AI

【人工知能】G検定のシラバスの紹介します。（日本ディープラーニング協会主催）

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。

人工知能（AI）とは

人工知能の定義

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