キカベン
機械学習でより便利な世の中へ
G検定対策
お問い合わせ
   

G検定2021:テスト項目と関連リンク集

thumb image

JDLA本家のG検定のシラバス(2021)はこちらからダウンロードできます。以下は、シラバスにあるキーワードに関連サイトや本サイトの関連記事へのリンクを貼ったものです。公式テキストの内容を復習する際にすぐに調べられるようになっています。

1. 人工知能とは🔝

1.1. 人工知能の定義🔝

人工知能や機械学習の定義を理解する。

  • 人工知能とは何か
  • 人工知能の大まかな分類
  • AI効果
  • 人工知能とロボットの違い

キーワード:推論、認識、判断、エージェント古典的な人工知能機械学習ディープラーニング

関連記事人工知能の定義

1.2. 人工知能研究の歴史🔝

ブームと冬の時代を繰り返してきた人工知能研究の歴史を学ぶ。

  • 世界初の汎用コンピュータ(ENIAC)
  • ダートマス会議
  • 人工知能研究のブームと冬の時代

キーワードエニアック(ENIAC)ロジック・セオリストトイ・プロブレムエキスパートシステム第五世代コンピュータビッグデータ機械学習特徴量ディープラーニング推論・探索の時代知識の時代、機械学習と特徴表現学習の時代、ディープブルー

関連記事AIの3大ブームと冬の時代

2. 人工知能をめぐる動向🔝

2.1. 探索・推論🔝

第1次ブームで中心的な役割を果たした推論・探索の研究について学ぶ

  • 迷路(探索木)
  • ハノイの塔
  • ロボットの行動計画
  • ボードゲーム
  • モンテカルロ法

キーワード探索木幅優先探索深さ優先探索、プランニング、STRIPSSHRDLUAlphaGo(アルファ碁)ヒューリスティックな知識、Mini-Max法αβ法ブルートフォース

関連記事第1次AIブーム:探索・推論

2.2. 知識表現🔝

第2次ブームで中心的な役割を果たした知識表現の研究とエキスパートシステムを学ぶ。

  • 人工無能
  • 知識ベースの構築とエキスパートシステム
  • 知識獲得のボトルネック(エキスパートシステムの限界)
  • 意味ネットワーク
  • オントロジー
  • 概念間の関係(is-aとpart-ofの関係)
  • オントロジーの構築
  • ワトソンと東ロボくん

キーワードイライザ(ELIZA)イライザ効果マイシン(MYCIN)、DENDRALインタビューシステムis-aの関係has-aの関係part-ofの関係Cycプロジェクト推移律ウェブマイニングデータマイニングワトソンQuestion-AnsweringセマンティックWeb

関連記事第2次AIブーム:知識表現

2.3. 機械学習・深層学習🔝

機械学習、ニューラルネットワーク、ディープラーニングの研究と歴史、それぞれの関係について学ぶ。

  • データの増加と機械学習
  • 機械学習と統計的自然言語処理
  • ニューラルネットワーク
  • ディープラーニング

キーワードビッグデータレコメンデーションエンジンスパムフィルター統計的自然言語処理コーパス人間の神経回路単純パーセプトロン誤差逆伝播法自己符号化器ILSVRC特徴量次元の呪い機械学習の定義パターン認識画像認識特徴抽出一般物体認識OCR

関連記事人工知能研究:3大ブームと冬の時代

3. 人工知能分野の問題🔝

3.1. 人工知能分野の問題🔝

人工知能の研究で議論されている問題や、人工知能の実現可能性を考察する。

  • トイ・プロブレム
  • フレーム問題
  • チューリングテスト
  • 強いAIと弱いAI
  • シンボルグラウンディング問題
  • 身体性
  • 知識獲得のボトルネック
  • 特徴量設計
  • シンギュラリティ

キーワードローブナーコンテスト中国語の部屋機械翻訳ルールベース機械翻訳統計学的機械翻訳特徴表現学習

関連記事人工知能分野の問題

4. 機械学習の具体的手法🔝

4.1. 教師あり学習🔝

教師あり学習に用いられる学習モデルを理解する。

  • 線形回帰
  • ロジスティック回帰
  • ランダムフォレスト
  • ブースティング
  • サポートベクトルマシン
  • ニューラルネットワーク
  • 自己回帰モデル(AR)

