日本ディープラーニング協会が主催するG検定を受験しようとされている方必見。G検定のシラバス(出題範囲)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E資格のシラバスもまとめています。E資格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
人工知能(AI)とは
人工知能の定義
- 人工知能とは何か
- 人工知能のおおまかな分類
- AI 効果
- 人工知能とロボットの違い
人工知能研究の歴史
- 世界初の汎用コンピュータ
- ダートマス会議
- 人工知能研究のブームと冬の時代
人工知能をめぐる動向
探索・推論
- 探索木
- ハノイの塔
- ロボットの行動計画
- ボードゲーム
- モンテカルロ法
知識表現
- 人工無脳
- 知識ベースの構築とエキスパートシステム
- 知識獲得のボトルネック(エキスパートシステムの限界)
- 意味ネットワーク
- オントロジー
- 概念間の関係 (is-a と part-of の関係)
- オントロジーの構築
- ワトソン
- 東ロボくん
機械学習・深層学習
- データの増加と機械学習
- 機械学習と統計的自然言語処理
- ニューラルネットワーク
- ディープラーニング
人工知能分野の問題
人工知能分野の問題
- トイ・プロブレム
- フレーム問題
- チューリングテスト
- 強い AI と弱いAI
- シンボルグラウンディング問題
- 身体性
- 知識獲得のボトルネック
- 特徴量設計
- シンギュラリティ
機械学習の具体的手法
教師あり学習
- 線形回帰
- ロジスティック回帰
- ランダムフォレスト
- ブースティング
- サポートベクターマシン (SVM)
- ニューラルネットワーク
- 自己回帰モデル (AR)
教師なし学習
- k-means 法
- ウォード法
- 主成分分析 (PCA)
- 協調フィルタリング
- トピックモデル
強化学習
- バンディットアルゴリズム
- マルコフ決定過程モデル
- 価値関数
- 方策勾配
モデルの評価
- 正解率・適合率・再現率・F 値
- ROC 曲線と AUC
- モデルの解釈
- モデルの選択と情報量
ディープラーニングの概要
ニューラルネットワークとディープラーニング
- 単純パーセプトロン
- 多層パーセプトロン
- ディープラーニングとは
- 勾配消失問題
- 信用割当問題
ディープラーニングのアプローチ
- 事前学習
- オートエンコーダ
- 積層オートエンコーダ
- ファインチューニング
- 深層信念ネットワーク
ディープラーニングを実現するには
- CPUとGPU
- GPGPU
- ディープラーニングのデータ量
活性化関数
- tanh 関数
- ReLU 関数
- シグモイド関数
- ソフトマックス関数
学習の最適化
- 勾配降下法
- 勾配降下法の問題と改善
更なるテクニック
- ドロップアウト
- 早期終了
- データの正規化・重みの初期化
- バッチ正規化
ディープラーニングの手法
畳み込みニューラルネットワーク(CNN)
- CNN の基本形
- 畳み込み層
- プーリング層
- 全結合層
- データ拡張
- CNN の発展形
- 転移学習とファインチューニング
深層生成モデル
- 生成モデルの考え方
- 変分オートエンコーダ (VAE)
- 敵対的生成ネットワーク (GAN)
画像認識分野
- 物体識別タスク
- 物体検出タスク
- セグメンテーションタスク
- 姿勢推定タスク
- マルチタスク学習
音声処理と自然言語処理分野
- データの扱い方
- リカレントニューラルネットワーク (RNN)
- Transformer
- 自然言語処理における Pre-trained Models
深層強化学習分野
- 深層強化学習の基本的な手法と発展
- 深層強化学習とゲーム AI
- 実システム制御への応用
モデルの解釈性とその対応
- ディープラーニングのモデルの解釈性問題
- Grad-CAM
モデルの軽量化
- エッジ AI
- モデル圧縮の手法
ディープラーニングの社会実装に向けて
AIと社会
- AI のビジネス活用と法・倫理
AIプロジェクトの進め方
- AI プロジェクト進行の全体像
- AI プロジェクトの進め方
- AI を運営すべきかの検討
- AI を運用した場合のプロセスの再設計
- AI システムの提供方法
- 開発計画の策定
- プロジェクト体制の構築
データの収集
- データの収集方法および利用条件の確認
- 法令に基づくデータ利用条件
- 学習可能なデータの収集
- データセットの偏りによる注意
- 外部の役割と責任を明確にした連携
データの加工・分析・学習
- データの加工
- プライバシーの配慮
- 開発・学習環境の準備
- アルゴリズムの設計・調整
- アセスメントによる次フェーズ以降の実施の可否検討
実装・運用・評価
- 本番環境での実装・運用
- 成果物を知的財産として守る
- 利用者・データ保持者の保護
- 悪用へのセキュリティ対策
- 予期しない振る舞いへの対処
- インセンティブの設計と多様な人の巻き込み
クライシス・マネジメント
- 体制の整備
- 有事への対応
- 社会と対話・対応のアピール
- 指針の作成と議論の継続
- プロジェクトの計画への反映
数理・統計
- 統計検定3級程度の基礎的な知識