勉強法

2020年 11月7日「G検定」191問 振り返り

G検定 20年11月試験

昨日11月7日に、第9回目の「G検定」が行われました。その「191問」をリスト化しました。※下の方にあります

G検定を運営している日本ディープラーニング協会(JDLA)の岡田事務局長が、「合格ライン・合格率」について話していた事があり、その中で『絶対評価か?相対評価か?は明かしていない。両方の視点と考えてほしい。これは知っておいてほしいという問題はある』と発言していました。

過去8回受験してきて、そして、周りの受験者の結果と勉強内容をまとめてきての予想ですが、「JDLAが重要視している問題」は、『公式テキスト』の中で扱われている内容で、その問題に正解していれば、合格としているのかもしれません。

今回新しく出た問題の一部に、以下があります。
・ガウシアン/ラプラシアンピラミッド
・HOG特徴量
・コサイン類似度
・SMOTE
・ポアソン回帰
・ベルマン方程式
・データリーケージ
・カルマンフィルター
・ROIプーリング

これらの問題は、現時点で最新の「対策本」である、この2冊でも扱われていません。
要点整理から攻略する『ディープラーニング G検定 ジェネラリスト』
最短突破 ディープラーニングG検定(ジェネラリスト) 問題集

2020年新刊2冊

このような問題に正解できなくても、不合格にはならないと思いますので安心して下さい。

 

全191問 問題リスト

下のリストについて、簡単に説明します。

■「不正解を選ぶ」・・・『正しくない~/不適切な選択肢を選べ』という問題に、【✔=チェック】を付けています。

■「対策」・・・以下の「3冊」に加えて、本の中に出ているキーワードを掘り下げて調べたり、AIの最新情報を収集するなどの対策が必要だと感じた問題を、【 ⚠=注意 】としました。