キーワード分類問題回帰問題半教師あり学習ラッソ回帰リッジ回帰決定木アンサンブル学習バギング勾配ブースティングブートスラップサンプリングマージン最大化カーネルカーネルトリック単純パーセプトロン多層パーセプトロン活性化関数シグモイド関数ソフトマックス関数誤差逆伝播法ベクトル自己回帰モデル(VARモデル)隠れ層疑似相関重回帰分析AdaBoost多クラス分類剪定

関連記事教師あり学習

4.2. 教師なし学習🔝

教師なし学習の基本的な理論を理解する。

  • k-means法
  • ウォード法
  • 主成分分析
  • 協調フィルタリング
  • トピックモデル

キーワードクラスタリングクラスタ分析レコメンデーションデンドログラム(樹形図)特異値分解多次元尺度構成法t-SNEコールドスタート問題コンテンツベースフィルタリング潜在的ディリクレ配分法(LDA)次元削減次元圧縮

関連記事:教師なし学習

4.3. 強化学習🔝

強化学習の基本的な理論を理解する。

  • バンディットアルゴリズム
  • マルコフ決定過程モデル
  • 価値関数
  • 方策勾配

キーワード割引率ε-greedy方策UCB方策マルコフ性状態価値関数行動価値関数Q値、Q学習REINFORCE方策勾配法Actor-CriticA3C

関連記事強化学習

4.4. モデルの評価🔝

学習されたモデルの精度の評価方法と評価指標を理解する。

  • 正解率・適合率・再現率・F値
  • ROC曲線とAUC
  • モデルの解釈
  • モデルの選択と情報量

キーワード交差検証ホールドアウト検証k-分割交差検証混同行列過学習、未学習正則化、L0正則化、L1正則化、L2正則化ラッソ回帰リッジ回帰LIMESHAPオッカムの剃刀赤池情報量基準(AIC)汎化性能平均二乗誤差偽陽性-偽陰性、第一種の過誤-第二種の過誤訓練誤差、汎化誤差学習係数誤差関数

関連記事機械学習モデルの評価

5. ディープラーニングの概要🔝

5.1. ニューラルネットワークとディープラーニング🔝

ディープラーニングを理解する上で押さえておくべき事柄を理解する。

  • パーセプトロン
  • 多層パーセプトロン
  • ディープラニングとは
  • 勾配消失問題
  • 信用割当問題

キーワード誤差逆伝播法

関連記事ニューラルネットワークと深層学習

5.2. ディープラーニングのアプローチ🔝

ディープラーニングがどういった手法によって実現されたのかを理解する。

  • 事前学習
  • オートエンコーダ(自己符号化器)
  • 積層オートエンコーダ
  • ファインチューニング
  • 深層信念ネットワーク

キーワード制限付きボルツマンマシン

関連記事ディープラーニングのアプローチ

5.3. ディープラーニングを実現するには🔝

ディープラーニングを実現するために必要ものは何か、何故ディープラニングが実現できたかを理解する。

  • CPUとGPU
  • GPGPU
  • ディープラーニングのデータ量

キーワードTPU

関連記事ディープラーニングを実現するには

5.4. 活性化関数🔝

ニューラルネットワークにおいて重要な役割をになう活性化関数を理解する。

  • シグモイド関数
  • tanh関数
  • ReLU関数
  • ソフトマックス関数

キーワードLeaky ReLU関数

関連記事活性化関数

5.5. 学習率の最適化🔝

ディープラーニングの学習に用いられるアルゴリズムである勾配降下法を理解する。そして勾配降下法にはどのような課題があり、どうやって解決するかを理解する。

  • 勾配降下法
  • 勾配降下法の問題と改善

キーワード学習率誤差関数交差エントロピーイテレーションエポック局所最適解大域最適解鞍点プラトーモーメンタムAdaGradAdaDeltaRMSpropADAMAdaBoundAMSBoundハイパーパラメータランダムサーチグリッドサーチ確率的勾配降下法最急降下法バッチ学習ミニバッチ学習オンライン学習データリーケージ

