Help us understand the problem. What is going on with this article?

JDLAのディープラーニング G検定を受けてみた

More than 1 year has passed since last update.

この記事は、〇〇勉強してみた Advent Calendar 2017
の記事として投稿しました。

JDLAのディープラーニング G検定とは

日本ディープラーニング協会が実施しているディープラーニングの検定
G(ジェネラリスト)検定は、「ディープラーニングを事業に活かすための知識を有しているかを検定する」とのこと
http://www.jdla.org/business/certificate/#education

受験の理由

『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』
を読んでみたものの、、、サッパリ分からない。。。
どこからどうやって勉強して行けばいいのかもサッパリ分からなかったので、体系立ってDeep Learningが知れるかなと思い、受験してみた。

試験内容

2017/12/16(第1回)の内容

人工知能の開発の歴史

・人工知能の定義
・AIブームの変遷(第一次、第二次、第三次)
・トイプロブレム、フレーム問題、弱いAI、強いAI、シンボルグラウンディング問題、フレーム問題、チューリングテスト、エキスパートシステムの問題点
・身体性

機械学習

・重回帰分析、主成分分析、SVM
・ニューラルネットワーク(バイアス、重み)
・学習の工夫(正規化、標準化、無相関化、白色化)
・学習の工夫(過学習とドロップアウト、ハイパーパラメータ)
・CNN、RNNの特徴
・音声処理の手順

人工知能に関する動向

・シンギュラリティに対する著名人の態度
・企業(NVIDIA、Google、IBMのwatson)
・自動運転の開発状況や各レベルの意味
・法規制の状況

人工知能の歴史や動向に関しては、JDLAの推薦図書から出題されていた。
重回帰分析、主成分分析、SVMは推薦図書にはない内容だった。

受験前後の違い

受験前

『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』
をざっと読んだだけ
⇒ 疑問が膨らむばかりで全く理解できなかった…
・人工知能、機械学習、ディープラーニングって何が違うの?
・何で入力値の総和が物の特徴を表せるの?
・活性化関数って何で必要なの?
・誤差を微分????はぁ??
・そもそも微分やら積分やらlogやら…スッカリ忘却の彼方なんですけど…

勉強方法

推薦図書3冊をざっと読んで、シラバスをもとにまとめていく(3週間 10時間くらい?)

受験後

・歴史、概要が分かった
・人工知能、機械学習、ディープラーニングの違いが分かった
・DeepLearningの概要?が理解できた
-「特徴表現をコンピューターが自らつくりだす」という点がDeepLearningのすごいところなんだと理解できた
- 神経細胞のニューロンが学習によってシナプスの結合強度を変化させることを模して、活性化関数を使っていることがわかった
- CNNは人間の視覚野に関する神経細胞を模しているモデルだということがわかった
- DeepLearningでは、定義したモデルに対して、期待値と実測値との誤差を小さくするようにパラメータを調整してくということが分かった

感想

・数学の復習からやるべきなのか、何からはじめたらいいのかサッパリ分からなかった中、機械学習とは何ぞや?というのをざっくり把握できたのはよかったかなと思う。
・何をどう調べればいいか分からなかった中、シラバスを道しるべに進めていけたのはよかった。
・ただ、、、「ざっくり分かった」レベルになるのに受験料¥12,960円は高かったかな。。。
・ざっくり概要を掴めたので、次は何かライブラリを使って動かしてみようかな。

2017/12/26追記:結果

不合格でした。ざっくり分かったレベルでの合格は難しかった模様。

受験者数と、合格者数は以下だったようです。
思ったよりも受験者数少ない。。。

総受験者数 1,448名
合格者数   823名

Why do not you register as a user and use Qiita more conveniently?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away