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。
今まで何度も受験してきて、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

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』

⚠・・・・・・・・・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 | ⚠ | |
2 | XAIへの投資プログラムでの試み | ||
3 | LSI | ||
4 | 蒸留 | ||
5 | 音声データの処理の説明 | ⚠ | |
6 | EfficientNetの説明 | ⚠ | ✔ |
7 | XAI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 | ||
17 | OCRの説明 | ||
18 | 計算グラフの「値」 | ||
19 | HOG特徴量を用いた画像認識の説明 | ⚠ | |
20 | DQN | ||
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 | ||
24 | AlexNet | ||
25 | XAIの説明 | ||
26 | 混同行列 | ||
27 | CNN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 | ||
32 | Partnership 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 | ||
40 | TF-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 | ||
44 | MAMLの説明 | ⚠ | ✔ |
45 | RNNにおける教師強制の説明 | ⚠ | |
46 | DNNの説明 | ||
47 | セマンティック・ウェブ | ||
48 | RNNの利点 | ||
49 | DNN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 | ||
54 | RNN Encoder-Decoderの中間層の説明 | ⚠ | |
55 | 第3次AIブームの説明 | ||
56 | BoW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 | ||
59 | GPU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 | ||
62 | XAI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 | ||
66 | SMOTEの説明 | ⚠ | |
67 | 営業秘密の説明 | ⚠ | |
68 | CIFAR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 | ⚠ | |
74 | KAIST問題の説明 | ✔ | |
75 | 多層パーセプトロンの説明 | ||
76 | XAIの説明 | ⚠ | |
77 | LSTM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 | ⚠ | |
79 | NN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 | ⚠ | |
81 | LeNet → AlexNet → GoogLeNet → ResNet | ||
82 | arXiv、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 | ||
91 | RNN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 | ||
94 | Early Stoppingの説明 | ⚠ | |
95 | GAN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 | ||
99 | AI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 | ✔ | |
101 | L2正則化 | ||
102 | 自然言語処理 | ||
103 | ImageNet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 | ||
106 | AI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 | ||
111 | U-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 | ⚠ | |
114 | RPAの説明 | ||
115 | U-Netの構造 | ⚠ | ✔ |
116 | Cycプロジェクト | ||
117 | 統計的な音声合成手法の一つ | ||
118 | ResNet | ||
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 | ⚠ | ✔ |
124 | GoogLeNet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 | ✔ | |
133 | GDPRの説明 | ||
134 | ベイズ推定の説明 | ⚠ | |
135 | MNISTの説明 | ||
136 | k-means法 | ||
137 | A3C | ||
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 | ||
141 | adversarial 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 | ||
145 | RNN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 | ⚠ | |
151 | define-by-runとdefine-and-runの説明 | ⚠ | |
152 | NN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 | ⚠ | |
156 | OpenAI | ||
157 | XAI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 | ||
160 | t-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 | ⚠ | |
163 | Q値を用いる強化学習 | ⚠ | ✔ |
164 | DNNの説明 | ||
165 | 第1次AIブームの説明 | ||
166 | ネオコグニトロン | ||
167 | PB→EB→ZB→YB | ||
168 | 強化学習で用いられる手法 | ⚠ | ✔ |
169 | 統計量の説明 | ⚠ | |
170 | ROI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 | ⚠ | |
173 | TPU | ||
174 | サイコロの出る目の確率:xの期待値 | ⚠ | |
175 | MFCCの説明 | ⚠ | |
176 | ハイパーパラメータの説明 | ||
177 | WaveNet | ||
178 | Adversarial 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 | ||
181 | DQN→AlphaGo→AlphaGoZero→AlphaStar | ||
182 | U-Netの説明 | ||
183 | エポック | ||
184 | CNN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
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。