【G検定】⓪ 試験概要と試験対策・勉強法（方法と目安時間）について＋目次と表記ルール
ここでは、「G検定」の
１）試験範囲・試験概要
２）試験対策・勉強方法
について『ざっくり』ご紹介します。
めちゃくちゃざっくりなので、ちゃんと調べたい他のWEBサイトをご覧ください。
「このブログ、読み進めていいのかどうか」の材料にしていただきたいページです。
１）試験範囲・試験概要
試験範囲・・・「ディープラーニング」の概要・手法・実装事例まで網羅的に試験。
具体的には ⑴人工知能とは ⑵人工知能をめぐる動向 ⑶人工知能分野の問題 ⑷機械学習の具体的手法 ⑸ディープラーニングの概要 ⑹ディープラーニングの手法 ⑺ディープラーニングの社会実装に向けて
『G検定』学んで何が得れるか？というと、『ディープラーニングの代表的な手法と特徴、できそうなこととできなさそうなことの判断』が大まかに理解できるというイメージです。
試験概要・・・120分で220問程（多肢選択）自宅でPC受験（※カンニングし放題）
詳しくはこちら
G検定とは - 一般社団法人日本ディープラーニング協会【公式】 (jdla.org)
試験範囲としては結構広くて内容膨大ですが、肝は「カンニングし放題」です。
120分で220問なので「カンニングしてる余裕ないのでは？」ですが、
結論から言うと「よくできた『自分だけのカンニングペーパー』作れば、時間に余裕もできる」です。
自分用のカンニングペーパーを作る過程で、4択中2択に絞る知識を得れます。
あとは確認程度に「カンニングペーパー開くだけ」で正解にたどり着く。というわけです。
「そんなんググると一緒やん」「GPTでもいけるやん」とお思いのそこのあなた。
実際1問30秒で「適切な質問」を「考えて」「入力して」「答えを選ぶ」のは無理です。
むしろそんな能力を身に着ける方が、完璧なカンペ作るよりスゴイ。と思います。
というわけで、後述の試験対策・方法は「完璧な自分だけのカンペづくり」方法です。
２）試験対策・勉強方法
試験対策としては、上述した通り「完璧な自分だけのカンペづくり」です。
どうやって？で、おすすめしたいのは「三色ボールペン活用法」by明治大学文学部齋藤教授の変形版…というか、完全別物かと思いますが、「三色ボールペン勉強法」です。
なんですか？といいますと、【黒：テキスト要約】【赤：詳細情報】【青：過去問間違えた内容】でノートにまとめます。
『G検定』では『公式テキスト』（※１）があります。これを読みながら章・項目・重要キーワードだけを【黒】でまとめます。そしてわかりにくい部分（イメージしにくいキーワード）については、WEBやYOUTUBEで調べて【赤】で該当箇所に記入します。最後に各章別に『問題集』（※２）を解いて、間違えた個所や新たな知識を【青】で書き足していきます。
このブログは、その【黒】と【赤（の一部）】を中心にまとめようと思います。
※１公式テキスト（もっとわかりやすい本はないんかい。。とは思います。）
※２問題集（黒本よりもこちらのほうが個人的にオススメ）
「え？結局ガッツリ勉強やん。。」そりゃそーです。試験ですから！ただしこの流れで進めていけば、無理に頑張って暗記しようとしなくてOKですので、事務処理的に進めていけます。ただし「テキストを要約する」は慣れてない人には思いのほか難しい作業になるので、最初はフリクション3色ペンなど、消せるタイプでやることをお勧めします。一応このブログはその【黒】「テキストを要約する」を主に行う予定です。
このやり方で、公式テキスト400ページ・問題集300ページ・他WEBの知識含めて見開き15ページのカンペを作成しました。自分の努力が目に見えて形になるので、完成した時は感慨モノ！だと思うのですが…周囲からは「気色悪い」と言われます。
なお試験範囲に対して出題割合は、これまたざっくり確かこんな感じ（2022年10月時点）だったと思います。
⑴人工知能とは …2％
⑵人工知能をめぐる動向 …4％
⑶人工知能分野の問題 …3％
⑷機械学習の具体的手法 …32％
⑸ディープラーニングの概要 …3％
⑹ディープラーニングの手法 …50％
⑺ディープラーニングの社会実装に向けて …6％
めちゃくちゃ偏ってる感じでした。必然的に割合高いところは【青】字が増えるので、
試験直前は【青】字だけ追って復習してました。
