書店員向け情報 HELP
出版者情報
書店注文情報
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
- 書店発売日
- 2020年9月26日
- 登録日
- 2020年8月6日
- 最終更新日
- 2020年9月25日
紹介
本書は、一般財団法人日本ディープラーニング協会が主催しているG検定(ジェネラリスト)の試験対策問題集です。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の支援を行い、E資格やG検定の教育実績を誇る、株式会社AVILENの執筆陣がわかりやすく解説しています。G検定では、単純にキーワードを覚えておくだけでは解けない問題も多く出題されます。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。
目次
G検定とは
G検定のシラバス(試験範囲)
G検定合格へ向けて
本書の使い方
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
用語解説
第2章 人工知能の変遷と問題
2.1 探索・推論
2.2 知識表現
2.3 人工知能における問題
用語解説
第3章 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
k近傍法
決定木
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
主成分分析
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
3.6 特徴量設計
用語解説
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
用語解説
第5章 ディープラーニングの手法
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
5.3 さらなるテクニック
過学習
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
データ拡張
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
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
用語解説
第6章 AI技術の応用に向けて
6.1 画像認識
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
用語解説
第7章 AI技術の応用に向けて(2)
‐法律・倫理・現行の議論‐
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
用語解説
上記内容は本書刊行時のものです。