JDLAのG検定、初試験で一発合格

JDLA(日本ディープラーニング協会)のG検定というのが12/16(土)に実施された。

遅ればせながらツイッターに流れてきて試験日を知り、12/4に申し込んだ。

結構難しくて、落ちたかなと思った。

なんとか?合格していました。今回は、受験者1448人、合格者823人。合格率にして57%。

対策日数は10日間だけれども、やったことを書く。

受験の動機 {#-}

受験の動機は、ディープラーニングの知識を持っていることを資格を保持することで示したかったから。社内にAIを扱っているプロジェクトがあり、そこに移りたいと何度も上司に言っているのだが、受け入れてくれない。なので、資格を持つことで、ディープラーニングの知識を有していることを示したいと思った。

G検定とは {#g-}

以下の通り

  • 目的:ディープラーニングに関する知識を有し、事業活用する人材(ジェネラリスト)の育成
  • 概要: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
  • 試験概要:120分、100問(表示される問題数は232問)、多肢選択式、オンライン受験(自宅受験)
  • 受験料:12,960円(税込)
  • 試験日:2017/12/16(土) 13:00-15:00

受験料が高い。あとは、オンライン試験ということで、自宅で受けることが可能なところがポイント。100問とかかれているが、実際は232問出されて、とても分量が多い。私は20分くらい余ってようやく問題を解ききったが、さくさく解いていかないと、時間がなくなる。

シラバス(2017/12) {#-2017-12-}

まずは、シラバスをチェック。

協会活動 | 一般社団法人 日本ディープラーニング協会 Japan Deep Learning Association

  • 人工知能(AI)とは(人工知能の定義)
  • 人工知能をめぐる動向

    • 探索・推論、知識表現、機械学習、深層学習
  • 人工知能分野の問題

    • トイプロブレム、フレーム問題、弱いAI、強いAI、身体性、シンボルグラウンディング問題、特徴量設計、チューリングテスト、シンギュラリティ
  • 機械学習の具体的手法

    • 代表的な手法、データの扱い、応用
  • ディープラーニングの概要

    • ニューラルネットワークとディープラーニング、既存のニューラルネットワークにおける問題、ディープラーニングのアプローチ、CPU と GPU
    • ディープラーニングにおけるデータ量
  • ディープラーニングの手法

    • 活性化関数、学習率の最適化、更なるテクニック、CNN、RNN
    • 深層強化学習、深層生成モデル
  • ディープラーニングの研究分野

    • 画像認識、自然言語処理、音声処理、ロボティクス (強化学習)、マルチモーダル
  • ディープラーニングの応用に向けて

    • 産業への応用、法律、倫理、現行の議論

実際、どこがでるかというと、まんべんなく出る。このシラバス通りに出る。不明なキーワードはすべて調べ、関連する話題も読んでおかないと、解けない。

自分の対策 {#-}

推薦書籍は3つある。

  • AI白書 2017 (編)独立行政法人情報処理推進機構 AI白書編集委員会 角川アスキー総合研究所
  • 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 角川EPUB選書 (著)松尾 豊 KADOKAWA
  • 深層学習 機械学習プロフェッショナルシリーズ (著)岡谷 貴之 講談社

申し込みから試験まで、10日しかなかったので、とりあえず推薦本の一つである、人工知能は人間を超えるかを丁寧に読んだ。

ディープラーニングは今年から勉強を開始したので、ディープラーニングや機械学習の問題が出てくれれば解けるだろうと思っていた。その憶測は正しかった。ディープラーニングや機械学習の問題は簡単だった。

IA白書を買ったのだが、これは分厚く、とても読めなかった。ここから出題された問題もいくつかあったが、正直これは捨て問だと思う。この厚い本を読んで、その一部の情報が記憶に残るとは思わない。

よって、機械学習やディープラーニングで点を稼ぎ、 AIの歴史は松尾本でここも落とさずに点数をとり、それ以外のほとんどの人がわからない問題は捨てる、という戦略が必要。

感想 {#-}

難しい・・・というか、正確にいうと知らない問題は全く知らない。わかる問題は解ける。とにかく、問題数が多いのだ。オンライン試験なので、調べようと思えば調べられるが、その余裕を与えないための配慮だと思う。調べていたら、時間切れになるようにできている。

とにかく、出題範囲が広いのと問題数が多いのが特徴。という意味で、難しい。

半分くらいはディープラーニングではなくて、その関連知識の問題だった。歴史についてだったりAIについての考え方だったり。このあたりは、知らない問題はまったく手が出せずに捨てた。AI白書を読めば載っていることだろうが、あの本は分厚いので読む気にはならない。機械学習とディープラーニングの問題は優しく、ここで点数を稼いだ。

E検定に向けて {#e-}

G検定が受かったので、次はE検定を目指す。こちらは、推薦書籍の3つ目が中心に出題されることが予想される。

しかし、この本難しいので、自分は最近発売された以下の本を中心にまずは進めようと考えている。

それとともに、E検定では実技試験が課せられる。これはコーディングをするということなのだろうか?現時点での情報では、そこまでは読み取れないが。とはいえ、なんらかのフレームワークを使って実装するスキルを磨いておきたいところだ。

最近注目してる、PyTorchを学習することにする。チュートリアルやUdemyの動画で学習を進めていく。