技事録係

IT中心にエンジニアに必要な技術情報・最新動向・資格試験対策等を記録

ディープラーニング G検定

 G検定は,日本ディープラーニング協会(JDLA)が主催するディープラーニングに関する知識を問う資格試験です。
 JDLAは,その人材像を「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応用する能力を持つ人材」と定義しています。

国家資格
公的資格
民間資格
業務独占
名称独占
必置

試験情報 ▼試験対策 ▼模擬問題 ▼

 

試験情報

基本情報

申込期間

 試験日の1ヶ月前頃~1週前頃

試験日

 3月,7月,11月の土曜日

合格発表日

 試験日の1〜2週間後

受験料

 一般:12,000円(税抜)
 学生:5,000円(税抜)

受験資格

 制限なし

試験方式

 オンライン実施(自宅受験)

試験時間・問題数

 120分・200問

出題形式

 多肢選択式

合格基準

 非公表(正答率70%程度?)

公式サイト

受験申込みはこちら

試験内容

  1. 人工知能(AI)とは(人工知能の定義)
  2. 人工知能をめぐる動向
    • 探索・推論
    • 知識表現
    • 機械学習
    • 深層学習
  3. 人工知能分野の問題
    • 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
  4. 機械学習の具体的手法
    • 代表的な手法
    • データの扱い
    • 応用
  1. ディープラーニングの概要
    • 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
    • ディープラーニングにおけるデータ量
  2. ディープラーニングの手法
    • 活性化関数
    • 学習率の最適化
    • 更なるテクニック
    • CNN
    • RNN
    • 深層強化学習
    • 深層生成モデル
  3. ディープラーニングの研究分野
    • 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
  4. ディープラーニングの応用に向けて
    • 産業への応用
    • 法律
    • 倫理
    • 現行の議論

統計情報

 
 

*2020#2は受験料半額キャンペーンだったため特別に多い

公式SNS

facebook

 

試験対策

対策方法

 G検定には,次の3ステップで対策することを推奨します。

ステップ① 全体像を掴む

 人工知能について初めて学習される方は,まずは試験にこだわらずに,人工知能の概略がわかる一般向けの本を一冊読みましょう。どういったことを学べば良いのかが,ボンヤリとでも見えてくるはずです。

f:id:trhnmr:20200523164827j:plain

 そこでオススメの書籍が,G検定の推薦図書にもなっている「人工知能は人間を超えるか ディープラーニングの先にあるもの(角川EPUB選書)」です。
 人工知能の歴史からディープラーニングの今後まで,初学者でも読めるようわかりやすくかつコンパクトにまとめられています。

 著者の松尾豊准教授は,人工知能研究の第一人者であり,G検定を主催しているJDLA(日本ディープラーニング協会)の理事長でもあります。

 

ステップ② 敵を知り,己を知る

 概要を掴んだ後は,試験対策の参考書を一から読むのも良いですが,効率的にレベルアップするなら,いきなり試験問題に取り組みましょう。最初はわからないことだらけかと思いますが,問題の雰囲気がわかれば,自ずと学び方もわかってくるはずです。

f:id:trhnmr:20200523164907j:plain

 市販の問題集では,「徹底攻略ディープラーニングG検定ジェネラリスト問題集(インプレス)」が,本番の試験問題に近く,内容も十分かと思います。

 当サイトでもオリジナル問題および公式例題の解説を提供していますので,是非ご活用ください。
 また,試験によく出る内容をまとめたオンラインテキストも用意していますので,こちらもどうぞご利用ください。

f:id:trhnmr:20200523164935j:plain

 ちなみに,JDLA監修の公式テキストとされている「ディープラーニング G検定(ジェネラリスト) 公式テキスト(翔泳社)」は,最初に学ぶ書籍としては良いですが,試験にはこの書籍に出てこない内容も多く出題されますので,ご注意ください。

 

ステップ③ 時事ネタを把握する

 G検定には,直近の法整備の状況や企業が提供しているツールなど,AIを取り巻く最新動向も問われるため,合格を確実にするには,最新情報を幅広く仕入れておきましょう

f:id:trhnmr:20200523164958j:plain

 そこで役に立つのが,「AI白書(角川アスキー総合研究所)」です。大きく分厚い書籍ですが,その分充実した内容で,白書としては比較的読みやすい内容になっています。

出題の特徴

 出題順・出題数については,シラバス・公式テキストの章別に概ね下表のようになっています。
 ディープラーニングや機械学習の手法に関する問題が多いのは当然ですが,法律や現状の議論に関しても多く出題されるのが特徴です。
 一方,人工知能の歴史や問題に関する出題はそれほど多くありません。そして,わずかですが,単純な数学の問題(統計学,偏微分,三角関数など)もあります。

出題順 シラバス・公式テキスト(章) 出題数 出題率
1 1章 人工知能(AI)とは 2問 1%
2 2章 人工知能をめぐる動向 10問 5%
3 3章 人工知能分野の問題 8問 4%
4 8,9章 ディープラーニングの応用に向けて 40問 20%
6 4章 機械学習の具体的手法 36問 18%
7 章外 基礎数学 4問 2%
8 5章 ディープラーニングの概要 10問 5%
9 6章 ディープラーニングの手法 70問 35%
10 7章 ディープラーニングの研究分野 20問 10%

