LoginSignup
1

More than 3 years have passed since last update.

posted at

updated at

ディープラーニング協会 G検定2019#3 受験記録

要旨

2019年11月9日に、ディープラーニング協会が主催するG検定を受験しました。
https://www.jdla.org/business/certificate/
合格発表は約1週間後ということで結果待ちですが(きっと受かったであろう自信もあるので)、忘れないうちに勉強したことと感想を書いておきます。
勉強に当たっては、諸先輩が残してくれた情報に非常に助けられたので、この記事もどなたかのお役に立てば幸いです。

1. 事前知識

G検定のための勉強を始める前の私の事前知識レベルとしては、
- 人工知能は人間を超えるかを(さらっと)通読したことがある。
- 機械学習(除くディープラーニング)の代表的な手法については一通りの講義を受け、演習などでコードを書いて動かしたことがある
-ディープラーニングについては、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 を通読したことがある
といった程度でした。

そのため、機械学習のテクニカルな内容についてはそれほど勉強しなくてよさそうである一方、ディープラーニングのアルゴリズムごとの違いや、AIの歴史・法規制といった知識問題についてはしっかり勉強する必要がありそう、という状態でスタートしました。

2. 勉強計画

諸先輩の勉強方法を大いに取り入れるべく、特に以下の記事を参考にしました。

他にも幾つか受験記録の記事を見ましたが、概ねポイントは共通していましたので、結論としては主に以下3つの教材を使う作戦としました。

1.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

2.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

3.Study-AIのG検定模擬テスト
http://study-ai.com/generalist/

なお、推薦図書として重要度が高いと言われているAI白書については、時間的に通読は難しそうだったので、一旦保留としました。

3. やったこと

  1. 公式テキストを通読し、青太字の重要語を中心に概要を頭に入れる。
  2. 問題集を一通り解き、公式テキストには載っていない知識を更に頭に入れる。
  3. 1,2を3周ほど繰り返し、知識を定着させる。
  4. Study-AIの模試にトライし、わからなかった用語等についてはEverNoteに書き出して反復する。

1~3については淡々と覚えていけばよく問題なく進みましたが、4でStudy-AIの模試を受けたところ、半分くらい解けなくて焦りました
例えば、Lpプーリング(周りの値をp乗しその標準偏差をとるプーリング)、内部共変量シフト(訓練中に前の層のパラメータの変化に伴い、各層の入力分布が変化する問題)、などは、公式テキストや問題集には無い内容でした。
他にも、勾配降下法の各手法(Adagrad、RMSpropなど)について、それぞれの違いをきちんと理解していないと答えられないような問題でした。

Study-AI模試で解けなかった問題の半分は、上記のような純粋に”難しい”と言える問題でしたが、残りの半分は、公式テキストにさらっと登場している語句や概念に関するものでした。そのため、公式テキストに立ち戻り、出てくる用語は漏らさず頭に入れるよう改めて反復しました。覚えきれないものはEverNoteに書き出し、試験当日にすぐ検索できるようにしました。

AI白書については、Kindle版を購入し、法律周りを中心にかいつまんで読んだ上で、当日の検索用として用いることにしました。

4. 受験してみて

まず、時間が足りないとよく耳にしていたので、迷ったり一度調べてから答えたい問題にはチェックを付けつつ、サクサク解いていったところ、試験時間120分のところ約60分で一通り解き終わりました。
そのため、残りの30分で、法律や最新のアルゴリズムなどに関する問題をWebで調べながら問き、残りの30分で回答の見直しをしました。
公式テキストがある程度きちんと頭に入っており、簡単な問題に対して反射的に答えられるようになっていれば、テキストやWebで調べものをする時間は十分にあるという印象でした。

出てきた問題としては、今回取り組んだ公式テキストと問題集(黒い本)からそのまま出題されている、と感じる設問がかなりありました。ざっくり半分~6,7割くらいはそうした問題だったと思います。
残りのうち半分くらいは、最近の法規制の動向について把握しているか、最近注目されている新しいアルゴリズムについて知っているか、といった観点の問題が多く見られました。これらはその場で検索して調べることで概ね対応できましたが、少し調べただけでは判断できない問題も幾つかあり、AI白書を読んでいることを念頭に出題されていると感じました。
残りはというと、例えば強化学習など、アルゴリズムの中身について比較的突っ込んだ知識・理解を問う問題が多かったです。特に強化学習については、上記の勉強だけでは明らかに知識が不足しており、十分に対応できませんでした。改めてきちんと勉強しておきたいと思います。

終わってみると、Study-AIの模試は本番よりもやや難易度が高かったように思います。ただその分とても勉強になったので、受けておいて良かったと思いました。
なお、AI白書については結局、本番中に参照することはほぼありませんでした、、この本については、実際のAIプロジェクトに携わる際に、関連する最新の動向を把握するために使うのが良いように思います。

5. まとめ

結果はまだ出ていませんが、手応えは感じましたので、上記の勉強方法はある程度的を得ていたと思います。
私の場合、機械学習の手法については事前知識があったので、そのほかの内容に集中して勉強できたというアドバンテージはありましたが、そうでない人でも、公式テキストをベースに上記の流れで勉強していれば、十分に合格できると思います。

また、今回G検定のために勉強した知識があれば、例えば事業会社の人間としてAIの導入プロジェクトを進めるような立場であっても、ある程度ポイントを抑えたマネジメントできるのではないかと思います。

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
What you can do with signing up
1