ディープラーニング

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。

G検定シラバスとしては明記されていないが、数問出題される。 難易度は低。しかし、過去問、問題集から外れた問題も若干出やすい。 ノルムの算出方法、ベイズの定理なども事前に調べておく必要がある。 上記に加えて以下の把握しておいた方が良い ・CNNの畳込み演算の計算

G検定シラバス「ディープラーニングの応用に向けて」の範囲の対策。 難易度は超高。過去問、問題集ではほぼ歯が立たない。 AI白書や時事ネタを収集しておく必要がある。 自動運転のレベル。 0 ドライバーがすべて操作

G検定シラバス「ディープラーニングの研究分野」の範囲の対策。 難易度は高。過去問、問題集だけではフォローしきれない。 「自然言語処理の流れ」と「強化学習」について追加の情報収集が必要。 画像注釈＝画像キャプション生成。 自然言語処理の流れ。

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。

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。 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 ・ノーフリーランチ定理 ・みにくいアヒルの子定理 ・モンベックのパラドックス

G検定シラバス「人工知能分野の問題」の範囲の対策。 難易度は中程度。過去問、問題集でフォローできる。 強いAI＝汎用AI＝AGI(Artificial General Intelligence) 弱いAI＝特化AI。 シンギュラリティについての各人の意見。

G検定シラバス「人工知能をめぐる動向」の範囲の対策。 難易度は中程度で、過去問、問題集で凡そフォローできる。 STRIPSは1971年 Richard FikesとNils Nilcsonの自動計画AI SHRDLUはCycプロジェクトから2001年にOpenCycとして公開される。