勉強法

2020年 3月14日「G検定」214問 振り返り

「G検定」20年3月14日 214問振り返り

※1問目から214問目まで「リスト」にしました。下の方にあります。

昨日(3月14日)の「G検定試験」を振り返ります。

この記事は、合格発表後に出す予定でしたが、
みなさんが問題を覚えているうちに出した方がいいかなと思い、速報版としてアップします。復習などにお役立てください。

 

全214問 問題リスト

下のリストについて説明します。

■「問題」・・・・問題そのものを書いてしまうと「禁止行為」になってしまうので、問題のカテゴリーのようなものを書いています。

■「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、さらに理解を深める必要がある、普段から最新情報を収集しておく必要がある問題などは【 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ています。

番号問題対策間違いを選ぶ
1AIの歴史
2AIの歴史
3AIの歴史
4AlexNet
5ResNet
6AIの歴史
7AIの歴史
8自然言語処理・セマンティックウェブ
9自然言語処理・セマンティックウェブ
10DNNのブームの理由
11ゲームで人間に勝てるAIを作る研究
12ゲームで人間に勝てるAIを作る研究
13チューリングテスト
14ELIZA
15モラベックのパラドックス
16ディープラーニングの特徴量
17自己符号化器
18意味ネットワーク
19Cycプロジェクト
20シンボルグラウンディング問題
21フレーム問題
22ディープラーニングによって発展したもの
23知識獲得のボトルネック
24自動運転のレベル別の説明
25自動運転のレベル別の説明
26道路交通法の改正
27道路交通法の改正後、レベル3以上で条件付きで認可
28Kaggle
29arXiv
30Google Scholar
31coursera
32データ管理の仕組み
33データ管理の仕組み
34AIが生成した創作物
35AI自身のリスク
36人間がAIを利用して引き起こすリスク
37法律・社会のあり方のリスク
38AAAId
39ドローンの飛行規制
40説明可能な人工知能
41説明可能な人工知能
42ブラックボックス化
43モデルの記述可能性、複雑性を表現する概念d
44Adversarial Examples
45学習済みモデルの知的財産保護
46個人情報保護法
47Tayの事例
48不正競争防止法
49DARPA
50説明可能なAIへの投資プログラム
51AIの共同開発
52法的倫理的課題に対処する団体、ガイドライン
53EU一般データ保護規制d
54第三者の著作物の学習データ化
55AIの倫理的・法的・社会的な課題
56自動運転
57自動運転
58自動運転
59ディープフェイク
60匿名加工情報d
61個人情報保護法d
62個人情報保護法d
63個人情報保護法d
64協調フィルタリング
65内容ベースフィルタリング
66計算問題(クラス分類)
67サポートベクターマシン
68サポートベクターマシン
69サポートベクターマシン
70LSI
71LDA
72単純パーセプトロン
73活性化関数
74ベイズの定理d
75自然言語処理のフロー
76自然言語処理のフロー
77自然言語処理のフロー
78自然言語処理のフロー
79自然言語処理のフロー
80情報量
81最適化手法
82ロジスティクス回帰
83回帰問題
84機械学習の各フェーズ
85教師あり学習
86混同行列
87過学習
88単回帰分析の説明d
89クラスタリングの特徴
90重回帰分析
91グリッドサーチ
92次元削減d
93優れたモデルの検証d
94条件分岐を適切な回数に留める手法
95アンサンブル学習
96バギング
97ブースティング
98k-最近傍法
99クラスタリング
100k-平均法
101決定木
102決定木
103k-平均法
104主成分分析
105交差検証
106k-分割交差検証
107計算問題(偏微分)
108計算問題(斜辺の長さ)
109過学習の図
110ボルツマンマシン
111DNNの説明:重み・バイアス・活性化関数
112DNNの説明:重み・バイアス・活性化関数
113DNNの説明:重み・バイアス・活性化関数
114ハイパラメータ
115ハイパラメータ
116訓練誤差・汎化誤差
117訓練誤差・汎化誤差
118訓練誤差・汎化誤差
119確率的勾配降下法
120オンライン学習
121ミニバッチ学習
122バッチ学習
123PyTorch
124TensorFlow
125Caffe
126多層パーセプトロン
127過学習対策:ドロップアウト
128過学習対策:バッチ正規化
129過学習対策:データ拡張
130過学習対策:L2正則化
131自己符号化器
132データの分布を近似する生成モデル
133GANの説明
134プーリング層の説明
135RNNの説明
136自然言語処理の「注意機構」
137GAN
138変分自己符号化器d
139DQNの特徴
140深層強化学習
141損失関数
142イテレーション
143エポック
144DQN→AlphaGo→AlphaGoZero→AlphaStar
145RNNの説明:再帰構造
146RNNの説明:系列データ
147RNNの説明:情報を一時的に記憶させる
148強化学習で用いられる手法
149ステップ関数
150シグモイド関数
151ReLU関数
152ソフトマックス関数
153LSTMの説明
154LSTMの説明
155CNNの構造
156インセプションモジュールの構造
157GANの説明
158GANの説明
159Transformer
160t-SNE
161強化学習のエージェント
162強化学習の具体例
163強化学習の説明
164深層強化学習の説明
165DQN
166状態価値を学習する手法
167CNNの畳込み演算の計算
168隠れマルコフモデル
169WaveNet
170イアン=グッドフェロー
171学習率
172GoogLeNetの説明
173自然言語処理モデルd
174強化学習の適した課題
175強化学習の説明
176R-CNNの説明d
177方策勾配法の説明d
178価値反復法の説明d
179誤差逆伝播法の説明
180CNNの説明
181一般物体検知・セグメンテーション
182ImageNetの説明
183CIFARの説明d
184MNISTの説明
185アンサンブル学習
186VGG16
187LSTMのゲート数
188画像処理に関連する技術
189PB→EB→ZB→YB
190強化学習の動向
191深層強化学習
192マルチモーダル
193一気通貫学習
194キャプション生成
195照応解析
196談話構造解析
197様々な分野でのディープラーニング
198Word2Vecの説明:skip-gram
199Word2Vecの説明:CBOW
200言語処理技術:BERT
201言語処理技術:BERT
202行動価値関数Qの説明d
203単語埋め込みモデルの説明
204RNNのモデルではないもの
205単語や文章の表現を得られないモデル
206単語埋め込みモデルでないもの
207n-gram
208構文解析の説明
209分散表現の説明
210物体検出の説明
211セマンティックセグメンテーションの説明
212OCRの説明
213事前学習の手法
214転移学習d

