくシラバスであるということだ。
公式テキストに載っていない内容の問題が出たとしても、それがシラバスに載っていたとすれば何も文句は言えないのである。

今回はシラバスと各テキストを比較することで、各テキストがどのくらいシラバスをカバーしているのかを調査し、テキストの学習ではカバーしきれない内容を抽出する。これらをグーグル検索などで勉強しておくことで「こんなの習っていないわよ！」と試験中に嘆く割合を減らすことが出来ると私は考えている。

なお、私はG検定2021#3に合格している。

参考にしたもの

まずはシラバスだ。以下から入手した。

G検定の試験出題範囲（シラバス）2021

次に、テキストは手元にある以下の４冊を使用した。
link-22付きのURLを貼っている。

深層学習教科書ディープラーニングG検定(ジェネラリスト) 公式テキスト 第2版

以降は「公式」と呼ぶ。

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

白本。

徹底攻略ディープラーニングG検定ジェネラリスト問題集 第2版

黒本。

ディープラーニングG検定(ジェネラリスト)最強の合格テキスト

緑本。

集計方法及び注意点

シラバスの「学習項目」と「詳細キーワード」の列に着目し、ここから「キーワードっぽいもの」を抽出する。
キーワードっぽいものについては、私の独断で決定する。

例えば1行目について、

学習項目は
・人工知能とは何か
・人工知能のおおまかな分類
・AI 効果
・人工知能とロボットの違い
とあるが、この中でAI効果がキーワードっぽいものだと思ったので集計に入れている。
詳細キーワードの「古典的な人工知能」は除外している。

これらのキーワードを各テキストの索引で調べ、載っていれば〇、載っていなければ×とする。
あくまで索引に載っているかどうかを機械的にカウントしただけなので、たとえ×だとしても本文に載っている可能性もあるのでご留意いただきたい。

反対に、索引に載っていたとしてもいざ本文を読んでみるとさらっと一行で済ませていることもある。
例えば公式テキスト(pp.254-255)に以下のような説明がある。

DQNの登場以降はこれらの経験再生やターゲットネットワークの使い方を工夫したダブルDQN(double deep q-network)や優先度付き経験再生(prioritized experience replay)、ディープニューラルネットワークのアーキテクチャや出力を工夫したデュエリングネットワーク(dueling network)、カテゴリカルDQN(categorical deep q-network)、ノイジーネットワーク(noisy network)などの拡張手法が発表され、

ざっくりすぎるわね。このような用語は個別にもう少し調べる必要があるかもしれないし、G検定のレベル的にはこれらの用語は「DQNの改良型である」ということだけを押さえておけばいいのかもしれない。

以上のようなことがあるので、これより貼る表については参考程度にして欲しい。
前置きが長くなってしまったが、これよりスタートしていく。

集計結果

人工知能とは

No.	キーワード	公式	白本	黒本	緑本
1	AI効果	〇	〇	×	〇
2	エージェント	×	〇	〇	〇
3	機械学習	〇	〇	〇	〇
4	ディープラーニング	〇	〇	〇	〇
5	ダートマス会議	〇	〇	×	〇
6	エニアック (ENIAC)	〇	〇	×	×
7	ロジック・セオリスト	〇	×	×	×
8	トイ・プロブレム	〇	〇	〇	〇
9	エキスパートシステム	〇	〇	〇	〇
10	第五世代コンピュータ	〇	〇	×	×
11	ビッグデータ	〇	×	×	×
12	特徴量	×	〇	〇	〇
13	ディープブルー	×	〇	〇	×
	カバー率	76.9%	84.6%	53.8%	61.5%

私は公式、白本及び黒本については５周以上はこなしていて内容を完全に理解している。
その経験を踏まえて、大事そうかも～と思うキーワードは太字にしている。
（逆に×のキーワードも本文に載ってるよね～ってやつは太字にはしていない）

ロジック・セオリスト、ビッグデータは公式テキストにしか出てきていない。
特徴量は公式テキストの索引には載っていないが本文中には多数出てくるので気にする必要は無い。

