関連サイト
本書の関連ページが用意されています。
内容紹介
本書は「ディープラーニングG検定 ジェネラリスト」用の受験対策テキストです。「ディープラーニングG検定 ジェネラリスト」は、ディープラーニングの基礎知識を有し、適切な活用方針を決定して、事業活用する能力や知識を有しているかを検定する試験です。
最新の出題傾向を分析し、試験に頻出される内容で構成しました（2020年7月時点）。項目ごとに基礎的な内容から丁寧に解説しているため、はじめての受験にもおすすめです。
また、節ごとに「確認問題」と「ここは必ずマスター！」を配置し、短時間での学習、得意分野の読み飛ばしができるよう可能な誌面構成にしてあります。章末にはそれぞれ10問前後の練習問題を掲載し、その章で学習した知識の定着度を測ることができます。
試験に取り組む際のテクニックも解説しているので、本書を通じて学習することで受験対策は万全です。
書誌情報
- 著者: 山本 晃, 須藤 秋良
- 発行日: 2020-08-27 (紙書籍版発行日: 2020-08-27)
- 最終更新日: 2020-08-27
- バージョン: 1.0.0
- ページ数: 256ページ(PDF版換算)
- 対応フォーマット: PDF
- 出版社: マイナビ出版
対象読者
著者について
山本 晃
トレノケート株式会社でテクニカル エバンジェリストとして最先端のITテクカルトレーニングの企画・開発・実施を行う。20年以上の講師経験持ち、2019年には300名以上のG検定合格者を排出。本書では1, 5,6,7章を担当。
須藤 秋良
フリーランスのデータサイエンティスト。教育業界でのデータ解析や医学研究での統計解析コンサルを主に行い、それら業務の知見を活かしてデータサイエンス系セミナーの研修講師なども行う。これまで担当した研修受講者は総計3000名を超える。本書では2,3,4章を担当。
目次
はじめに
- 本書の使い方
- 試験情報
- 著者紹介
1章 人工知能の概要
- 1-1 人工知能とは
- 1-2 人工知能研究の歴史
- 1-3 人工知能の代表的な研究テーマ
- 1-4 人工知能の課題
2章 基礎数学と情報理論
- 2-1 データの距離
- 2-2 微分と偏微分
- 2-3 行列とベクトル
- 2-4 確率と情報理論
3章 機械学習の概要
- 3-1 機械学習の概要
- 3-2 教師あり学習の概要
- 3-3 教師あり学習の種類
- 3-4 教師なし学習の概要
4章 ディープラーニングの基礎
- 4-1 ニューラルネットワークの基礎
- 4-2 順伝播
- 4-3 逆伝播
- 4-4 ニューラルネットワーク技術の変遷
- 4-5 CNN：畳み込みニューラルネットワーク
- 4-6 RNN：リカレントニューラルネットワーク
- 4-7 強化学習
5章 ディープラーニングの研究分野
- 5-1 画像分野（画像分類、物体検出、セグメンテーション）
- 5-2 自然言語処理
- 5-3 音声処理
- 5-4 深層強化学習
- 5-5 その他の研究分野
6章 ディープラーニングの利用と実装
- 6-1 教師あり学習と汎化性能
- 6-2 予測モデルの性能評価法
- 6-3 予測モデルの性能向上法
- 6-4 ライブラリとフレームワーク
- 6-5 計算リソース
- 6-6 その他のオンラインリソース
7章 AIの社会実装に向けて
- 7-1 AIと知的財産権
- 7-2 個人情報の取り扱い
- 7-3 人工知能の社会展開
- 7-4 AIに関するガイドライン・政策
- 7-5 産業への展開