概要
[日本ディープラーニング協会主催 G検定 2020 #1][1]
[1]:https://www.jdla.org/certificate/general/#general_No03
Qiita記事としてまとめておきます。
G検定2020#1時点でのシラバスの内容を利用しています。
本題
本の内容のうち、試験のシラバスに関連するページを一覧表にしました。
時間があれば、内容のまとめも書いていきたいと思います。
出題範囲と本の内容の対応
| 人工知能（AI）とは （人工知能の定義） | 松尾本 p43、p45 図1 |
|---|---|
| 人工知能をめぐる動向 | |
| 探索・推論 | 松尾本 p60、p66 |
| 知識表現 | 松尾本 p90 |
| 機械学習 | 松尾本 p116 2 教師なし p165 |
| 松尾本 p141 松尾本 p185（エージェントとある、ゲームAIでのブロック崩しは有名事例） | |
| 深層学習 | 松尾本 p146、p148、 p161（図23） |
| 人工知能分野の問題 | |
| トイプロブレム | 松尾本 p81 |
| フレーム問題 | 松尾本 p60 、p103 |
| 弱いAI、強いAI | 松尾本 p55 |
| 身体性 | 松尾本 p107 |
| シンボルグラウンディング問題 | 松尾本 p105 |
| 特徴量設計 | 松尾本 p135 |
| チューリングテスト | 松尾本 p46 |
| シンギュラリティ | 松尾本 p31、p202 |
| ディープラーニングの概要 | |
| ディープラーニングのアプローチ | |
| CPU と GPU | 松尾本 p177 |
| ディープラーニングにおけるデータ量 | |
| ディープラーニングの手法 | |
| 活性化関数 | 松尾本 P125,126（シグモイド関数） |
| 学習率の最適化 | |
| 更なるテクニック | |
| CNN | |
| RNN | |
| 深層強化学習 | |
| 深層生成モデル | |
| ディープラーニングの研究分野 | 松尾本 p48 |
| 画像認識 | 松尾本 p127（手書き文字認識、MNISTデータセット） 松尾本 p144（カナダのトロント大のSuperVision, ILSVRC(画像認識コンペ) ,Alexnetのこと） 松尾本 p162（グーグルの猫） |
| 自然言語処理 | 松尾本 p101 |
| 音声処理 | 松尾本 p26 |
| ロボティクス （強化学習） | |
| マルチモーダル | 松尾本 p182 |
| ディープラーニングの応用に向けて | |
| 産業への応用 | 松尾本 p191、p216 |
| 法律 | |
| 倫理 | |
| 現行の議論 |