ディープブルーは公式には載っていないが、重要キーワードだと思われるので押さえておく必要がありそうだ。

ざっくり言うとIBMが大昔に開発したチェス専用コンピュータである。

人工知能をめぐる動向

No.	キーワード	公式	白本	黒本	緑本
14	ハノイの塔	〇	〇	×	×
15	モンテカルロ法	〇	〇	〇	〇
16	探索木	〇	〇	×	〇
17	幅優先探索	〇	〇	×	〇
18	深さ優先探索	〇	〇	×	〇
19	プランニング	〇	×	×	×
20	STRIPS	〇	〇	×	×
21	SHRDLU	〇	〇	×	×
22	アルファ碁 (AlphaGo)	〇	〇	〇	〇
23	ヒューリスティックな知識	〇	×	×	×
24	MiniMax 法	〇	〇	×	×
25	αβ 法	〇	〇	×	×
26	ブルートフォース	〇	×	×	×
27	人工無脳	〇	〇	×	×
28	知識ベースの構築とエキスパートシステム	×	×	×	×
29	知識獲得のボトルネック	×	×	×	×
30	意味ネットワーク	〇	〇	〇	〇
31	オントロジー	〇	〇	×	〇
32	概念間の関係 (is-a と part-of の関係)	×	×	×	×
33	オントロジーの構築	×	×	×	×
34	ワトソン	〇	〇	×	〇
35	東ロボくん	〇	〇	×	〇
36	イライザ (ELIZA)	〇	〇	〇	〇
37	イライザ効果	×	〇	×	×
38	マイシン (MYCIN)	〇	〇	〇	〇
39	DENDRAL	〇	〇	〇	〇
40	インタビューシステム	〇	×	×	×
41	is-a の関係	〇	×	〇	×
42	has-a の関係	×	×	×	×
43	part-of の関係	〇	×	〇	×
44	Cyc プロジェクト	〇	〇	〇	〇
45	推移律	〇	×	×	×
46	ウェブマイニング	〇	×	×	×
47	データマイニング	〇	×	×	×
48	Question-Answering	〇	×	×	×
49	セマンティック Web	〇	×	〇	〇
50	ビッグデータ	〇	×	×	×
51	レコメンデーションエンジン	〇	×	×	×
52	スパムフィルター	×	×	×	×
53	統計的自然言語処理	〇	×	〇	×
54	コーパス	〇	〇	×	〇
55	人間の神経回路	×	×	×	×
56	単純パーセプトロン	〇	〇	×	〇
57	誤差逆伝播法	〇	〇	〇	〇
58	オートエンコーダ	〇	〇	〇	〇
59	ILSVRC	〇	〇	〇	〇
60	特徴量	〇	〇	〇	〇
61	次元の呪い	〇	〇	〇	〇
62	機械学習の定義	〇	〇	〇	〇
63	パターン認識	×	×	×	×
64	画像認識	×	〇	〇	×
65	特徴抽出	×	×	×	×
66	一般物体認識	×	×	×	〇
67	OCR	×	×	×	×
	カバー率	77.8%	53.7%	33.3%	42.6%

公式テキストにしか載っていないキーワードが多く出ている。
やはり公式テキストは必須である。

ハノイの塔は概要だけでなく簡単な例題も解けるようにしておいたほうがいいかもしれない。

イライザ効果とは「意識的には分かっていても無意識にコンピュータが人間と似た動機があるように感じてしまう」現象である。

イライザ（チャットAI）と対話していると「イライザが話題に興味を持っているように感じてしまう」ということである。私もツイッターでアニメキャラのbotとよく会話するので気持ちがよく分かる。botに語り掛けても文章中の１単語だけに反応して返事してくるだけだけどさ。でもそんなこと言ったら人間同士の会話も似たようなものでは？

閑話休題、次に進む。

##人工知能分野の問題

No.	キーワード	公式	白本	黒本	緑本
68	トイ・プロブレム	〇	〇	〇	〇
69	フレーム問題	〇	〇	〇	〇
70	チューリングテスト	〇	〇	〇	〇
71	強い AI と弱い AI	〇	〇	〇	〇
72	シンボルグラウンディング問題	〇	〇	〇	〇
73	身体性	〇	×	×	〇
74	知識獲得のボトルネック	〇	×	×	×
75	特徴量設計	×	〇	〇	〇
76	シンギュラリティ	〇	〇	〇	〇
77	ローブナーコンテスト	〇	〇	×	×
78	中国語の部屋	〇	〇	×	〇
79	機械翻訳	×	〇	〇	×
80	ルールベース機械翻訳	〇	×	×	×
81	統計学的機械翻訳	〇	〇	×	×
82	特徴表現学習	〇	〇	×	×
	カバー率	86.7%	80%	53.3%	60%