関連記事学習率の最適化

5.6. 更なるテクニック🔝

ディープラーニングの精度をさらに高めるべく考えられた数々のテクニックを理解する。

  • ドロップアウト
  • 早期終了
  • データの正規化・重みの初期化
  • バッチ正規化

キーワード過学習アンサンブル学習ノーフリーランチの定理二重降下現象正規化標準化白色化

関連記事更なるテクニック

6. ディープラーニングの手法🔝

6.1. 畳み込みニューラルネットワーク(CNN)🔝

CNNの構造を理解し、各層の役割と層間のデータの流れについて理解する。

  • CNNの基本形
  • 畳み込み層
  • プーリング層
  • 全結合層
  • データ拡張
  • CNNの発展形
  • 転移学習とファインチューニング

キーワードネオコグニトロンLeNetサブサンプリング層畳み込みフィルタ最大値プーリング平均値プーリンググローバルアベレージプーリングCutoutRandom ErasingMixupCutMixMobileNetDepthwise Separable ConvolutionNeural Architecture Search(NAS)EfficientNetNASNetMnasNet転移学習局所結合構造ストライドカーネル幅プーリングスキップ結合各種データ拡張パディング

関連記事畳み込みニューラルネットワーク(CNN)

6.2. 深層生成モデル🔝

生成モデルにディープラーニングを取り入れた深層生成モデルについて理解する。

  • 生成モデルの考え方
  • 変分オートエンコーダ(VAE)
  • 敵対的生成ネットワーク(GAN)

キーワードジェネレータ(生成器)ディスクリミネータ(識別器)DCGANPix2PixCycleGAN

関連記事深層生成モデル

6.3. 画像認識分野🔝

ディープラーニングの画像認識への応用事例や代表的なネットワーク構成を理解する。

  • 物体識別タスク
  • 物体検出タスク
  • セグメンテーションタスク
  • 姿勢推定タスク
  • マルチタスク学習

キーワードILSVRCAlexNetInceptionモジュールGoogLeNetVGGSkip connectionResNetWide ResNetDenseNetSENetR-CNNFPNYOLO矩形領域SSDFast R-CNNFaster R-CNNセマンティックセグメンテーションインスタンスセグメンテーションパノプティックセグメンテーションFCN(Fully Convolutional Netwok)SegNetU-NetPSPNetDilation convolutionAtrous convolutionDeepLabOpen PoseParts Affinity FieldsMask RCNN

関連記事画像認識分野

6.4. 音声処理と自然言語処理分野🔝

音声と言語の時系列データをモデルで取り扱うためのニューラルネットワークモデルと最新の研究成果などを理解する。

  • データの扱い方
  • RNN(リカレントニューラルネットワーク)
  • Transformer
  • 自然言語処理におけるPre-trained Models

キーワードLSTMCECGRUBidirectional RNN(双方向RNN)RNN Encoder-DecoderBPTTAttentionA-D変換パルス符号変調器高速フーリエ変換スペクトル包絡メル周波数ケプストラム係数フォルマントフォルマント周波数音韻音素音声認識エンジン隠れマルコフモデルWaveNetメル尺度N-gramBag-of-Words(BoW)ワンホットベクトルTF-IDF単語埋め込み局所表現分散表現word2vecスキップグラムCBOWfastTextELMo、Sour言語モデル、CTCSeq2SeqSource-Target AttentionEncoder-Decoder AttentionSelf-Attention位置エンコーディングGPTGPT-2GPT-3BERTGLUEVision Transformer構文解析形態要素解析

関連記事音声処理と自然言語処理

6.5. 深層強化学習分野🔝

強化学習にディープラーニングを組み込んだ深層強化学習の基本的な手法とその応用分野について理解する。

  • 深層強化学習の基本的な手法と発展
  • 深層強化学習とゲームAI
  • 実システム制御への応用

キーワードDQNダブルDQNデュエリングネットワークノイジーネットワークRainbowモンテカルロ木探索アルファ碁アルファ碁ゼロアルファゼロマルチエージェント強化学習OpenAI Fiveアルファスター状態表現学習連続値制御報酬成型オフライン強化学習sim2realドメインランダマイゼーション残差強化学習

