#JDLA Deep Learning for GENERAL（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検定試験。
ディープラーニングの事業活用する人材（ジェネラリスト）を育成することを狙いとしている。
第一回は2017年12月に実施。申込者数1500名。うち、受験者数1448名、合格者数823名で6割弱の合格率。
#受験動機
会社で先進ITの活用検討するチームに入ったため、AI Academy等の講習会に自主参加するようになった。
より体系的な知識を得たいと思っていたため、学習の習慣化には資格試験というわかりやすい目標があるとよいと思った。
エンジニア向けのE資格を受講したかったが、受験者に条件があるため、まずは手軽に受験できるこちらを選択しました。
#試験準備
- 事前知識レベル
- 「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」の講習会受講
- 「自然言語処理の基礎」をざっと一読
- Udemyの画像認識・自然言語処理の講座をいくつか受講・実装
初学者よりは多少触っているが、「〇〇について説明して」と言われても多分説明できないくらいの知識レベル。
まだまだ自分の中で消化しきれていない感じ。
-
勉強方法
- 参考書籍
- 「人工知能は人間を超えるか ディープラーニングの先にあるもの」
- 一周した。初学者は全体像把握のためにまずはコレから手をつけるとよいと思います。
- 「AI白書 2017」
- 1，2章をサラッと読んだ。読み物としてとても面白い。
- かなりボリュームがあり、熟読するのは難しいので、さらっと全体に触れる感じでいいと思いました。
- 「深層学習 機械学習プロフェッショナルシリーズ」
- ガッツリ数式がでてくる。全部理解するのは大変そうだが、よくまとまって書籍。
- 「これならわかる深層学習入門」
- 3と同じく数式がでてくるが、2017年10月刊行なので比較的新しい内容もカバーしていた。
- 「人工知能は人間を超えるか ディープラーニングの先にあるもの」
- 動画教材
- Coursera 「Machine Learning」
- 第一回G検定受験者がおすすめしていた。
- AI・機械学習界隈で有名な講座で、説明がわかりやすい。
- 音声は英語だが日本語字幕もある。
- Coursera 「Machine Learning」
- 参考書籍
受験日（2018年6月16日）の一か月ちょっと前くらいから、毎日朝と夜に30分～1時間程度を学習時間にあてた。
が、色々欲張りすぎたため、全体的に中途半端な進捗になってしまった・・・
#試験内容
- 人工知能の歴史（第1次～第3次ブーム,フレーム問題,シンボルグラウンディング問題など）
- 人工知能に関する著名人の見解（シンギュラリティ）
- 機械学習（教師あり,教師なし,半教師あり,クラスタリング,決定木,SVM,ニューラルネットワークなど）
- 画像認識（物体検出,セマンティックセグメンテーションなど）
- 自然言語処理（形態素解析,構文解析,照応解析,談話構造解析など）
- 音声認識（音響特徴量,音素など）
- ディープラーニング（CNN,R-CNN,RNN,LTSM,Seq2Seq,DQN,GANなど）
- 学習方法（過学習,学習率,交差検証,正規化,ドロップアウト,ミニバッチ学習など）
- フレームワーク（Tensorflow,Keras,Chainer,Pytouch）
- IoT（エッジコンピューティング）
- 自動運転（開発状況,レベル,規制）
- 人工知能と法
ざっと思い出せるものを列挙してみました。
推薦図書3冊のみではおそらく出題内容全部はカバーできなかったと思います。
事業活用者向けの試験なので、数式やプログラミングに関わる問題はほぼなかったです。
#所感
自信をもって回答できたと思えるのは半分程度なので、多分落ちたかな・・・
合格自体は主目的ではないので、そこまで気にしませんが。
合格を真剣に狙うならば他の資格試験同様に、
- インプットばかりでなくアウトプットする
- 推薦図書を複数周回する
- 教材を絞る
などが必要だったかなー、と思います。
「AIを活用するうえで最低限わかっておいてほしいこと」をまとめた試験という印象でした。
会社でIT戦略や企画を担当している方にオススメしたい試験だと思います。
勉強はしましたが、まだまだ人に説明できるだけの知識は身についていないし、やはり知識と実際の実装は異なるため、
今後はE検定の受験を目指してコード書いて何かしら作ることを習慣化していきたいところです。
2018-09-01 追記
追記し忘れてましたが、合格しました。