見出し画像

いまさらながらJDLA合格体験記

2018年6月にJDLA Deep Learning for GENERALを受験し一発で合格した.すでに多くの受験生が合格体験記を公開しているが,自分の能力をドヤるための記事もいくつか見受けられる.今でこそ,G検定の問題集とか販売されているが,私が受験した当時は公式サイトの例題くらいしかなく,推薦図書や関連図書を読むしかなかった.最近G検定の問題集を立ち読みしたが,問題集レベルは軽く越えて本番でテンパるだろう.この記事を読むことで少しでも合格に近づいたり,勉強時間を節約できたり,と力になれたらと思う.

ちなみに当時の受験者数と合格者数は下記の通り.

スクリーンショット 2019-09-29 22.25.32

今思うと,合格者数多い笑

前置きが長くなったが本題に入る.

誰のための記事か?

JDLA G検定を受験しようと考えている方々すべて.文系だから無理とか,数学弱いから無理とかの固定観念はひとまず隣に置いておき,すべての方が合格可能だと思う.

この記事を読むとどうなるのか?

個人的推薦図書やそれを何から勉強をしたらよいか,どんな問題がでるのかについても軽く触れる.つまり,合格に近づける・・・・はず.

ちなみに,合格すると名刺に載せられるロゴを頂ける.(載せてないけど)

JDLA Deep Learning for GENERALとは?

一般社団法人日本ディープラーニング協会が主催しており,ディープラーニングを中心とする技術による日本の産業競争力の向上を目指している.資格は2種類あり,この記事で紹介するのはJDLA G検定と言われ,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内容になる.詳細は下記参照.

なぜ受験したのか?

社内のコンサルタントと呼ばれる方からAI関連の話を何度か聞いたとき,極度に胡散臭いと思い,自分で真意を確かめたくなり,勉強したくなったから.そのときに資格があることを知り,自分が勉強した証として受験した.

何を勉強したのか?

この章では3つの書籍を紹介します.

いきなり,推薦図書と違いますが,数学的な内容の理解を助けてくれる内容で非常に読みやすい.これ読まなかったら,たぶん落ちてたと思うくらいの内容.(私の実力もわかってしまうが)

推薦図書の一つで,内容も非常に興味深い.AIの歴史から書かれているAI白書の前にこちらで読んでからの方が入り込みやすい.

みんな大好きAI白書.2017版を熟読した.AIの歴史や成り立ちから各国の動向や政策にも触れているので興味深い内容だった.個人的には,"身体性の意味と役割"が面白かった.

知能が「経験、学習、発達」するためには、身体を持っているということ、すなわち「身体性」が重要である。

2019年版も読んだが,非常に興味深い内容が書かれている.分量は,2017年版AI白書は359ページだったが,2019年版は495ページと100ページ以上増えているので,それだけ新しいことや必要なことが増えていると考えられる.個人的に興味が湧いた部分は,ABCIの部分.ちなみに

ABCIとは,AI橋渡しクラウド(AI Bridging Cloud Infrastructure、ABCI)は、国立研究開発法人 産業技術総合研究所が構築・運用する、世界最大規模の人工知能処理向け計算インフラストラクチャ.

公開情報ですが,東京大学柏IIキャンパスの産総研柏サイトに建設されたAIデータセンターで,一般にサービスを提供している.極度に興味が湧いたので,実際にそのデータセンターに正式手続きを経て見学してきた.この話はまた別の機会に.

話が逸れましたが,AI白書は非常に有益な情報に溢れてる.ただし,G検定という観点では,正直あまり・・・ちゃんと買って読もうネ.

※あくまで個人的感想

どう勉強するべきか?

この章では自分の勉強の反省も活かし,効率のよい勉強方法について記述する.

問題をざっくり分類すると,概念系理論系に分かれる.それぞれを網羅的に理解する必要がある。

概念系とは,人工知能の背景や歴史,法律や今後の応用分野など数式をあまり必要としない内容のことで,シラバスでは,

人工知能(AI)とは(人工知能の定義)
人工知能をめぐる動向
人工知能分野の問題
ディープラーニングの研究分野
ディープラーニングの応用に向けて

この辺り.推薦図書は,こちらに対する内容も多いが,参考記事も参照されたい.AI白書はこちら側のキャッチアップで必要.

次は,理論系で,パーセプトロンの基本的な内容から活性化関数や損失関数など数学要素が強い内容のことで,シラバスでは,

機械学習の具体的手法
ディープラーニングの概要
ディープラーニングの手法

この辺り.こちらは,前章で紹介した

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

を利用して理解されたい.様々な関数が出てくるが,それぞれの違いや意味がきちんと書かれているので,内容を整理できる.また,数学で難しい部分はあるが,目的とそれが示す内容を理解してほしい.

ひとつひとつの単語について意味やその背景まで丁寧に書かれているので,ぜひ熟読されたい.特に,以下の用語や違いについては確認してほしい.

・パーセプトロンとニューラルネットワークの関係
・活性化関数
 - ジグモイド関数
 - 非線形関数
 - ReLU関数
・出力層の設計
 - 恒等関数
 - ソフトマックス関数
・手書き文字認識
 - MNISTデータセット
・損失関数(なぜ設定する必要があるのか)
 - 二乗誤差
 - 交差エントロピー
 - ミニバッチ学習
・勾配法
・誤差逆伝播法(リンゴの計算をしてみてください)
・学習に関するテクニック

試験について

試験時間120分で小問226問(前回実績)の知識問題(多肢選択式)、オンライン実施(自宅受験)であるが,時間が全くない

少なくとも公式サイトにある例題は瞬殺で解けるようにしておくことが求められる.

わからない問題は捨てる必要がある.(というのも,毎回何問かは,最新の内容が織り込まれていたり,難しい内容が入っているらしい.)

参考記事

参考にさせて頂いた記事を紹介します.

<AI白書のまとめ>

<分類問題評価指標>

<e-Learningサイト>
人工知能という枠組みだけでなく,様々な分野の知識を習得できる

まとめ

JDLA Deep Learning for GENERALの合格へ近づくためのtipsを書いてみた.

受験料も高いので,受ける方は頑張って下さい.

この記事が気に入ったらサポートをしてみませんか?