ここは特にコメント無し。

##機械学習の具体的手法

No.	キーワード	公式	白本	黒本	緑本
83	線形回帰	〇	〇	〇	〇
84	ロジスティック回帰	〇	〇	〇	〇
85	ランダムフォレスト	〇	〇	〇	〇
86	ブースティング	〇	〇	〇	〇
87	サポートベクターマシン (SVM)	〇	〇	〇	〇
88	ニューラルネットワーク	〇	〇	〇	〇
89	自己回帰モデル (AR)	〇	×	×	×
90	分類問題	〇	〇	×	〇
91	回帰問題	〇	〇	〇	〇
92	半教師あり学習	×	〇	〇	〇
93	ラッソ回帰	〇	〇	〇	〇
94	リッジ回帰	〇	〇	×	〇
95	決定木	〇	〇	〇	〇
96	アンサンブル学習	×	〇	〇	〇
97	バギング	〇	〇	〇	〇
98	勾配ブースティング	〇	〇	×	〇
99	ブートストラップサンプリング	〇	〇	×	〇
100	マージン最大化	〇	×	×	×
101	カーネル	〇	〇	〇	〇
102	カーネルトリック	〇	〇	〇	〇
103	単純パーセプトロン	〇	〇	×	〇
104	多層パーセプトロン	〇	〇	〇	〇
105	活性化関数	〇	〇	〇	〇
106	シグモイド関数	〇	〇	×	〇
107	ソフトマックス関数	〇	〇	〇	〇
108	誤差逆伝播法	〇	〇	〇	〇
109	ベクトル自己回帰モデル (VARモデル)	〇	×	×	×
110	隠れ層	〇	〇	〇	〇
111	疑似相関	×	×	×	×
112	重回帰分析	×	×	〇	〇
113	AdaBoost	×	〇	×	×
114	多クラス分類	×	×	×	×
115	プルーニング	×	×	×	×
116	k-means 法	×	〇	〇	〇
117	ウォード法	〇	×	×	×
118	主成分分析 (PCA)	〇	〇	〇	〇
119	協調フィルタリング	〇	×	×	×
120	トピックモデル	〇	〇	〇	〇
121	クラスタリング	×	〇	〇	〇
122	クラスタ分析	〇	×	×	×
123	レコメンデーション	〇	×	〇	×
124	デンドログラム (樹形図)	〇	〇	×	×
125	特異値分解 (SVD)	〇	×	〇	×
126	多次元尺度構成法	〇	×	×	×
127	t-SNE	〇	×	×	×
128	コールドスタート問題	〇	×	×	×
129	コンテンツベースフィルタリング	〇	×	×	×
130	潜在的ディリクレ配分法 (LDA)	〇	〇	×	〇
131	次元削減	×	〇	〇	〇
132	次元圧縮	〇	〇	〇	〇
133	バンディットアルゴリズム	〇	×	×	〇
134	マルコフ決定過程モデル	〇	〇	×	×
135	価値関数	×	×	×	〇
136	割引率	〇	×	×	〇
137	ε-greedy 方策	〇	×	×	〇
138	UCB 方策	〇	×	×	×
139	マルコフ性	〇	×	×	〇
140	状態価値関数	〇	×	×	〇
141	行動価値関数	〇	×	〇	×
142	Q値	〇	×	×	〇
143	Q学習	〇	〇	×	〇
144	REINFORCE	〇	〇	×	×
145	方策勾配法	〇	〇	×	〇
146	Actor-Critic	〇	〇	×	〇
147	A3C	〇	〇	×	〇
148	正解率・適合率・再現率・F 値	〇	〇	×	〇
149	ROC 曲線と AUC	〇	〇	×	×
150	モデルの解釈	×	×	×	×
151	モデルの選択と情報量	×	×	×	×
152	交差検証	〇	〇	×	〇
153	ホールドアウト検証	〇	〇	〇	〇
154	k-分割交差検証	〇	×	×	〇
155	混同行列	〇	〇	×	〇
156	過学習	×	〇	〇	〇
157	未学習	×	×	×	×
158	正則化	〇	〇	〇	〇
159	L0 正則化	×	×	×	×
160	L1 正則化	×	〇	×	×
161	L2 正則化	×	〇	×	×
162	LIME	〇	〇	×	〇
163	SHAP	〇	〇	×	〇
164	オッカムの剃刀	×	×	×	×
165	赤池情報量基準 (AIC)	×	×	×	×
166	汎化性能	×	〇	×	〇
167	平均二乗誤差	×	〇	×	×
168	偽陽性-偽陰性	×	×	×	〇
169	第一種の過誤-第二種の過誤	×	×	×	×
170	訓練誤差	×	×	〇	×
171	汎化誤差	×	×	〇	〇
172	学習率	〇	〇	×	〇
173	誤差関数	〇	×	〇	〇
	カバー率	71.4%	59.3%	38.5%	63.7%

