DeepLearning
AI
NeuralNetwork

ディープラーニングG検定問題集を買ったのでやってみた(初見感想)


この記事、何?

つい先日問題集が発売されたので買ってやってみた感想。


どういう人向け?

G検定を受けようかと思っている人向け。

一緒に勉強しましょう。


章立て

1.人工知能をめぐる歴史と動向

2.機械学習の基礎

3.機械学習の具体的手法

4.基礎数学

5.ディープラーニングの概要

6.ディープラーニングの手法

7.ディープラーニングの研究分野と応用

8.総仕上げ問題

なるほど。

まあ、こっちはまだまだAI初心者。まだPredictとかって言っても写経レベルでしかやれてないし。

自分としてのなりたい像も、どこに特化したいか、特化すべきかも見えてないので、この範囲がターゲットにしている範囲は薄く広く押さえておきたいしね。


傾向

みんな言っているような感じでした。気づいた点を列挙するとこんな感じ。


出題数

多い

じゃんじゃん解かないとタイムアウト


計算

ほぼない。全くないわけではない。

f(x) = x^3 +5x^2 -3x +10 を微分するとか、

f(x,y) = x^2 + 3x - y^2 - 7y +2をyで偏微分するとかあった。

行列演算はあった。

電卓使いたくなるような計算はなかった。


用語

普段scikit-learn使って機械学習に少しかかわっているけど、使ってない方法論はふんわりとしか理解してない。

だから結構、「あ~あるある、それどっちだっけ?」が結構ある。

今回、そういう言葉を不正解を復習することで点数上げて学習しようかと。

(ん?これも一種の誤差逆伝播?)


歴史(暗記...)

うーん・・・これが一番のネックかも。

SVMとかRNNとかそういう言葉って、使う側としてもざっくり何なのかを意識するから、

「○○は~~という特性があり・・・」って言われて、「そりゃそうだろ」と思うのであまり苦はない。

けど、「~~が19xx年に提唱して・・・」といわれると。。。

いや、原理はわかるよ、それ・・・誰だっけ?って話。

先人への感謝が足りませんね。勉強します。はい。


感想

自分がこれ書くのはアレだけど、よくできているな・・・と。

畳込みとか、誤差逆伝播とか、どういう原理で機械学習が成り立っているかを、出題を通して押さえてほしいといっているように感じる。

計算問題で微分が出たのも、誤差をどうやって「ブラックボックス(と思われているもの)」が、「理解」して、「判断」しているかにつながる。

微分わかってないと、「局所最適解」って言われても「?」だと思うしね。

行列もそう。Neural Networkが相手で、画像解析とかで数百次元とかを相手にするなら必須だし。

隠れ層がどう存在してどう役割を果たすかが見えてくると、実践的にパラメータ推定するときに役立つ。

最終的に、社会事象の解決したい「課題」に向き合うとき、「謎のブラックボックス」のままだと、やみくもに試してみるしかない。

結果、的外れな方法論で必死にパラメータいじって過学習モデル作成に勤しむ。。。

そういう意味でも、下の駄文に書いたように、自分が「わかったつもり」になってしまわないように、いったん客観評価として試験範囲を押さえようかと思っています。


頑張りましょう

次の試験はちょうど一か月後?

でもIPAのペーパーテストと違って試験開催日と結構ギリギリでも受け付けられるみたい。

急な出張とか入ったらヤだから申込もうちょっと待つけど、今度受けようかと思います。

まあ、何冊も問題集があるわけじゃないから、どうしても少ないサンプル(この問題集)に過学習してしまう。

前回買った本はそれに対する、Validation Test用のデータとして役立ってもらいましょうかね。


前置き(にするつもりだった駄文)

すみません・・・書いたのはいいけど、駄文だった。けど載せちゃう。

以前、これ書いた。

■ディープラーニングG検定公式テキストを買ったので読んでみた(消化不良版)

https://qiita.com/siinai/items/4a81c89565ad9a25bda6

その時、微妙と思ったんだけど、やっぱ自分の学習スタイルだと、教科書ではなく、問題集が欲しかったの。

どうしても純粋に本を読んでいるだけだと、こんな感じ。

・なんとなく知っていること

→ 「あっ、知ってる~」って思って終わり。だけど、正確にはわかってない。

・全く知らないこと

→ 「わからないな~難しいな~」・・・で終わり。

・・・駄目じゃん。

それだと進まないので前回買った本はまっすぐ本棚へ行ってしまってました。

これまで資格取ったとき・・・って、Oracle Masterだけだけどさ、勉強して取ったのって。

問題集があると、今どれだけ自分が分かっていないかを数値化できるので「よっしゃ、あげたるわ~」ってなる。

というわけで、基準。一回解いてみた。そう、これが最低点でここから上げようと。

・・・既定時間くらいで解けたと思う。

その割には点数よかった。ん?もしかして合格点?っていうか、合格点っていくつよ・・・

調べたけどよくわからなかった。

まあいいわ。なんとかなるでしょ。

まあ、1冊しかない問題集を反復するんだから、正解率をかなり高いところまで過学習してから、どうするか考えようかな、と。


お詫びと訂正の転載 (追記:2019/02/17)

やっぱエキスパートシステムに関する出題、修正されてた。

https://book.impress.co.jp/books/1118101076

(※以下、引用)

誤記のためにご迷惑をおかけし、誠に申し訳ございません。

25ページ 解答4の(ア)の正答
[誤]
A
[正]
B
【 第2刷にて修正 】

うん。

ただ、できれば、「弱いAI」と「強いAI」の定義も修正してほしいんだけど・・・

少し前に買ったこのあたりや、WebでAIを語っている人の間では、「弱いAI」と「強いAI」の違いを心の有無や、汎用性の高さとしていることが多い。そして、多くの見解で一致しているのは、まだ強いAIは実在しないということ。

しかし、この問題集はフレーム問題を解消しているかどうかを分水嶺と考えているように思う。

囲碁とか将棋とかでフレーム問題は長い間、AIを阻んだ。だからAIはアマチュアにも勝てない時期が長かった。

しかし現在人類を凌駕している。この現象を根拠に「解決した」とするなら、AlphaGoたちは「強いAI」といえる。

ただ、「AlphaGoだけが世界で唯一実在する強いAIだ」といわれると、「?」と思う・・・よね?

まあ、松尾先生もそのことを突き詰めて言葉の定義をしてほしいわけじゃなさそうなので、いいかなとは思うけど、結果の評価を判定される資格試験で正解か不正解かを分類したい身としては気になってしまう・・・

まあ、バッファをもって合格点取ればいいだけの話なんですけどね。

■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

https://www.amazon.co.jp/dp/4798157554

■人工知能は人間を超えるか (角川EPUB選書)

https://www.amazon.co.jp/dp/B00UAAK07S