BEGIN:VCALENDAR VERSION:2.0 PRODID:-//https://techplay.jp//JP CALSCALE:GREGORIAN METHOD:PUBLISH X-WR-CALDESC:G検定対策講座_問題演習#1(2021/07/17) X-WR-CALNAME:G検定対策講座_問題演習#1(2021/07/17) X-WR-TIMEZONE:Asia/Tokyo BEGIN:VTIMEZONE TZID:Asia/Tokyo BEGIN:STANDARD DTSTART:19700101T000000 TZOFFSETFROM:+0900 TZOFFSETTO:+0900 TZNAME:JST END:STANDARD END:VTIMEZONE BEGIN:VEVENT UID:823900@techplay.jp SUMMARY:G検定対策講座_問題演習#1(2021/07/17) DTSTART;TZID=Asia/Tokyo:20210717T160000 DTEND;TZID=Asia/Tokyo:20210717T173000 DTSTAMP:20260404T143309Z CREATED:20210706T061207Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/82390 0?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n\n内容概要\n このイベントは、\n人工知能・機械学習・深層学習に ついて、\nG検定の問題で演習しつつ、全体像を解説し ます。\n※G検定とは、日本ディープラーニング協会が 実施している検定試験です。\nG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】\n過去のG検定 の類似問題を出題し、\n本番相当の演習を実施してい ただき、\n人工知能・機械学習・深層学習の全体像に ついて理解を深めていただくイベントとなります。\n 参考：\nG検定の統計によると、\n2017年では、1\,400名程 度の受験者だったのが、\n2020年では、26\,000名程度の受 験者に激増しています。\nいよいよ\nG検定レベルの「 人工知能・機械学習・深層学習」は、\nすべての産業 がソフトウェアとAIに飲み込まれていく昨今、\nあらゆ るポジションの方が最低限は身につけておくべき、\n 必須教養知識となっていると考えられます。\nご興味 ございましたら、\nぜひお申し込みをお待ちしており ます。\n\n\n開催時間\n受付：15:55〜16:00\n演習：16:00〜16: 45\n解説：16:45〜17:30\n\n\n\n詳細アジェンダ\n〇扱う内容\ n＜演習と解説＞\n・G検定対策となる問題を、90分で演 習＆解説するイベントとなります。\n\n・1回のイベン トで、すべての分野を一度に体系的に解説するもので はございませんので、ご注意ください。\n\n・ただ、複 数回実施予定で、重複しない問題を出題してまいりま す。\n\n・以下の分野のいずれかから出題していきます 。\n\nAIの歴史 AIブーム\n画像認識 主要モデル\n全般 主要技術\nAIの歴史 代表的AI\n全般 用語\n全般 AIの 評価手法\n全般 AI関連の定理\n全般 主要モデル\nAIの 歴史 代表的プロジェクト\n全般 代表的問題\n法律 著作権\n応用分野 自然言語処理\n法律 知的財産\n自 動運転 自動運転レベル\n自動運転 法規制\n法律 責任分界点\n全般 倫理的問題\n法律 個人情報保護\n全 般 プラットフォーム\n法律 不正競争防止法\n法律 受 託開発\n全般 説明責任\n全般 情報銀行\n全般 国際動 向\n全般 FAT\n深層学習 手法\n全般 日本のAI戦略\n全 般 再現性の問題\n\n機械学習 手法\n機械学習 レコ メンド\n機械学習 アンサンブル\n機械学習 パーセ プトロン\n機械学習 SVM\n数学 偏微分\n機械学習 ト ピックモデル\n機械学習 決定木\n機械学習 ニュー ラルネットワーク\n数学 アフィン変換\n数学 ベイズ の定理\n回帰分析 正則化\n機械学習 性能指標\n自 然言語処理 処理技術\n機械学習 主成分分析\n機械学 習 用語\n機械学習 ロジスティック回帰\n機械学習 検証\n情報理論 情報理論\n深層学習 評価\n深層 学習 RNN\n深層学習 学習と最適化\n機械学習 自己 符号化器\n深層学習 フレームワーク\n深層学習 CNN\ n強化学習 強化学習エージェント\n画像処理 前処 理\n深層学習 各層の役割\n強化学習 基礎用語\n機 械学習 活性化関数\n\n深層学習 LSTM\n深層学習 DNN \n深層学習 GAN\n自然言語処理 transformer\n次元圧縮 t -SNE\n深層学習 畳み込み演算\n深層学習 音声認識\n 全般 GPU\n深層学習 GoogleNet\n全般 バイト単位\n応用 分野 強化学習\n応用分野 ロボティクス\n画像処理 キャプション生成\n自然言語処理 照応解析\n自然言 語処理 談話構造解析\n画像処理 物体検知\n応用分野 深層学習\n自然言語処理 word2vec\n自然言語処理 主 要モデル\n強化学習 行動価値関数\n自然言語処理 単 語埋め込みモデル\n深層学習 時系列データ\n自然言 語処理 前処理\n自然言語処理 形態素解析\n自然言語 処理 構文解析\n自然言語処理 分散表現\n深層学習 物体検出\n深層学習 セマンティックセグメンテーシ ョン\n深層学習 文字認識\n\nなど\n\n\nG検定出題テー マ一覧\n　・AIの歴史と動向、AIブームまとめ\n　・チ ューリングテスト、フレーム問題、シンボルグラウン ディング問題\n　・セマンティック・ウェブ\n　・AIの 身体性、対話性、適応性、自律性\n　・機械学習の基 礎\n　・機械学習の具体的手法\n　・決定木と情報利得 、主成分分析、アンサンブル学習\n　・ラッソとリッ ジの回帰、多重共線性、バイアスとバリアンス\n　・Fe ature Scaling\n　・調和率、適合率、再現率、F値、p値、t 値\n　・交差検証、ホールドアウト法\n　・代表的なフ レームワーク\n　・内部表現、共変量シフト、正規化 の考え方、写像とカーネルトリック\n　・最適化問題 、強化学習\n　・勾配降下法\n\n　・機械学習の内容詳 説\n　・マルチモーダル、Adaptive Learning、エンドツーエ ンド深層学習\n　・ディープラーニング基礎、CNN、勾 配消失問題、コンボリューション、プーリング層の意 味\n　・転移学習、ファインチューニング、蒸留\n　・ RNN、LSTM\n　・データ拡張、バッチ正則化、ドロップア ウト、early stopping\n　・白色化、平滑化、ヒストグラム 平坦化\n　・自己符号化器、順伝播型ネットワーク\n　 ・画像認識、物体検知の歴史、セマンティック・セグ メンテーション\n　・自然言語処理\n\n※\n詳細は一部 変更となる可能性があります。\n\n\n\n対象者\n・非ITエ ンジニアだが、人工知能・機械学習・深層学習の全体 像を把握したい方\n・ITエンジニアだが、機械学習の全 体像と主な手法について勉強したい方\n・ITエンジニア だが、深層学習の全体像と主な手法について勉強した い方\n\n\n\n会場\nオンライン\n\n当日アクセスいただくZo om URLや、当日の資料配布は、\n以下slack参加者のみ、限 定チャンネルにてご案内致します。\n\n\n\nhttp://bit.ly/2RW ooDf\n\n当日必要なもの\n・パソコン\n・Googleアカウント\ n・Slackアカウント\n・Chromeブラウザ\n・Zoomソフトウェ ア（はじめて使う方はダウンロードが必要です）\n\n\n\ n講師プロフィール\n\nイベント監修・アドバイザリ担 当\n\n阪大大学院数学専攻卒。大阪府出身。\nC、C++、Jav a、Perl、PHP、Ruby、Python、R、bash を操る公共系インフラ エンジニア、フロントエンジニア\nを経て、医療系ク ラウドサービスを展開。医療系システムコンサルタン ト等を経てAIベンチャーにて\nデータサイエンティスト 。\n大手から中小まで数多くのシステム開発プロジェ クトで開発統括、プロマネを経験。\n基盤設計、統計 学、機械学習、深層学習、組織論、リーダーシップ論 、心理学、事業戦略論等をテーマに、\n社内外で講師 の経験多数。\n\n\n\n\nイベント解説担当\n\nkaeken こと 嘉 永島健司\n\n開発マネージャー\n兼フルスタックWebエン ジニア\n(バックエンド、フロントエンド、クラウド、 データサイエンス)\n\nPython\, JavaScript\, GCP/AWS\, etcを使っ た\nWebアプリケーション開発のバックエンド・\nフロン トエンド・クラウド構築業務に従事し、\nデータサイ エンティストとしても、\nデータ分析や機械学習モデ ル構築案件を担当。\n\nまた、長年フリーランスエンジ ニアとして、\n国内各地・海外でノマドワークをしな がら、\nフルリモートワーカーとして各種プロジェク トに参画。\n\n現在は、\nデータサイエンススタートア ップ企業に参画し、\n開発マネージャーとして、\n・シ ミュレーション最適化Webシステム構築プロジェクト\n ・気象データ解析プロジェクト\n・GPSデータ解析プロ ジェクト\n・POSデータ解析プロジェクト\n・動画／画像 ／音声データ解析プロジェクト\nなど、\nさまざまなデ ータサイエンスプロジェクトに従事。\n\nG検定 2017#1 合 格済\nG検定 2021#1 合格済\nE資格認定講座 最終修了試験 合格済\nE資格 本試験 2022#1 受験予定\n\n\n\nG検定サンプ ル例題\n\n\n\n\nキーワード\n人工知能（AI）とは（人工 知能の定義）\n\n人工知能をめぐる動向\n探索・推論、 知識表現、機械学習、深層学習\n\n人工知能分野の問題 \nトイプロブレム、フレーム問題、弱いAI、強いAI、身 体性、シンボルグラウンディング問題、特徴量設計、 チューリングテスト、シンギュラリティ\n\n機械学習の 具体的手法\n代表的な手法、データの扱い、応用\n\nデ ィープラーニングの概要\nニューラルネットワークと ディープラーニング、既存のニューラルネットワーク における問題、ディープラーニングのアプローチ、CPU と GPU\nディープラーニングにおけるデータ量\n\nディー プラーニングの手法\n活性化関数、学習率の最適化、 更なるテクニック、CNN、RNN\n深層強化学習、深層生成 モデル\n\nディープラーニングの研究分野\n画像認識、 自然言語処理、音声処理、ロボティクス （強化学習） 、マルチモーダル\n\nディープラーニングの応用に向け て\n産業への応用、法律、倫理、現行の議論\n\n\n\n領収 書の発行について\n前払いの領収書につきまして、PayPa lもしくはconnpassで自動発行される領収書をご利用くだ さい。\n当日払い又は別途領収書をご希望の場合は、 発行手数料は2\,000円(税込)となります。ご了承くださ い。\n LOCATION:オンライン オンライン URL:https://techplay.jp/event/823900?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR