第６回目の「G検定」が、11月９日(土)に行われました。
※１問目から226問目まで「リスト」にしました。下の方にあります。
今回も『公式テキスト』と『徹底攻略 ディープラーニングG検定』の２冊でしっかり勉強していれば、226問中の179問（約８割）は解けるようになっていました。
前回出題された『AI白書2019』からの時事問題は、2017年の集計を踏まえた問題だったので、そういった古い情報を問う問題がなくなった点は良かったと思います。
2020年から試験内容は「変わる？変わらない？」
2017年の試験から、G検定が受験者に対して『ここは大事だから、理解してね』という部分は変わっていないので、今後もその部分は変わらないと思います。
変わるとしたら以下の３つかなと予想しています。
１，合格／不合格だけでなく、「正解数」の導入
２，ビジネス寄りの問題の増加
３，不親切なところの改善
G検定の合格はあくまで「通過点」で、そこから勉強を続けて自分の仕事に活かせるまでになることが目標なので、単に「合格」と伝えるよりも『あなたは、まだこんなに不正解が多いですよ』と伝えてあげた方が本人のためにもいいでしょう。
Twitterでの合格コメントには、毎回『こんなんで合格できた。試験としてどうなんだ？』という感想が出てきており、せっかく合格してもモヤモヤした気持ちが残るのは単に合格・不合格という情報しかないためかなと思います。
TOEICのような「スコア」にしてしまうと、そのスコアの算出方法に対してモヤモヤとした気持ちを持たれてしまうので、シンプルに正解数もしくは不正解数がいいと思います。いっそのこと点数制にするなら「ジェネラリスト検定」という名称を止めて、「ジェネラリスト試験」とリニューアルしてもいいかもしれませんね。
次に、「ビジネス寄りの問題の増加」です。
日本ディープラーニング協会が定義している「ジェネラリスト」が、
ディープラーニングの基礎知識を有し、適切な活用方針を決定して事業応用する能力を持つ人材
となっているので、もっとビジネス寄り・現場寄りの問題も増えていくのかなと予想しています。具体的には『G検定 公式テキスト』の第８章と第９章の中の「アセスメント→PoC→開発→追加学習」や「ウォータフォール型／アジャイル型」などでしょうか。
３番目の「不親切なところの改善」です。
『この中から不正解を選びなさい。』という問題が出題されます。このタイプの問題は『この中から不正解を選びなさい。』と文字を太字にして大きくするなど改善してほしいですね。
「問題文を正確に読んでいる／正確な対応ができる」ことを測る試験ではないので、それぐらいの配慮は必要かと思います。（TOEIC試験でも、NOT問題は「NOT」が太字になっていたと思います）
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」・・・・『公式テキスト』と『徹底攻略 ディープラーニングG検定』だけでなく、さらに掘り下げた対策をしておく必要がある問題などは【 d = deep 】としました。
■「間違い選ぶ」・・・・『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ています。
| 番号 | 問題 | 対策 | 間違いを選ぶ |
| 1 | AIの歴史 | ||
| 2 | AIの歴史 | ||
| 3 | AIの歴史 | ||
| 4 | AlexNet | ||
| 5 | ResNet | ||
| 6 | AIの歴史 | ||
| 7 | AIの歴史 | ||
| 8 | 自然言語処理 | ||
| 9 | セマンティックウェブ | ||
| 10 | DNNのブームの理由 | ✔ | |
| 11 | ディープブルー | ||
| 12 | ディープブルー | ||
| 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 | ||
| 17 | ディープラーニングの特徴量 | d | |
| 18 | 自己符号化器 | d | |
| 19 | ローブナーコンテスト | ||
| 20 | 意味ネットワーク | ||
| 21 | Cycプロジェクト | ||
| 22 | シンボルグラウンディング問題 | ||
| 23 | フレーム問題 | ||
| 24 | DeepLearningによって発展したもの | ||
| 25 | 知識獲得のボトルネック | ||
| 26 | AI 効果 | ||
| 27 | 改正著作権法30条の4第の2号 | d | |
| 28 | 自然言語処理の産業応用例 | d | |
| 29 | 学習済みモデルの権利保護 | d | |
| 30 | 自動運転のレベル別の説明 | ||
| 31 | 自動運転のレベル別の説明 | ||
| 32 | 道路交通法の改正 | d | |
| 33 | 道路交通法改正後のレベル３ | d | |
| 34 | AIによる事故の責任 | d | |
| 35 | マイクロソフトの「Tay問題」 | ||
| 36 | Googleフォトの「ゴリラ問題」 | ||
