【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。