最短突破　ディープラーニングG検定（ジェネラリスト） 問題集　第2版

発売日 : 2022年08月25日

著者／編集 : 株式会社AVILEN 高橋 光太郎/落合 達也/渡邉 雅也/志村 悟/長谷川 慶

出版社 : 技術評論社

発行形態 : 単行本

問題数を大幅増量！さらに幅広い問題と解説を提供！本書は、一般社団法人日本ディープラーニング協会主催のＧ検定（ジェネラリスト）の試験対策問題集です。ＡＩエンジニア資格「Ｅ資格」で圧倒的な合格実績を誇る機械学習・ディープラーニング教育のプロ、株式会社ＡＶＩＬＥＮ（アヴィレン）が執筆。わかりやすく丁寧に解説しています。図や表を豊富に用いて、読みやすくイメージしやすい設計となっています。ディープラーニング手法や社会実装、新しいＡＩ技術についての問題を前著の問題集より大幅に強化、問題数も増量しました。旧版で内容の重複する問題を極力削り、新たなトピックを加え、バリエーション豊かな問題構成としています。Ｇ検定では、技術に対する付け焼き刃の知識ではなく、理解が必要です。本書は作問から解説まで、ＡＩジェネラリストとして、技術や手法が理解できるようにしっかり作成しています。

第1章 人工知能（AI）とは
1.1　人工知能の定義
1.2　人工知能の歴史

第2章 人工知能をめぐる動向と問題
2.1　探索・推論
2.2　知識表現
2.3　機械学習
2.4　人工知能における問題

第3章 数理統計・機械学習の具体的手法
3.1　代表的な手法
　学習の種類
　教師あり学習
　教師なし学習
　強化学習
3.2　教師あり学習の代表的な手法
　線形回帰
　正則化
　ロジスティック回帰
　サポートベクターマシン
　決定木
　時系列モデル
　疑似相関
　ランダムフォレスト
　勾配ブースティング
　アンサンブル学習
　ベイズの定理
　最尤推定
3.3　教師なし学習の代表的な手法
　k-means法
　階層的クラスタリング
　リコメンデーションアルゴリズム
　主成分分析
　特異値分解
　データの視覚化
3.4　手法の評価
　データの扱い
　交差検証法
3.5　評価指標
　回帰
　分類
　モデル自体の評価

第4章 ディープラーニングの概要
4.1　ニューラルネットワークとディープラーニング
4.2　事前学習によるアプローチ
4.3　ハードウェア

第5章 ディープラーニングの手法（1）
5.1　活性化関数
5.2　学習の最適化
　学習と微分
　勾配下降法
　学習率
　鞍点
　SGD
　モーメンタム
　最新の最適化手法
　ハイパーパラメータチューニング
5.3　さらなるテクニック
　過学習
　二重降下現象
　ドロップアウト
　early stopping
　データの正規化
　重みの初期値
　バッチ正規化
5.4　CNN：畳み込みニューラルネットワーク
　画像データの扱い
　畳み込み
　プーリング
　全結合層
　畳み込み層の派生
　データ拡張
　NAS
　転移学習
　CNNの初期モデル
5.5　RNN：リカレントニューラルネットワーク
　RNNの基本形
　LSTM 問題
　RNNの発展形
　Attention
5.6　強化学習の特徴
5.7　深層強化学習
5.8　深層生成モデル

第6章 ディープラーニングの手法（2）
6.1　画像認識
　CNNの代表モデル
　物体検出
　セグメンテーション
　OpenPose
　Efficient Net
　学習の発展
6.2　自然言語処理
6.3　音声認識
6.4　強化学習
6.5　生成モデル
6.6　自動運転

第7章 ディープラーニングの社会実装に向けて
7.1　AIと社会
7.2　プロダクトの設計
7.3　データの収集
7.4　データの加工・分析・学習
7.5　プロダクトの実装・運用・評価
7.6　AIと法律・制度

株式会社AVILEN 高橋 光太郎

株式会社AVILEN（アヴィレン） 日本ディープラーニング協会正会員、データサイエンティスト協会一般会員 AVILENは、AI・機械学習に関連するビジネスの人材育成から技術開発まで一気通貫で支援するサービスを提供。これまで立ち上げから開発まで多くのAIプロジェクトに参画してきた実績を持つ。 E資格の認定プログラムも開講しており、最高品質の講義は他社の追随を許さない高い合格率を達成（2021＃1～2021#1の3期平均で90.4%）。G検定の対策講座も実施。 また、データサイエンティストとジャーナリストが監修するAI特化型メディア「AVILEN AI Trend」を運営。

落合 達也

渡邉 雅也

志村 悟

長谷川 慶