勉強法

2019年 7月 6日「G検定」226問 振り返り

G検定試験振り返り

第5回目の「G検定」が、7月6日(土)に行われました。

周りで受験した方達の合否の結果・勉強方法・勉強時間なども踏まえて、今回の試験の特徴や難易度などを考えてみたいと思います。

※1問目から226問目までを「リスト」にしました。下の方にあります。

難易度は、第1回目から変わっていません。
内容もあまり変わらず、「機械学習とディープラーニングの概要と様々な技術」、「AIの歴史」が定番問題として出題され、「AIの各種サービス・法整備」についての問題、「ITの基礎知識」を問う問題、そして数式問題が出題されました。

 

不合格でも、落ち込こまないで

今回、合格率が「71.3%」で、Twitterのタイムラインには『合格しました』というコメントが多かったため、不合格だった方は落ち込んでしまうかもしれませんが、あまり落ち込む必要はありません。

なぜなら、G検定は「難しい試験」だからです。

現に、取引先の方で『G検定 公式テキスト』と『徹底攻略 G検定 問題集』の2冊だけ読んだという方は、不合格になってしまいました。既に業務でAIの仕事をされている方です。

逆に、合格された方のブログには『模擬問題の正解率が98%になるまで勉強した』『模試の正解率を9割程度になるまで、10回以上繰り返した』と書かれていたり、公式テキストの要点を紙に書き出して理解しようとした方もいます。

公式テキストと問題集

ここから分かるように、AIに関わっている人であっても、試験対策が足りないと合格できない試験です。私も第1回目の試験は不合格でした。第1回目と第2回目は、公式テキストと問題集が無かったとはいえ、「体系的に理解しておく」「タイムマネージメントを検討しておく」という試験対策が足りなかったと反省しています。

 

次回こそ、合格するために

私が教えている方たちに、受験全体を録画してもらい、休み明けに答え合わせをしてもらいました。そこから、大きな特徴が見て取れました。

「人に説明できるぐらいの理解度まで持っていけた方は、半分以上ある定番問題については問題を読むスピードも早く、一瞬で答えている。結果として30分以上時間が余っている」

この方々は、暗記するというよりも、理解することを目標にして「他の書籍やネットでも調べる」という取り組みをしていました。

早い段階で、問題集とオンライの模擬試験を解いて『こういうところが試験に出るのか』と、G検定が大切にしているエリアを掴んでしまいましょう。そのエリアに関して「公式テキストを読んでも、理解しづらい」ところが出てくるので、以前紹介した書籍や本へ進んでいってください。

確かな「理解」が出来ていれば、問題の文章がどのように変化しても、1問15秒以内で解けるようになります。さらに、定番問題は半数以上を占めるので、本番で時間管理で失敗することもありません。

「理解する」ことが、この試験の本当の目的になります。
『自信なかったけど、合格してました』となってしまって勉強を止めてしまってはそれこそ損です。

自信を持ってお客様に説明できるようになったという、うちのスタッフは、普段の情報収集やエンジニアとのやり取りでも、受験後に大きな変化があったと言っています。

 

全226問 問題リスト

下のリストについて説明します。

■「問題」・・・・問題自体書いてしまうと「禁止行為」に触れてしまうので、問題のカテゴリーのようなものを書きました。

■「対策」・・・・紹介した勉強をしておくと解ける問題を【 ○ 】としました。より踏み込んで情報収集するなり、掘り下げた対策をしておく必要がある問題を【 d = deep 】としました。