という流れで勉強実施し、テキスト読み込みに1か月・問題集解きに1か月で、計2か月あれば十分に対策実施できると思います。（もちろんじっくりやることも、早くやることも可能です）
しかしまぁド文系一般人にはこの「テキスト読み込み」がすでにツライ。日本語すらわからない。例えばテキストに「誤差逆伝播により学習が可能になった。」と、さも普通の頻出用語のように書いてたりします。こっちは「…誤差が逆？何？」の状態です。さらに次の行には「自己符号化でさらに学習が進んだ」と説明が次に進んでおり、あたかも一つ一つの語句に関しては「自分でググって勉強せいよ？」が前提になってるようなテキストの作りです。公式テキストってそういうものかもしれませんが、まぁ丁寧ではないです。
このブログではそのあたりをカバーできるコンテンツを目指します。
（３）目次と表記ルール
このブログでは「カンペノートづくり」を支援する目的でつくりますが、熱はいりすぎて「カンペ関係ないやん」が多すぎる形になりそうです。なので、ブログの表記ルールを決めときます。
【表記ルール＝全体の構成】
①前説（500～1,000字）②カンペ（＊＊＊で区切ります）③後書き（500～1000字）
人間1分で300文字程度だそうですので、1記事5分程度です。ちょうどよいかと。
「①③無駄やん？」思われるかもですが、そーじゃない。この無駄によって「記憶される」を目指してます。「暗記したがる人」はなぜか本当に「暗記しよう」とします。。無理ですよ。人間ですから。「関心がないことは忘れるようにできている」のが人間です。AI学習は「いろいろな角度から楽しめる」「めちゃくちゃ面白い」学習です。私の関心どころも偏っているので、万人受けは無理ですが、極力興味持ってもらえるような「無駄」を目指したいです。
【目次】
G検定公式テキストに準じます。今後のブログもこれに沿って順に書きます。目次スルーする人いますが、もったいないですよ。これこそ「究極のカンペノート」です！
「あ～あれね。あれがポイントで、あそこ問われるよね。」と、目次だけ1枚みて、試験会場でニヤニヤするのが、私の試験対策の最終形態です。そこまでいければ大体どんな試験も「多分合格できる」です。なお相対評価の試験の時、この変態は特に効果を発揮します。ただし人としては失格かもしれません。
というわけで「これ☟見てニヤニヤする変態」が私の思うゴールです。あなたのゴールはいかがでしょうか？
第1章 人工知能とは …2％
(1) 人工知能の定義
(2) 人工知能研究の歴史
第2章 人工知能をめぐる動向 …4％
(1) 探索・推論
(2) 知識表現
(3) 機械学習・深層学習
第3章 人工知能分野の問題 …3％
(1) 人工知能分野の問題
第4章 機械学習の具体的手法 …32％
(1)-① 教師あり学習
(1)-② 教師なし学習
(1)-③ 強化学習
(2) モデルの評価
第5章 ディープラーニングの概要 …3％
(1) ニューラルネットワークとディープラーニング
(2) ディープラーニングのアプローチ
(3) ディープラーニングを実装するには
(4) 活性化関数
(5) 学習率の最適化
(6) 更なるテクニック
第6章 ディープラーニングの手法 …50％
(1) 畳み込みニューラルネットワーク
(2) 深層生成モデル
(3) 画像認識分野での応用
(4) 音声処理と自然言語処理分野
(5) 深層強化学習
(6) モデルの解釈性の問題とその応用
第7章 ディープラーニングの社会実装に向けて …6％
(1) AIと社会
(2) AIプロジェクトを計画する
(3) データを集める
(4) データを加工・分析・学習させる
(5) 実装・運用・評価する
(6) クライシス・マネジメントする
Apendix 事例集・産業への応用（ST用がメイン。Gでやるかどうかは検討。）
(1)-① 製造業・ものづくり
(1)-② 製造業・食品検査
(1)-③ 製造業・産廃処理
(2) モビリティ領域
(3) 医療領域
(4) 介護領域
(5) インフラ領域
(6) サービス・小売・物流領域
(7) 農林水産領域
(8)-① 金融保険
(8)-② インターネット関連サービス
(8)-③ 自然科学領域
(8)-④ その他
というわけで、初回から膨大・・・3800文字にもなりましたが、今後はもうちょい少量です。合計32回（＋12回？）のブログになる予定です。よろしくお願いいたします。