 

難易度を変えようとする考えは「ない」

2020年1月に掲載された「日本ディープラーニング協会事務局長へのインタビュー」の中で、『今後 試験難易度が大きく変わっていくといった可能性はありますか?』という質問に対して、事務局長はこう答えています。

こちらで難易度を変更しようとするような話は一切ございません

一方でGもEも年度ごとに出題すべき問題が変わるので、結果として難易度が変わる可能性はあります。

これについてもう少し掘ってお話すると、GもEもなんですが、それぞれ試験合格者にお渡しするロゴがあり、合格した年の年号が入っています。

G検定などで学ぶ内容って日々アップデートされるものなので、毎回問題が変わってくるのです。例えば昨年2019年に行った試験では2018年に出てきたBERTやELMoのような「新しい技術で知っておくべきもの」が出題されました。

当然2017年で受験された方はこうした問題には触れてこなかったわけです。
このように試験問題が更新されていくことで、難易度にもある程度影響は出ていると思います

(中略)

また、こうした最新技術に関する知識は日々アップデートしていかなければならないので、GやEは「いつ取ったのか」という点も大切になってくる資格でもあります

資格Times』より

 

最新技術に関する知識は日々アップデートしていかなければならないと、ハッキリ言ってますね。

『G検定 公式テキスト』とは別に、事務局が注目して欲しいと思っている「最新技術・法令など」をコンパクトにまとめた安い本が出てくれると受験者の方は助かるんでしょうね。

『AI白書』は、高額で大ボリュームすぎるので、多くの方にとっては負担が大きすぎますから。

それでは、またお会いしましょう。