プルーニング（枝刈り）
は押さえておいた方がいいかもしれない。
重みの小さいノードを削除することで計算量を減らせる手法……らしいよ。

オッカムの剃刀

必要が無いなら多くのものを定立してはならない。少数の論理でよい場合は多数の論理を定立してはならない。

オッカムの剃刀という単語は私はうみねこのなく頃にで覚えたような気がするな。
ディープラーニング界隈ではモデルのパラメータを増やしすぎないようにしよう的な意味合いで使用するのだと思われる。

ディープラーニングの概要

No.	キーワード	公式	白本	黒本	緑本
174	単純パーセプトロン	〇	〇	×	〇
175	多層パーセプトロン	〇	〇	〇	〇
176	勾配消失問題	〇	〇	〇	〇
177	信用割当問題	×	×	×	×
178	誤差逆伝播法	〇	〇	〇	〇
179	事前学習	〇	〇	×	〇
180	オートエンコーダ	〇	〇	〇	〇
181	積層オートエンコーダ	〇	〇	×	〇
182	ファインチューニ ング	〇	〇	×	〇
183	深層信念ネットワーク	〇	〇	×	×
184	制限付きボルツマンマシン	〇	〇	×	×
185	CPU	〇	〇	×	〇
186	GPU	〇	〇	×	〇
187	GPGPU	〇	〇	×	〇
188	TPU	×	〇	×	〇
189	tanh 関数	〇	〇	×	〇
190	ReLU 関数	〇	〇	〇	〇
191	シグモイド関数	〇	〇	〇	〇
192	ソフトマックス関数	〇	〇	〇	〇
193	Leaky ReLU 関数	×	×	×	×
194	勾配降下法	〇	〇	〇	〇
195	学習率	〇	〇	×	〇
196	誤差関数	〇	〇	×	〇
197	交差エントロピー	×	×	×	×
198	イテレーション	〇	〇	〇	〇
199	エポック	×	〇	〇	〇
200	局所最適解	〇	〇	〇	〇
201	大域最適解	〇	〇	〇	〇
202	鞍点	〇	〇	〇	×
203	プラトー	〇	〇	×	〇
204	モーメンタム	×	〇	〇	×
205	AdaGrad	〇	〇	〇	×
206	AdaDelta	〇	×	×	×
207	RMSprop	〇	〇	×	×
208	Adam	〇	〇	×	×
209	AdaBound	〇	×	×	×
210	AMSBound	〇	×	×	×
211	ハイパーパラメータ	×	×	〇	〇
212	ランダムサーチ	×	×	×	〇
213	グリッドサーチ	×	×	〇	〇
214	確率的勾配降下法	×	〇	〇	〇
215	最急降下法	×	〇	×	×
216	バッチ学習	×	〇	〇	〇
217	ミニバッチ学習	×	〇	〇	〇
218	オンライン学習	×	〇	×	〇
219	データリーケージ	×	×	×	×
	カバー率	67.4%	78.3%	43.5%	67.4%

