日本ディープラーニング協会が主催するE資格を受験しようとされている方必見。E資格のシラバス[2022年8月試験(E2022#2)より適用されたシラバス]をまとめてみました。出題範囲がどのような範囲なのかを知るのに活用ください。なお最新のシラバスに関しては、日本ディープラーニング協会のホームページをご確認ください。
なおG検定のシラバスもまとめています。G検定について知りたい方はこちらをご覧ください。
コンテンツ
応用数学
確率・統計
一般的な確率分布
- ベルヌーイ分布
- 多項分布
- ガウス分布
ベイズ則
情報理論
情報理論
- 情報量
機械学習
機械学習の基礎
学習のアルゴリズム
- 教師あり学習
- 教師なし学習
- 半教師あり学習
- 転移学習
機械学習の課題
- 能力、過剰適合、過小適合
- 次元の呪い
ハイパーパラメータ
検証集合
- 学習データ、検証データ、テストデータ
- ホールドアウト法
- k-分割交差検証法
最尤推定(さいゆうすいてい)
- 条件付き対数尤度と平均二乗誤差
実用的な方法論
性能指標
ハイパーパラメータの選択
- 手動でのハイパーパラメータ調整
- グリッドサーチ
- ランダムサーチ
- モデルに基づくハイパーパラメータの最適化
強化学習
方策勾配法
価値反復法
深層学習
順伝播型ネットワーク
全結合型ニューラルネットワーク
損失関数
- 最尤推定による条件付き分布の学習
活性化関数
- シグモイド関数
- Softmax関数
- ReLU、Leaky、ReLU
誤差逆伝播法及びその他の微分アルゴリズム
- 計算グラフ
- 微積分の連鎖率
- 誤差逆伝播のための連鎖率の再起的な適用
- シンボル間の微分
- 一般的な誤差逆伝播法
深層モデルのための正則化
パラメータノルムペナルティー
- L2パラメータ正則化
- L1正則化
データ集合の拡張
- Random Flip
- Erase
- Crop
- Contrast
- Brightness
- Rotate
- MixUp
ノイズに対する頑健性
- 出力目標へのノイズ注入
マルチタスク学習
早期終了
スパース表現
バギングやその他のアンサンブル手法
ドロップアウト
深層モデルのための最適化
学習と純粋な最適化の差異
- バッチアルゴリズムとミニバッチアルゴリズム
基本的なアルゴリズム
- 確率的勾配降下法
- モメンタム
パラメータの初期化戦略
適応的な学習率を持つアルゴリズム
- AdaGrad
- RMSrop
- Adam
最適化戦略とメタアルゴリズム
- バッチ正規化
- Layer正規化
- Instance正規化
- 教師あり事前学習
畳み込みネットワーク
- 畳み込み処理
- プーリング
回帰結合型ニューラルネットワークと再帰的ネットワーク
回帰結合型のニューラルネットワーク
双方向 RNN
Encoder-Decoder と Sequence-to-Sequence
長期依存性の課題
ゲート付きRNN
- LSTM
- GRU
長期依存性の最適化
- 勾配のクリッピング
Attention
生成モデル
識別モデルと生成モデル
オートエンコーダ
- VAE
- VQ-VAE
GAN
- DCGAN
- Conditionnal GAN
深層強化学習
深層強化学習のモデル
- AlphaGo
- A3C
グラフニューラルネットワーク
グラフ畳み込み
深層学習の適用方法
画像認識
- GoogLeNet
- ResNet, WideResNet
- DenseNet
- EfficientNet
画像の局在化・検知・セグメンテーション
- FasterR-CNN
- YOLO
- SSD
- MaskRーCNN
- FCOS
自然言語処理
- WordEmbedding
- Transformer
- BERT
- GPT-n
音声処理
- WaveNet
- サンプリング、短時間フーリエ変換、メル尺度
- CTC
スタイル変換
- pix2pix
距離学習(Metric Learning)
サンプルによる比較
- SiameseNet
サンプルによる比較
- TripletLoss
メタ学習(Meta Learning)
初期値の獲得
- MAML
深層学習の説明性
判断根拠の可視化
- Grad-CAM
モデルの近似
- LIME
- SHAP
開発・運用環境
ミドルウェア
- 深層学習ライブラリ
エッジコンピューティング
軽量なモデル
- MobileNet
モデルの軽量化
- プルーニング
- 蒸留
- 量子化
分散処理
モデル並列
データ並列
アクセラレータ
デバイスによる高速化
- GPU
環境構築
コンテナ型仮想化
- Docker