| 37 | 自動運転の日本とアメリカの状況 | d | |
| 38 | 自動運転の日本とアメリカの状況 | d | |
| 39 | 個人属性や行動特性の法律ガイドライン | d | ✔ |
| 40 | 自立型致死兵器 LAWS | d | ✔ |
| 41 | Kaggle | ||
| 42 | arXiv | ||
| 43 | Google Scholar | ||
| 44 | coursera | ||
| 45 | EU一般データ保護規制 GDPR | ✔ | |
| 46 | 韓国科学技術院KAISTの問題 | ✔ | |
| 47 | データやモデルの保護 | d | |
| 48 | データやモデルの保護 | d | |
| 49 | システム開発で委託者と受託者の義務 | d | ✔ |
| 50 | DLの説明困難性への試み | d | |
| 51 | DLの説明困難性への試み | d | |
| 52 | データ管理の仕組み | d | |
| 53 | データ管理の仕組み | d | |
| 54 | 論文閲覧サイトと実装コードサイト | ||
| 55 | パートナーシップAI | ||
| 56 | 殺人ロボット３段階 | d | |
| 57 | FATという研究領域 | ||
| 58 | FATという研究領域 | ||
| 59 | FATという研究領域 | ||
| 60 | AIの社会実装に向けた課題 | d | ✔ |
| 61 | 蒸留モデル | ||
| 62 | 2019年3月の日本政府のAI戦略 | d | |
| 63 | 2019年3月の日本政府のAI戦略 | d | |
| 64 | 最新の言語処理手法 | d | |
| 65 | AIの不平等が起こる原因 | ✔ | |
| 66 | 著作権法 | d | |
| 67 | 再現性の危機 | d | ✔ |
| 68 | 教師あり／なし学習／強化学習 | ||
| 69 | 教師あり／なし学習／強化学習 | ||
| 70 | 教師あり／なし学習／強化学習 | ||
| 71 | 協調フィルタリング | ||
| 72 | 内容ベースフィルタリング | ||
| 73 | クラスタリング | ||
| 74 | k-means法 | ||
| 75 | 勾配ブースティング | ||
| 76 | 計算問題：パーセプトロン | ||
| 77 | SVMの説明 | ||
| 78 | SVMの説明 | ||
| 79 | SVMの説明 | ||
| 80 | 計算問題 | ||
| 81 | LSI | ||
| 82 | LDA | ||
| 83 | 決定木の説明 | ||
| 84 | 決定木の説明 | ||
| 85 | 単純パーセプトロン | ||
| 86 | 活性化関数 | ||
| 87 | アフィン変換 | d | |
| 88 | ベイズ定理の式 | d | |
| 89 | 過学習への対策 | ||
| 90 | 過学習への対策 | ||
| 91 | 正答率・適合率・再現率・F値 | ||
| 92 | 正答率・適合率・再現率・F値 | ||
| 93 | 正答率・適合率・再現率・F値 | ||
| 94 | 正答率・適合率・再現率・F値 | ||
| 95 | 形態素解析 | ||
| 96 | クレンジング | ||
| 97 | BoW | ||
| 98 | TF-IDF | ||
| 99 | Word2vec | ||
| 100 | k-means | ||
| 101 | 主成分分析 | ||
| 102 | F値の計算問題 | ||
| 103 | 正則化 | ||
| 104 | スパースなデータ | ||
| 105 | ロジスティック回帰の説明 | ||
| 106 | ロジスティック回帰の説明 | ||
| 107 | ロジスティック回帰の説明 | ||
| 108 | 交差検証の説明 | ||
| 109 | 交差検証の説明 | ||
| 110 | 情報量は情報の珍しさを示す | d | |
| 111 | 情報理論についての説明 | d | |
| 112 | 活性化関数 | ||
| 113 | 過学習をしている状態のグラフ | ||
| 114 | ボルツマンマシン | d | |
| 115 | 重み | ||
| 116 | バイアス | ||
| 117 | 活性化関数 | ||
| 118 | ハイパーパラメータ | ||
| 119 | 学習率 | ||
| 120 | 訓練誤差・汎化誤差 | ||
| 121 | 訓練誤差・汎化誤差 | ||
| 122 | 訓練誤差・汎化誤差 | ||
| 123 | 確率的勾配降下法 | ||
| 124 | オンライン学習 | ||
| 125 | ミニバッチ学習 | ||
| 126 | バッチ学習 | ||
| 127 | 自己符号化器 | ||
| 128 | 自己符号化器 | ||
| 129 | 自己符号化器 | ||
| 130 | イテレーション・エポック | ||
| 131 | イテレーション・エポック | ||
| 132 | 教師ありなし学習／強化学習 | ||