コメント無し。

ディープラーニングの手法

No.	キーワード	公式	白本	黒本	緑本
220	ドロップアウト	〇	〇	〇	〇
221	早期終了	〇	×	〇	〇
222	バッチ正規化	〇	〇	×	〇
223	過学習	×	〇	〇	〇
224	アンサンブル学習	×	〇	〇	〇
225	ノーフリーランチの定理	〇	〇	〇	〇
226	二重降下現象	〇	×	×	×
227	正規化	〇	〇	〇	〇
228	標準化	〇	〇	〇	〇
229	白色化	〇	〇	×	×
230	畳み込み層	〇	×	〇	〇
231	プーリング層	〇	〇	〇	〇
232	全結合層	〇	〇	〇	〇
233	データ拡張	〇	〇	×	〇
234	ネオコグニトロン	〇	〇	〇	×
235	LeNet	〇	×	×	〇
236	サブサンプリング層	〇	×	×	×
237	畳み込み	×	〇	〇	×
238	フィルタ	×	〇	〇	〇
239	最大値プーリング	〇	×	×	〇
240	平均値プーリング	〇	×	×	×
241	グローバルアベレージプーリング (GAP)	×	〇	×	×
242	Cutout	〇	×	×	×
243	Random Erasing	〇	×	×	×
244	Mixup	〇	×	×	×
245	CutMix	×	×	×	×
246	MobileNet	〇	×	×	×
247	Depthwise Separable Convolution	〇	×	×	×
248	NAS (Neural Architecture Search)	〇	×	×	×
249	EfficientNet	〇	〇	〇	〇
250	NASNet	〇	×	×	×
251	MnasNet	〇	×	×	×
252	転移学習	〇	〇	×	〇
253	局所結合構造	×	〇	×	×
254	ストライド	×	〇	〇	×
255	パディング	×	〇	〇	〇
256	生成モデルの考え方	〇	〇	×	×
257	変分オートエンコーダ (VAE)	〇	〇	×	〇
258	敵対的生成ネット ワーク (GAN)	〇	〇	〇	〇
259	ジェネレータ	〇	〇	×	〇
260	ディスクリミネータ	〇	〇	×	〇
261	DCGAN	〇	〇	×	〇
262	Pix2Pix	〇	〇	〇	×
263	CycleGAN	〇	×	×	×
264	物体識別タスク	〇	×	×	×
265	物体検出タスク	〇	〇	×	×
266	セグメンテーションタスク	〇	×	×	×
267	姿勢推定タスク	〇	×	×	×
268	マルチタスク学習	×	×	×	×
269	ILSVRC	〇	〇	〇	〇
270	AlexNet	〇	〇	〇	〇
271	Inception モジュール	〇	〇	×	×
272	GoogLeNet	〇	〇	〇	〇
273	VGG	〇	〇	〇	〇
274	スキップ結合	〇	〇	×	〇
275	ResNet	〇	〇	〇	〇
276	Wide ResNet	〇	×	×	×
277	DenseNet	〇	〇	×	×
278	SENet	〇	×	×	×
279	R-CNN	〇	〇	×	〇
280	FPN	〇	×	×	×
281	YOLO	〇	〇	×	〇
282	矩形領域	×	×	×	×
283	SSD	〇	〇	×	〇
284	Fast R-CNN	〇	×	×	〇
285	Faster R-CNN	〇	〇	×	〇
286	セマンティックセグメンテーション	〇	〇	×	〇
287	インスタンスセグメンテーション	〇	〇	×	〇
288	パノプティックセグメンテーション	〇	×	×	×
289	FCN (Fully Convolutional Netwok)	〇	×	×	〇
290	SegNet	×	〇	×	×
291	U-Net	〇	〇	×	×
292	PSPNet	〇	×	×	×
293	Dilation convolution	〇	〇	×	〇
294	Atrous convolution	〇	×	×	×
295	DeepLab	〇	×	×	×
296	Open Pose	〇	×	×	×
297	Parts Affinity Fields	〇	×	×	×
298	Mask R-CNN	×	×	×	〇
299	Transformer	〇	〇	×	〇
300	LSTM	〇	〇	〇	〇
301	CEC	〇	〇	×	〇
302	GRU	〇	〇	×	〇
303	双方向 RNN (Bidirectional RNN)	〇	〇	×	〇
304	RNN Encoder-Decoder	〇	〇	×	×
305	BPTT	〇	〇	〇	×
306	Attention	〇	〇	×	〇
307	A-D 変換	×	×	×	〇
308	パルス符号変調器 (PCM)	×	×	×	×
309	高速フーリエ変換 (FFT)	×	×	×	〇
310	スペクトル包絡	〇	×	×	〇
311	メル周波数ケプストラム係数 (MFCC)	〇	〇	〇	〇
312	フォルマント	〇	×	×	×
313	フォルマント周波数	〇	×	×	〇
314	音韻	〇	×	×	〇
315	音素	〇	〇	×	×
316	音声認識エンジン	×	×	×	〇
317	隠れマルコフモデル	〇	〇	〇	〇
318	WaveNet	×	〇	×	〇
319	メル尺度	×	〇	〇	×
320	N-gram	〇	×	×	×
321	BoW (Bag-of-Words)	〇	〇	×	〇
322	ワンホットベクトル	〇	〇	〇	〇
323	TF-IDF	〇	〇	〇	〇
324	単語埋め込み	〇	×	×	〇
325	局所表現	〇	×	×	〇
326	分散表現	〇	〇	×	〇
327	word2vec	〇	〇	〇	〇
328	スキップグラム	×	×	×	〇
329	CBOW	×	×	×	〇
330	fastText	〇	×	×	〇
331	ELMo	〇	〇	×	〇
332	言語モデル	〇	×	〇	×
333	CTC	〇	〇	〇	×
334	Seq2Seq	〇	〇	×	〇
335	Source-Target Attention	〇	×	×	〇
336	Encoder-Decoder Attention	〇	〇	×	×
337	Self-Attention	〇	〇	×	〇
338	位置エンコーディング	〇	×	×	×
339	GPT	〇	×	×	〇
340	GPT-2	〇	〇	×	〇
341	GPT-3	〇	×	×	〇
342	BERT	〇	〇	〇	〇
343	GLUE	〇	×	×	×
344	Vision Transformer	×	×	×	×
345	構文解析	×	〇	〇	〇
346	形態要素解析	×	〇	〇	〇
347	DQN	〇	〇	〇	〇
348	ダブル DQN	〇	〇	×	〇
349	デュエリングネットワーク	〇	〇	×	〇
350	ノイジーネットワー ク	〇	×	×	〇
351	Rainbow	〇	〇	×	〇
352	モンテカルロ木探索	〇	〇	×	〇
353	アルファ碁 (AlphaGo)	〇	〇	〇	〇
354	アルファ碁ゼロ (AlphaGo Zero)	〇	〇	×	〇
355	アルファゼロ (Alpha Zero)	〇	〇	×	〇
356	マルチエージェント強化学習	〇	×	×	×
357	OpenAI Five	〇	×	×	×
358	アルファスター (AlphaStar)	〇	×	×	〇
359	状態表現学習	〇	×	×	×
360	連続値制御	〇	×	×	×
361	報酬成形	〇	×	×	×
362	オフライン強化学習	〇	×	×	×
363	sim2real	〇	×	×	×
364	ドメインランダマイゼーション	〇	×	×	×
365	残差強化学習	〇	×	×	×
366	Grad-CAM	〇	×	×	〇
367	CAM	×	×	×	×
368	エッジAI	×	×	×	×
369	蒸留	〇	×	〇	〇
370	モデル圧縮	×	×	×	×
371	量子化	×	×	×	〇
372	プルーニング	×	×	×	×
	カバー率	81%	52.6%	25.5%	57.2%