 また,問題数は200問ですが,1つの問題文で3つの穴埋め問題(それぞれを1問とカウント)が出題される場合などもあるため,問題文ベースでカウントすると,170〜180問程度です。
 なお,ほとんどの問題が四肢択一式ですが,まれに選択肢が5〜6個ある問題もあります。

オンラインテキスト

準備中
テキストメニュー
  1. 人工知能(AI)とは
  2. 人工知能をめぐる動向
  3. 人工知能分野の問題
  4. 機械学習の具体的手法

 ・ 基礎数学

  1. ディープラーニングの概要
  2. ディープラーニングの手法
  3. ディープラーニングの研究分野
  4. ディープラーニングの応用に向けて

書籍・Twitter

Twitter

 

 

模擬試験問題

オリジナル問題

準備中
  1. 人工知能(AI)とは①
  2. 人工知能(AI)とは②
  3. 人工知能(AI)とは③
  4. 人工知能(AI)とは④
  5. 人工知能(AI)とは⑤
  6. 人工知能をめぐる動向①
  7. 人工知能をめぐる動向②
  8. 人工知能をめぐる動向③
  9. 人工知能をめぐる動向④
  10. 人工知能をめぐる動向⑤
  11. 人工知能をめぐる動向⑥
  12. 人工知能をめぐる動向⑦
  13. 人工知能をめぐる動向⑧
  14. 人工知能をめぐる動向⑨
  15. 人工知能をめぐる動向⑩
  16. 人工知能分野の問題①
  17. 人工知能分野の問題②
  18. 人工知能分野の問題③
  19. 人工知能分野の問題④
  20. 人工知能分野の問題⑤
  21. ディープラーニングの応用に向けて①
  22. ディープラーニングの応用に向けて②
  23. ディープラーニングの応用に向けて③
  24. ディープラーニングの応用に向けて④
  25. ディープラーニングの応用に向けて⑤
  26. ディープラーニングの応用に向けて⑥
  27. ディープラーニングの応用に向けて⑦
  28. ディープラーニングの応用に向けて⑧
  29. ディープラーニングの応用に向けて⑨
  30. ディープラーニングの応用に向けて⑩
  31. ディープラーニングの応用に向けて⑪
  32. ディープラーニングの応用に向けて⑫
  33. ディープラーニングの応用に向けて⑬
  34. ディープラーニングの応用に向けて⑭
  35. ディープラーニングの応用に向けて⑮
  36. ディープラーニングの応用に向けて⑯
  37. ディープラーニングの応用に向けて⑰
  38. ディープラーニングの応用に向けて⑱
  39. ディープラーニングの応用に向けて⑲
  40. ディープラーニングの応用に向けて⑳
  41. ディープラーニングの応用に向けて㉑
  42. ディープラーニングの応用に向けて㉒
  43. ディープラーニングの応用に向けて㉓
  44. ディープラーニングの応用に向けて㉔
  45. ディープラーニングの応用に向けて㉕
  46. ディープラーニングの応用に向けて㉖
  47. ディープラーニングの応用に向けて㉗
  48. ディープラーニングの応用に向けて㉘
  49. ディープラーニングの応用に向けて㉙
  50. ディープラーニングの応用に向けて㉚
  51. ディープラーニングの応用に向けて㉛
  52. ディープラーニングの応用に向けて㉜
  53. ディープラーニングの応用に向けて㉝
  54. ディープラーニングの応用に向けて㉞
  55. ディープラーニングの応用に向けて㉟
  56. ディープラーニングの応用に向けて㊱
  57. ディープラーニングの応用に向けて㊲
  58. ディープラーニングの応用に向けて㊳
  59. ディープラーニングの応用に向けて㊴
  60. ディープラーニングの応用に向けて㊵
  61. 機械学習の具体的手法①
  62. 機械学習の具体的手法②
  63. 機械学習の具体的手法③
  64. 機械学習の具体的手法④
  65. 機械学習の具体的手法⑤
  66. 機械学習の具体的手法⑥
  67. 機械学習の具体的手法⑦
  68. 機械学習の具体的手法⑧
  69. 機械学習の具体的手法⑨
  70. 機械学習の具体的手法⑩
  71. 機械学習の具体的手法⑪
  72. 機械学習の具体的手法⑫
  73. 機械学習の具体的手法⑬
  74. 機械学習の具体的手法⑭
  75. 機械学習の具体的手法⑮
  76. 機械学習の具体的手法⑯
  77. 機械学習の具体的手法⑰
  78. 機械学習の具体的手法⑱
  79. 機械学習の具体的手法⑲
  80. 機械学習の具体的手法⑳
  81. 機械学習の具体的手法㉑
  82. 機械学習の具体的手法㉒
  83. 機械学習の具体的手法㉓
  84. 機械学習の具体的手法㉔
  85. 機械学習の具体的手法㉕
  86. 機械学習の具体的手法㉖
  87. 機械学習の具体的手法㉗
  88. 機械学習の具体的手法㉘
  89. 機械学習の具体的手法㉙
  90. 機械学習の具体的手法㉚