■「間違いを選ぶ」・・・・『正しくない~/不適切な~/関連のない~/指していない~/含まれない~選択肢を選べ』という問題に、チェックマークを付けました。

番号問題対策間違いを選ぶ
1AIの歴史
2AIの歴史
3AIの歴史
4ネットワークの名称
5ネットワークの名称
6AIの歴史
7AIの歴史
8知識表現
9知識表現
10DLブームの理由
11ディープブルーの話
12ディープブルーの話
13用語の意味
14チューリングテスト
15イライザ
16モラベックのパラドックス
17DLの説明d
18自己符号化器の説明
19統計的機械翻訳d
20ローブナーコンテスト
21意味ネットワーク
22Cycプロジェクト
23シンボルグラウンディング問題
24フレーム問題
25DLによって発展したもの
26知識獲得のボトルネック
27改正著作権法
28法律問題d
29自然言語処理の産業応用例
30学習済みモデルの管理保護
31自動運転
32自動運転
33自動運転
34自動運転
35損害の責任d
36AIの倫理的な問題
37Googleフォトの問題
38自動運転d
39アメリカの自動運転d
40個人特性や行動特性に関する法律d
41自立型致死兵器
42無料プラットフォーム
43無料プラットフォーム
44無料プラットフォーム
45無料プラットフォーム
46EU一般データ保護規制
47韓国科学技術院KAISTの問題
48データやモデルの保護d
49データやモデルの保護
50システム開発時の委託者と受託者の義務d
51ディープラーニングの説明困難性
52DARPA
53データ管理の仕組みd
54データ管理の仕組みd
55AIの開発速度向上のエコシステムd
56パートナーシップAI
57全世界でAIに携わっている企業d
58殺人ロボット3段階
59FATという研究領域
60FATという研究領域
61FATという研究領域
62AIの社会実装に向けた課題
63教師あり・なし・強化学習の説明
64教師あり・なし・強化学習の説明
65教師あり・なし・強化学習の説明
66協調フィルタリング
67内容ベースフィルタリング
68クラスタリング
69k-means法
70アンサンブル学習の手法
71計算問題:分類問題のパーセプトロン
72SVMの説明
73SVMの説明
74SVMの説明
75SVMの説明
76計算問題:偏微分
77トピックモデル・特異値分解を適用
78トピックを潜在変数としてモデル化
79決定木の説明
80決定木の説明
81単純パーセプトロン
82活性化関数
83アフィン変換に含まれないもの
84ベイズ定理を示す数式
85モデルの性能を向上させるための工夫
86バギング
87ブースティング
88過学習の対策d
89過学習の対策
90汎化誤差d
91汎化誤差d
92汎化誤差d
93評価指標
94評価指標
95評価指標
96評価指標
97自然言語処理分野
98自然言語処理分野
99自然言語処理分野
100自然言語処理分野
101自然言語処理分野
102教師なし学習
103教師なし学習
104計算問題:F値
105正則化について述べたもの
106スパースなデータ
107ロジスティック回帰の説明
108ロジスティック回帰の説明
109ロジスティック回帰の説明d
110交差検証の説明d
111交差検証の説明
112情報理論についての説明d
113情報理論の説明d
114ディープラーニングの説明
115ディープラーニングの説明
116ノーフリーランチ定理
117DNNの説明
118DNNの説明
119DNNの説明
120ハイパーパラメータ
121学習率
122GPUの説明
123TensorFlow
124Pytorch
125Chainer
126Define and Run
127過学習の説明
128勾配降下法の説明
129勾配降下法の説明
130データ母集団に対する誤差の期待値
131確率的勾配降下法
132逐次学習
133ミニバッチ学習
134バッチ学習
135勾配消失
136鞍点
137DNNの説明
138自己符号化器の説明
139自己符号化器の説明
140自己符号化器の説明
141イテレーション・エポック
142イテレーション・エポック
143カプセルネットワークd
144カプセルネットワークd
145データベース・並列処理の説明d
146データベース・並列処理の説明d
147データベース・並列処理の説明
148バーニーおじさんのルール
149ジェフリー・ヒントンの開発d
150過学習対策
151過学習対策
152過学習対策
153過学習対策
154CNNの説明
155CNNの説明
156CNNの説明
157RNNの説明
158RNNの説明
159RNNの説明
160強化学習の説明
161強化学習の説明
162強化学習で用いられる手法d
163様々な活性化関数
164様々な活性化関数
165様々な活性化関数
166様々な活性化関数
167tanh関数の説明
168tanh関数の説明
169LSTMの説明
170LSTMの説明
171ファインチューニングの説明
172ネットワークの重みの初期値の説明
173RNNの説明
174画像の前処理
175画像の前処理
176画像の前処理
177学習データが集まらない場合の対処d
178学習率の説明
179学習率の説明
180学習率の説明
181RNNの説明
182計算問題:CNNの出力画像のサイズ
183DNNの説明
184インセプションモジュール
185Skip Connection
186RNNの応用モデル
187GANの説明
188GANの説明
189AlphaStarの重み更新d
190deep mind社の開発履歴d
191自然言語処理・トランスフォーマーd
192VAEと関連のない単語d
193生成モデルと識別モデルの説明d
194t-SNEの「t」の説明d
195物体検出の説明
196セマンティックセグメンテーション
197OCRの説明
198形態素解析の説明
199構文解析d
200分散表現d
201IOTの説明d
202エッジコンピューティング
203ロボティクス分野
204ロボティクス分野
205ロボティクス分野
206センチメント分析についての説明d
207含意関係認識についての説明
208キャプション生成
209スマートスピーカー・音声解析d
210スマートスピーカー・音声解析d
211照応解析の説明d
212談話構造解析の説明d
213AlphaGo
214強化学習の動向
215物体認識
216物体認識d
217物体認識d
218DNNの応用
219画像処理に関連する技術d
220Word2Vecの説明
221Word2Vecの説明
222言語処理技術d
223言語処理技術d
224データ量の単位d
225強化学習のSARSA学習d
226行動価値関数Qの説明

 

dを付けた問題は「49問」、計算問題は「4問」、間違いを選ぶ問題が「13問」でした。そして、選択肢の中に『上記すべて~』があり、それが正解となった問題が「3問」ありました。

計算問題は、解くテンポが崩れるので「チェックマーク」を付けて、最後に解くといいでしょう。最悪時間がなくて、解けなくても4問程度です。

11月の試験は、狙い目

G検定は、今後、試験形式や内容が大きく変化していく可能性があります。
合格率が高すぎて不満の声も上がっているので、合格ラインが上がる可能性もあります。

2019年最後の「11月」の試験は、まだそのような変化は「無い」と予想しますので、ぜひ11月の試験で合格を果たしてください。