| 133 | CNN・RNN | ||
| 134 | CNN・RNN | ||
| 135 | CNN・RNN | ||
| 136 | CNN・RNN | ||
| 137 | Chainar | ||
| 138 | TensorFlow | ||
| 139 | Caffe | d | |
| 140 | Keras | ||
| 141 | 多層パーセプトロン | ||
| 142 | 順伝播型 | ||
| 143 | ドロップアウト | ||
| 144 | バッチ正規化 | ||
| 145 | データ拡張 | ||
| 146 | L2正則化 | ||
| 147 | DQN→AlphaGo→Zero→Star | d | |
| 148 | グレースケール化 | ||
| 149 | 平滑化 | ||
| 150 | ヒストグラム平坦化 | ||
| 151 | 順伝播型NN | ||
| 152 | 畳み込み層 | ||
| 153 | プーリング層 | ||
| 154 | 再帰構造 | ||
| 155 | 系列データ | ||
| 156 | RNNの説明 | ||
| 157 | 強化学習で用いられる手法 | d | ✔ |
| 158 | ステップ関数 | ||
| 159 | シグモイド関数 | ||
| 160 | ReLU関数 | ||
| 161 | ソフトマックス関数 | ||
| 162 | LSTMの説明 | ||
| 163 | LSTMの説明 | ||
| 164 | 多層構造 | ||
| 165 | 並列構造 | ||
| 166 | GANの説明 | ||
| 167 | GANの説明 | ||
| 168 | Transformerの特徴 | d | ✔ |
| 169 | t-SNEの「t」の説明 | d | |
| 170 | 強化学習のエージェント | ||
| 171 | 強化学習の具体例 | ||
| 172 | 強化学習の説明 | ✔ | |
| 173 | 深層強化学習の説明 | ||
| 174 | DQN | ||
| 175 | 強化学習の手法 | d | |
| 176 | 方策関数ベースの強化学習 | ||
| 177 | 累積報酬最大化方策を勾配で学習 | d | |
| 178 | 強化学習の説明 | ||
| 179 | 強化学習の説明 | ||
| 180 | 強化学習の説明 | ||
| 181 | 強化学習の問題点 | ||
| 182 | 強化学習の問題点 | ||
| 183 | 強化学習の問題点 | ||
| 184 | 強化学習の問題点 | d | |
| 185 | 強化学習の問題点 | ||
| 186 | CNNの「出力画像のサイズ」 | ||
| 187 | 既存モデルの再利用 | ||
| 188 | 既存モデルの再利用 | d | |
| 189 | 隠れマルコフモデル | d | |
| 190 | WaveNet | ||
| 191 | イアン＝グッドフェロー | ||
| 192 | GPU | ||
| 193 | 学習率 | ✔ | |
| 194 | GoogleNetの説明 | ||
| 195 | LSTMのゲート数 | ||
| 196 | 画像処理に関連する技術 | d | |
| 197 | PB→EB→ZB→YB | ||
| 198 | 強化学習の動向 | d | |
| 199 | 深層強化学習 | ||
| 200 | マルチモーダル | ||
| 201 | 一気通貫学習 | ||
| 202 | キャプション生成 | ||
| 203 | 照応解析 | ||
| 204 | 談話構造解析 | ||
| 205 | R-CNN | ||
| 206 | YOLO | ||
| 207 | SSD | ||
| 208 | DLの様々な分野への応用 | ||
| 209 | Word２Vecの説明 | ||
| 210 | Word２Vecの説明 | ||
| 211 | BERTの説明 | d | |
| 212 | BERTの説明 | d | |
| 213 | 行動価値関数Qの説明 | d | |
| 214 | 単語埋め込みモデルの説明 | ||
| 215 | RNNでは無いもの | ||
| 216 | 単語や文章表現を得られないモデル | ||
| 217 | 単語埋め込みモデルでないもの | ||
| 218 | Attention | ||
| 219 | RNN・CNN | ||
| 220 | n-gram | d | |
| 221 | 形態素解析 | ||
| 222 | 構文解析 | ||
| 223 | 分散表現 | ||
| 224 | 物体検出 | ||
| 225 | セマンティックセグメンテーション | ||
| 226 | OCR |
「間違いを選ぶ」問題が、意地悪なタイミングで出てくるので注意したいところです。
前回の問題リストと併せて見てみると、出題範囲がつかめると思います。それを踏まえて勉強するのが最も効率的だと思います。
2020年の最初の試験は、３月14日になります。