『G検定 公式テキスト』
『徹底攻略 ディープラーニングG検定 問題集』
『これ1冊で最短合格 ディープラーニングG検定 要点整理テキスト問題集』

お薦め3冊

⚠・・・・・・・・・62問
不正解を選ぶ・・・・25問

番号問題対策
不正解を選ぶ
1相関係数の説明
2XAIへの投資プログラムでの試み
3LSI
4蒸留
5音声データの処理の説明
6EfficientNetの説明
7XAIの説明
8ガウシアン/ラプラシアンピラミッド
9協調フィルタリング
10ランダムフォレスト・決定木
11双方向リカレントニューラルネットワーク
12物体検出の説明
13深層強化学習の説明
14相関係数と偏差の説明
15スラック変数の説明
16構文解析の説明
17OCRの説明
18計算グラフの「値」
19HOG特徴量を用いた画像認識の説明
20DQN
21音声認識エンジン
22自動運転レベル3
23バイアス・バリアンス・ノイズ
24AlexNet
25XAIの説明
26混同行列
27CNNを用いた画像認識モデルの説明
28強化学習に適した課題を選ぶ
29コサイン類似度の性質の説明
30誤差逆伝播法の説明
31アンサンブル学習の説明
32Partnership on AI、倫理的に調和した設計、人間中心のAI社会原則
33意味ネットワーク
34発明者に関する説明
35汎化性能
36ハイパーパラメータに該当する要素
37信頼性を備えたAI~、倫理的に~、Partnership on AI
38ドロップアウト
39談話構造解析
40TF-IDF
41ディープ・フェイク
42勾配消失問題の説明
43ミニバッチ学習
44MAMLの説明
45RNNにおける教師強制の説明
46DNNの説明
47セマンティック・ウェブ
48RNNの利点
49DNNの説明
50セマンティックセグメンテーションの説明
51作動状態記録装置
52個人情報保護法の説明
53照応解析の説明
54RNN Encoder-Decoderの中間層の説明
55第3次AIブームの説明
56BoWの説明
57強化学習を導入するメリット
58ディープブルーの性能
59GPUを用い並列でネットワーク構造を探索できる手法
60深層強化学習の「問題と報酬」の説明
61ディープブルーの探索手法の課題
62XAIに関するワークショップ
63強化学習の手法の説明
64自然言語処理の手法
65グローバルアベレージプーリングの説明
66SMOTEの説明
67営業秘密の説明
68CIFARの説明
69事前学習の説明
70データの分布を近似する生成モデル
71多クラス分類の出力層での活性化関数
72営業秘密の説明
73行動価値関数Qの説明
74KAIST問題の説明
75多層パーセプトロンの説明
76XAIの説明
77LSTMの計算コストの削減を実現した手法
78強化学習のactor-critic法の説明
79NNの学習の目的
80多クラスの物体認識データセットでの正解ラベルの扱い
81LeNet → AlexNet → GoogLeNet → ResNet
82arXiv、GitHub
83匿名加工情報
84ポアソン回帰
85混同行列の説明
86過学習をしている状態
87行動価値関数に関するベルマン方程式
88スキップグラムの説明
89エキスパートシステム
90パディング
91RNNと自己回帰モデルの違い
92状態空間モデルの説明
93一般物体検知とセグメンテーション:アルゴリズム分類
94Early Stoppingの説明
95GANの説明
96欧州委員会の「AIに関する倫理ガイドライン」
97顔認識技術の動向
98確率的勾配降下法の説明
99AI社会実装で生じる倫理・法・社会的な課題への対処
100バッチ正規化の説明
101L2正則化
102自然言語処理
103ImageNetの説明
104ランダムフォレストの利点
105シンボルグラウンディング問題
106AI共同開発において留意すべきこと
107個人情報保護法の説明
108複数の決定木の実測値と予測値の誤差を最小にする手法
109データ拡張の説明
110決定木を分類問題に適用する際の基準
111U-Netが用いられるタスク
112正則化項を加えモデルを学習させた際の評価値の変化
113音声認識におけるメル尺度の考えが重要な理由
114RPAの説明
115U-Netの構造
116Cycプロジェクト
117統計的な音声合成手法の一つ
118ResNet
119特徴点抽出の手法
120用語と説明の組み合わせ
121個人情報保護法に関して
122学習率の説明
123収集生成データや学習済みモデルの知的財産の保護
124GoogLeNetの説明
125転移学習とファインチューニングの説明
126個人情報保護法の説明
127単語埋め込みモデル
128統計的自然言語処理
129イテレーション
130アンサンブル学習
131個人情報保護法の説明
132ディープラーニング盛り上がりの理由
133GDPRの説明
134ベイズ推定の説明
135MNISTの説明
136k-means法
137A3C
138データ拡張
139発明に関する説明
140多クラス分類で用いる関数
141adversarial example
142バッチ学習、オンライン学習、ミニバッチ学習
143営業秘密と限定提供データの説明
144単純パーセプトロン
145RNNの問題点
146検証データにデータリーケージがあった場合の影響
147マックスプーリングの説明
148カルマンフィルターが用いられている技術
149異なる音声データを比較する際の手法
150ドロップアウトの説明
151define-by-runとdefine-and-runの説明
152NNの多層化に貢献した活性化関数
153モーメンタムの考え方を適用した手法
154キャプション生成の説明
155自己回帰モデル(ARモデル)による分析対象例
156OpenAI
157XAIの説明
158次元圧縮や高次元データ可視化のアルゴリズム
159マルチモーダル
160t-SNEの「t」の説明
161個人情報取扱事業者の義務
162ポアソン回帰と重みを最小二乗法で解く線形回帰の相違
163Q値を用いる強化学習
164DNNの説明
165第1次AIブームの説明
166ネオコグニトロン
167PB→EB→ZB→YB
168強化学習で用いられる手法
169統計量の説明
170ROIプーリングの説明
171単純パーセプトロンの説明
172機械学習におけるデータ集合の説明
173TPU
174サイコロの出る目の確率:xの期待値
175MFCCの説明
176ハイパーパラメータの説明
177WaveNet
178Adversarial Examples
179ネットワークの動作に温度の概念を取入れたモデル
180注意機構
181DQN→AlphaGo→AlphaGoZero→AlphaStar
182U-Netの説明
183エポック
184CNNの計算問題
185モラベックのパラドックス
186ディープフェイクの説明
187ファインチューニング
188交差検証法の役割と意義
189転移学習の例
190ドロップアウトの説明
191情報量についての説明

JDALによると、今回の「合否結果」は、2020年11月16日(月)~11月20日(金)の間にメールで届くそうです。

毎回の合格ラインは、理事長の松尾豊先生が決めているそうなので、合否発表が早いか遅いかは、松尾先生のスケジュール次第です。

パソコンでの試験で、なおかつ、「AI」を冠した試験なのに『待たせすぎ!なんでこんなに時間がかかるんだ』という気持ちになると思いますが、我慢するしかありません。

皆さんに良い結果が訪れることをお祈りしております。

 

来年は、G検定とその周辺に大きな変化があるかも?

過去8回と比較して、今回の試験で気になったのが、

・問題の順番の「不規則さ」が強くなった
・問題の文章は違うが、内容が同じ問題があった
の2点です。

JDLAの岡田事務局長が『今年中は厳しいかと思うのですが、来年を目安にいつでも受験できる形式にして、アップデートを日々行っていきたいと考えています』と話していました。

いつでも受験できる形式にするには「多くの問題」を用意する必要がありますが、G検定で求めている範囲には限りがあるので、用意できる問題の数にも限界がでてきます。

それならば、「出題の順番を毎回変える」「穴埋めの穴の場所を毎回変える」ぐらいは導入しそうです。今回、このような仕組みを導入しているかは分かりませんが、今後のG検定の方向性が垣間見れて楽しかったです。

次のG検定は「5ヶ月後」となりました。

JDLAの岡田事務局長の話では、最新情報を盛り込んだ『公式テキスト』の発売や、「G検定の英語化」が計画されているそうなので、それについても詳細が明らかになれば、こちらで取り上げていこうと思います。