【ディープラーニングG検定対策】ディープラーニングの概要

【ディープラーニングG検定対策】ディープラーニングの概要 G検定
【ディープラーニングG検定対策】ディープラーニングの概要
2020.04.03

G検定記事はこちら。
https://www.simulationroom999.com/blog/jdla-deep-learning-for-general-2020-1/

【G検定対策】JDLAジェネラリスト検定2020~2024【カンペ、過去問、難易度、感想、チートシート？】
G検定の法規/近年の動向を含めた過去問っぽい問題集設置。 難易度はそれほど高くないが準備はそれなりに必要。文系の方々でも十分獲得可能。カンペに使える図解＆解説ページあり。毎回知人の誰かしらが受けているのでその情報を元に更新。問題集で慣らすという手法だと足元をすくわれる可能性が高い。
www.simulationroom999.com
2020.04.07
【ディープラーニングG検定対策】機械学習の具体的手法
G検定シラバス「機械学習の具体的手法」の範囲の対策。 上記に加え以下も調べておく必要あり。 ・t-SNE(t-distributed Stochastic Neighbor Embedding ：t分布型確率的近傍埋め込み) ・・次元削減アルゴリズムの一つ
www.simulationroom999.com
2020.04.02

はじめに

G検定シラバス「ディープラーニングの概要」の範囲の対策。
難易度は中程度、過去問、問題集で十分フォローできる。

ディープラーニング概要

ディープラーニング概要
前回までは、AIの歴史やディープラーニングのブレイクスルー前の話が主だった。 今回からディープラーニングの話に突入。 ディープラーニングの基本構造の由来はニューラルネットワーク。 ニューラルネットワーク自体は隠れ層を持つことで非線形分類ができるようになったもの。 単純パーセプトロンと比べると複雑なことができるとはいえる
www.simulationroom999.com
2020.02.12

イテレーション＝重み更新回数。
エポック＝訓練データを使用した回数。

各種定理。

  • バーニーおじさんのルール
    • パラメータ数の10倍の学習データが必要
  • ノーフリーランチ定理
    • 万能なアルゴリズムは存在しない
  • みにくいアヒルの子定理
    • 普通のアヒルとみにくいアヒルの判別は不可
  • モンベックのパラドックス
    • 高度な推論よりも1歳児のやることの方が難しい

バーニーおじさんとは。

スタンフォード大学教授のバーナード・ウィドロー氏らしい。
https://en.wikipedia.org/wiki/Bernard_Widrow
1987年のIEEEカンファレンスでの講演「ADALINE and MADALINE」の中で「バーニーおじさんのルール（Uncle Bernie’s Rule）」を提唱した。

一気通貫学習：視覚、聴覚、触覚などのセンサをロボットが統合的に扱うよう学習。
事前学習＝Pre-training。

まとめ

イテレーションとエポックの関係、各種定理は高確率で出題されるので押さえておこう。

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 第3版

https://amzn.to/3VK6mGP
amzn.to

徹底攻略ディープラーニングG検定ジェネラリスト問題集 第2版 徹底攻略シリーズ

https://amzn.to/3XrT9E6
amzn.to

ＡＩ白書　２０２３ (単行本)

https://amzn.to/3XpTNSc
amzn.to

人工知能は人間を超えるか (角川ＥＰＵＢ選書)

https://amzn.to/3RvCGKW
amzn.to

【ディープラーニングG検定対策】ディープラーニングの手法
G検定シラバス「ディープラーニングの手法」の範囲の対策。 難易度は高。過去問、問題中でだけではフォローしきれない。 昨今のDNNを調べておく必要がある。 Softmax：出力を正規化して確率として解釈。 tanh：双曲線正接関数。 ReLU：正規化線形関数、ランプ関数。
www.simulationroom999.com
2020.04.04

コメント

タイトルとURLをコピーしました