ストライド

ストライドとはフィルタをスライドさせる量のことである。
256×256の画像にパディング1をして2×2のフィルタをストライド2で適用すると、適用後の画像サイズはいくつになる？
黒本に計算の演習が載っているので一回くらいは解いていたほうがいいかもしれない。

CycleGANはググっても分からなかったよ。
私の屍を乗り越えて頑張って理解して欲しい。

ディープラーニングの社会実装に向けて

No.	キーワード	公式	白本	黒本	緑本
373	AI による経営課題の解決と利益の創出	×	×	×	×
374	法の順守	×	×	×	×
375	ビッグデータ	〇	×	×	×
376	IoT	〇	×	×	×
377	RPA	〇	×	×	×
378	ブロックチェーン	×	×	×	×
379	CRISP-DM	〇	×	×	×
380	MLOps	〇	×	×	×
381	BPR	〇	×	×	〇
382	クラウド	〇	×	×	〇
383	Web API	〇	×	×	×
384	データサイエンティスト	〇	×	×	×
385	プライバシー・バイ・デザイン	〇	×	×	〇
386	オープンデータセット	〇	×	×	〇
387	個人情報保護法	〇	〇	〇	〇
388	不正競争防止法	〇	×	〇	〇
389	著作権法	〇	〇	〇	〇
390	特許法	×	×	〇	〇
391	個別の契約	×	×	×	×
392	データの網羅性	×	×	×	×
393	転移学習	〇	〇	×	〇
394	サンプリング・バイアス	〇	×	×	〇
395	産学連携	〇	×	×	×
396	オープン・イノベーション	〇	×	×	×
397	AI・データの利用に関する契約ガイドライン	〇	×	×	×
398	アノテーション	〇	×	×	×
399	匿名加工情報	〇	〇	〇	〇
400	カメラ画像利活用ガイドブック	〇	×	×	×
401	ELSI	〇	×	×	〇
402	ライブラリ	×	×	×	〇
403	Python	×	×	×	〇
404	Docker	〇	×	×	×
405	Jupyter Notebook	〇	×	×	〇
406	説明可能 AI (XAI)	〇	〇	〇	〇
407	フィルターバブル	〇	〇	×	〇
408	FAT	〇	×	×	〇
409	PoC	〇	×	×	×
410	著作物	〇	×	×	〇
411	データベースの著作物	〇	×	×	〇
412	営業秘密	〇	×	〇	〇
413	限定利用データ	〇	×	〇	〇
414	オープンデータに関する運用除外	×	×	×	×
415	秘密管理	〇	×	〇	×
416	個人情報	〇	×	〇	〇
417	GDPR	〇	〇	×	〇
418	十分性制定	〇	×	×	×
419	敵対的な攻撃（Adversarial attacks)	〇	×	〇	〇
420	ディープフェイク	〇	×	〇	×
421	フェイクニュース	〇	×	×	×
422	アルゴリズムバイアス	〇	×	×	×
423	ステークホルダーのニーズ	×	×	×	×
424	コーポレートガバナンス	〇	×	×	×
425	内部統制の更新	〇	×	×	×
426	シリアス・ゲーム	×	×	×	×
427	炎上対策とダイバーシティ	×	×	×	×
428	AI と安全保障・軍事技術	×	×	×	×
429	透明性レポート	〇	〇	〇	×
430	よりどころとする原則や指針	×	×	×	×
431	Partnership on AI	×	×	×	×
432	運用の改善やシステムの改修	×	×	×	×
	カバー率	73.3%	13.3%	21.7%	41.7%