関連記事深層強化学習

6.6. モデルの解釈性とその対応🔝

ディープラニングのモデルの解釈性の手法について理解する。

  • ディープラニングのモデルの解釈性問題
  • Grad-CAM

キーワードモデルの解釈CAM

関連記事モデルの解釈性

6.7. モデルの軽量化🔝

計算リソースが十分ではないエッジデバイス等で学習モデルを活用する方法を理解する。

  • エッジAI
  • モデル圧縮の手法

キーワード蒸留モデル圧縮量子化プルーニング

関連記事モデルの軽量化

7. ディープラーニングの社会実装に向けて🔝

7.1. AIと社会🔝

AIを利活用するための、考えるべき論点や基本となる概念を国内外の議論や事例を参照に理解する。

  • AIのビジネス活用と法・倫理

キーワードAIによる経営課題の解決と利益の創出法の順守ビッグデータIoTRPAブロックチェーン

関連記事AI利用と法・倫理

7.2. AIプロジェクトの進め方🔝

AIプロジェクトをどのように進めるか、全体像と各フェーズで注意すべき点などを理解する。

  • AIプロジェクト進行の全体像
  • AIプロジェクトの進め方
  • AIを運営すべきかの検討
  • AIを運用した場合のプロセスの再設計
  • AIシステムの提供方法
  • 開発計画の策定
  • プロジェクト体制の構築

キーワードCRISP-DMMLOpsBPRクラウドWeb APIデータサイエンティストプライバシー・バイ・デザイン

関連記事AIプロジェクトの進め方

7.3. データの収集🔝

AIの学習対象となるデータを取得・利用するときに注意すべきことや、データを共有しながら共同開発を進める場合の留意点を理解する。

  • データの収集方法および利用条件の確認
  • 法令に基づくデータ利用条件
  • 学習可能なデータの収集
  • データセットの偏りによる注意
  • 外部の役割と責任を明確にした連携

キーワードオープンデータセット個人情報保護法不正競争防止法著作権法特許法個別の契約データの網羅性転移学習サンプリング・バイアス他企業や他業種との連携産学連携オープン・イノベーションAI・データの利用に関する契約ガイドライン

関連記事学習データの収集

7.4. データの加工・分析・学習🔝

集めたデータを加工・分析・学習させるときの注意点を理解する。

  • データの加工
  • プライバシーの配慮
  • 開発・学習環境の準備
  • アルゴリズムの設計・調整
  • アセスメントによる次フェーズ以降の実施の可否検討

キーワードアノテーション匿名加工情報カメラ画像利活用ガイドブックELSIライブラリPythonDockerJupyter NotebookXAIフィルターバブルFATPoC

関連記事データの加工・分析・学習

7.5. 実装・運用・評価🔝

実際にサービスやプロダクトとしてAIシステムを世に出す局面で注意すべきことを理解する。

  • 本番環境での実装・運用
  • 成果物を知的財産として守る
  • 利用者・データ保持者の保護
  • 悪用へのセキュリティ対策
  • 予期しない振る舞いへの対処
  • インセンティブの設計と多様な人の巻き込み

キーワード著作物データベースの著作物営業秘密限定利用データオープンデータに関する運用除外秘密管理個人情報GDPR十分性制定敵対的な攻撃(adversarial attacks)ディープフェイクフェイクニュースアルゴリズムバイアスステークホルダーのニーズ

関連記事AIシステムの実装・運用・評価

7.6. クライシス・マネジメント🔝

AIプロジェクトにおいてコーポレートガバナンスや内部統制、予期せぬことが起きた場合の対応などクライシス・マネジメント(危機管理)に備えることの重要性を理解する。

  • 体制の整備
  • 有事への対応
  • 社会と対話・対応のアピール
  • 指針の作成と議論の継続
  • プロジェクトの計画への反映

キーワードコーポレートガバナンス内部統制の更新シリアス・ゲーム炎上対策とダイバーシティAIと安全保障・軍事技術実施状況の公開透明性レポートよりどころとする原則や指針Partnership on AI運用の改善やシステムの改修次への開発と循環

関連記事AIプロジェクトの危機管理

8. 数理・統計🔝

8.1. 数理・統計🔝

機械学習を行う上で最適化は重要である。最適化に必要な必要な数学基礎知識や微分を理解する。また機械学習で必要となる統計学基礎も理解する。

  • 統計検定3級程度の基礎的な知識

キーワード統計検定3級程度の基礎的キーワードと計算問題

関連記事数理・統計



コメントを残す

メールアドレスは公開されません。