  91. 機械学習の具体的手法㉛
  92. 機械学習の具体的手法㉜
  93. 機械学習の具体的手法㉝
  94. 機械学習の具体的手法㉞
  95. 機械学習の具体的手法㉟
  96. 基礎数学①
  97. 基礎数学②
  98. 基礎数学③
  99. 基礎数学④
  100. 基礎数学⑤
  1. ディープラーニングの概要①
  2. ディープラーニングの概要②
  3. ディープラーニングの概要③
  4. ディープラーニングの概要④
  5. ディープラーニングの概要⑤
  6. ディープラーニングの概要⑥
  7. ディープラーニングの概要⑦
  8. ディープラーニングの概要⑧
  9. ディープラーニングの概要⑨
  10. ディープラーニングの概要⑩
  11. DLの手法(活性化関数)①
  12. DLの手法(活性化関数)②
  13. DLの手法(活性化関数)③
  14. DLの手法(活性化関数)④
  15. DLの手法(活性化関数)⑤
  16. DLの手法(学習率の最適化)①
  17. DLの手法(学習率の最適化)②
  18. DLの手法(学習率の最適化)③
  19. DLの手法(学習率の最適化)④
  20. DLの手法(学習率の最適化)⑤
  21. DLの手法(更なるテクニック)①
  22. DLの手法(更なるテクニック)②
  23. DLの手法(更なるテクニック)③
  24. DLの手法(更なるテクニック)④
  25. DLの手法(更なるテクニック)⑤
  26. DLの手法(CNN)①
  27. DLの手法(CNN)②
  28. DLの手法(CNN)③
  29. DLの手法(CNN)④
  30. DLの手法(CNN)⑤
  31. DLの手法(CNN)⑥
  32. DLの手法(CNN)⑦
  33. DLの手法(CNN)⑧
  34. DLの手法(CNN)⑨
  35. DLの手法(CNN)⑩
  36. DLの手法(CNN)⑪
  37. DLの手法(CNN)⑫
  38. DLの手法(CNN)⑬
  39. DLの手法(CNN)⑭
  40. DLの手法(CNN)⑮
  41. DLの手法(CNN)⑯
  42. DLの手法(CNN)⑰
  43. DLの手法(CNN)⑱
  44. DLの手法(CNN)⑲
  45. DLの手法(CNN)⑳
  46. DLの手法(RNN)①
  47. DLの手法(RNN)②
  48. DLの手法(RNN)③
  49. DLの手法(RNN)④
  50. DLの手法(RNN)⑤
  51. DLの手法(RNN)⑥
  52. DLの手法(RNN)⑦
  53. DLの手法(RNN)⑧
  54. DLの手法(RNN)⑨
  55. DLの手法(RNN)⑩
  56. DLの手法(深層強化学習)①
  57. DLの手法(深層強化学習)②
  58. DLの手法(深層強化学習)③
  59. DLの手法(深層強化学習)④
  60. DLの手法(深層強化学習)⑤
  61. DLの手法(深層強化学習)⑥
  62. DLの手法(深層強化学習)⑦
  63. DLの手法(深層強化学習)⑧
  64. DLの手法(深層強化学習)⑨
  65. DLの手法(深層強化学習)⑩
  66. DLの手法(深層生成モデル)①
  67. DLの手法(深層生成モデル)②
  68. DLの手法(深層生成モデル)③
  69. DLの手法(深層生成モデル)④
  70. DLの手法(深層生成モデル)⑤
  71. ディープラーニングの研究分野①
  72. ディープラーニングの研究分野②
  73. ディープラーニングの研究分野③
  74. ディープラーニングの研究分野④
  75. ディープラーニングの研究分野⑤
  76. ディープラーニングの研究分野⑥
  77. ディープラーニングの研究分野⑦
  78. ディープラーニングの研究分野⑧
  79. ディープラーニングの研究分野⑨
  80. ディープラーニングの研究分野⑩
  81. ディープラーニングの研究分野⑪
  82. ディープラーニングの研究分野⑫
  83. ディープラーニングの研究分野⑬
  84. ディープラーニングの研究分野⑭
  85. ディープラーニングの研究分野⑮
  86. ディープラーニングの研究分野⑯
  87. ディープラーニングの研究分野⑰
  88. ディープラーニングの研究分野⑱
  89. ディープラーニングの研究分野⑲
  90. ディープラーニングの研究分野⑳
  91. ディープラーニングの研究分野㉑
  92. ディープラーニングの研究分野㉒
  93. ディープラーニングの研究分野㉓
  94. ディープラーニングの研究分野㉔
  95. ディープラーニングの研究分野㉕
  96. ディープラーニングの研究分野㉖
  97. ディープラーニングの研究分野㉗
  98. ディープラーニングの研究分野㉘
  99. ディープラーニングの研究分野㉙
  100. ディープラーニングの研究分野㉚

公式例題