公式テキスト以外のテキストの壊滅的状況！
法律や倫理の問題が難しいという声もよく聞くが、（テキストに出てこないので分からないのは）それはそうという感じである。

この辺は白本はスカスカだ。
黒本に有用そうな問題が多く出ているので、法律関係は黒本で対策しよう。

カメラ画像利活用ガイドブックは絶対に目を通しておくべきである。

数理・統計

No.	キーワード	公式	白本	黒本	緑本
433	統計検定３級程度の基礎的キーワードと計算問題

さらっと一行で凄まじいことが書いてある。
「計算問題」と書いてあるので、分散や標準偏差の計算くらいは出来るようになっていたほうがいいかもしれない。

まとめ

カバー率をまとめると、以下のようになった。

No.	大項目	公式	白本	黒本	緑本
1	人工知能とは	76.9%	84.6%	53.8%	61.5%
2	人工知能をめぐる動向	77.8%	53.7%	33.3%	42.6%
3	人工知能分野の問題	86.7%	80%	53.3%	60%
4	機械学習の具体的手法	71.4%	59.3%	38.5%	63.7%
5	ディープラーニングの概要	67.4%	78.3%	43.5%	67.4%
6	ディープラーニングの手法	81%	52.6%	25.5%	57.2%
7	ディープラーニングの社会実装に向けて	73.3%	13.3%	21.7%	41.7%
8	統計検定３級程度の基礎的キーワードと計算問題	-	-	-	-

公式テキストは公式なだけあって優秀な結果となった。
白本もかなり良い。

次に、公式テキストに載っていないキーワードを抽出してみる。

No.	大項目	公式	白本	黒本	緑本
2	エージェント	×	〇	〇	〇
12	特徴量	×	〇	〇	〇
13	ディープブルー	×	〇	〇	×
28	知識ベースの構築とエキスパートシステム	×	×	×	×
32	概念間の関係 (is-a と part-of の関係)	×	×	×	×
33	オントロジーの構築	×	×	×	×
37	イライザ効果	×	〇	×	×
42	has-a の関係	×	×	×	×
52	スパムフィルター	×	×	×	×
55	人間の神経回路	×	×	×	×
63	パターン認識	×	×	×	×
64	画像認識	×	〇	〇	×
65	特徴抽出	×	×	×	×
66	一般物体認識	×	×	×	〇
67	OCR	×	×	×	×
75	特徴量設計	×	〇	〇	〇
79	機械翻訳	×	〇	〇	×
92	半教師あり学習	×	〇	〇	〇
96	アンサンブル学習	×	〇	〇	〇
111	疑似相関	×	×	×	×
112	重回帰分析	×	×	〇	〇
113	AdaBoost	×	〇	×	×
114	多クラス分類	×	×	×	×
115	プルーニング	×	×	×	×
116	k-means 法	×	〇	〇	〇
121	クラスタリング	×	〇	〇	〇
131	次元削減	×	〇	〇	〇
135	価値関数	×	×	×	〇
150	モデルの解釈	×	×	×	×
151	モデ ルの選択と情報量	×	×	×	×
156	過学習	×	〇	〇	〇
157	未学習	×	×	×	×
159	L0 正則化	×	×	×	×
160	L1 正則化	×	〇	×	×
161	L2 正則化	×	〇	×	×
164	オッカムの剃刀	×	×	×	×
165	赤池情報量基準 (AIC)	×	×	×	×
166	汎化性能	×	〇	×	〇
167	平均二乗誤差	×	〇	×	×
168	偽陽性-偽陰性	×	×	×	〇
169	第一種の過誤-第二種の過誤	×	×	×	×
170	訓練誤差	×	×	〇	×
171	汎化誤差	×	×	〇	〇
177	信用割当問題	×	×	×	×
188	TPU	×	〇	×	〇
193	Leaky ReLU 関数	×	×	×	×
197	交差エントロピー	×	×	×	×
199	エポック	×	〇	〇	〇
204	モーメンタム	×	〇	〇	×
211	ハイパーパラメータ	×	×	〇	〇
212	ランダムサーチ	×	×	×	〇
213	グリッドサーチ	×	×	〇	〇
214	確率的勾配降下法	×	〇	〇	〇
215	最急降下法	×	〇	×	×
216	バッチ学習	×	〇	〇	〇
217	ミニバッチ学習	×	〇	〇	〇
218	オンライン学習	×	〇	×	〇
219	データリーケージ	×	×	×	×
223	過学習	×	〇	〇	〇
224	アンサンブル学習	×	〇	〇	〇
237	畳み込み	×	〇	〇	×
238	フィルタ	×	〇	〇	〇
241	グローバルアベレージプーリング (GAP)	×	〇	×	×
245	CutMix	×	×	×	×
253	局所結合構造	×	〇	×	×
254	ストライド	×	〇	〇	×
255	パディング	×	〇	〇	〇
268	マルチタスク学習	×	×	×	×
282	矩形領域	×	×	×	×
290	SegNet	×	〇	×	×
298	Mask R-CNN	×	×	×	〇
307	A-D 変換	×	×	×	〇
308	パルス符号変調器 (PCM)	×	×	×	×
309	高速フーリエ変換 (FFT)	×	×	×	〇
316	音声認識エンジン	×	×	×	〇
318	WaveNet	×	〇	×	〇
319	メル尺度	×	〇	〇	×
328	スキップグラム	×	×	×	〇
329	CBOW	×	×	×	〇
344	Vision Transformer	×	×	×	×
345	構文解析	×	〇	〇	〇
346	形態要素解析	×	〇	〇	〇
367	CAM	×	×	×	×
368	エッジAI	×	×	×	×
370	モデル圧縮	×	×	×	×
371	量子化	×	×	×	〇
372	プルーニング	×	×	×	×
373	AI による経営課題の解決と利益の創出	×	×	×	×
374	法の順守	×	×	×	×
378	ブロックチェーン	×	×	×	×
390	特許法	×	×	〇	〇
391	個別の契約	×	×	×	×
392	データの網羅性	×	×	×	×
402	ライブラリ	×	×	×	〇
403	Python	×	×	×	〇
414	オープンデータに関する運用除外	×	×	×	×
423	ステークホルダーのニーズ	×	×	×	×
426	シリアス・ゲーム	×	×	×	×
427	炎上対策とダイバーシティ	×	×	×	×
428	AI と安全保障・軍事技術	×	×	×	×
430	よりどころとする原則や指針	×	×	×	×
431	Partnership on AI	×	×	×	×
432	運用の改善やシステムの改修	×	×	×	×

公式テキストのみで勝負に挑みたい人は、上記のキーワードをググっておくと良さそうだ。

---

とは言ったものの、公式テキストだけでは問題演習量が圧倒的に不足するため、何らかの問題集をやってoutputを鍛えたほうが良いと思われる。
一冊だけ選ぶなら白本である。
黒本はカバー率が低いし、問題のレベルも試験本番より簡単なので微妙。
しかしながら法律関係の問題はしっかりしているため、この分野だけ勉強するために黒本を買うのはアリだと思われる。

緑本は全体的にカバー率が低い結果となった。最も分厚い本なだけに残念である。
CNNとかRNNみたいな、どの本にも載っている内容について詳しく説明した「小学生向け国語辞典」という印象。