G検定 G検定超入門 とりあえず公式例題を解いてみる#1
最初の方がディープラーニングの技術的な話より、歴史的な話が多い。
書いてあることが正しいかどうかに加えて、何について聞いているのかを認識していないと誤答しやすい。
汎用人工知能≒強いAI、特化型人工知能≒弱いAIは覚えておいた方が良い。
AI、データサイエンス
G検定 
G検定 G検定 強化学習対策
G検定対策のまとめ記事はこちら。 はじめに G検定の強化学習についての勉強方法を聞かれたんで、とりあえず記事にしてみた。 正直、G検定の強化学習関連は情報も少なく、かなり学習し難いカテゴリになる。法律/最近の動向系と比べるとややマシとは言え...
G検定 G検定法律問題対策【個人情報保護法、著作権法、特許法、不正競争防止法】
AIに関連する法として以下がある。
個人情報保護法、著作権法、特許法、不正競争防止法。
基本的な考え方は著作権法、特許法で保護できなかったものは不正競争防止法で保護。
これもで保護できないなら契約で保護。
不正競争防止法で保護する際は営業秘密側で保護したい。
G検定 G検定問題集(ひたすら過去問ふぅ問題で鍛錬する所 一問一答 仮)
G検定の時事、法規に特化した問題集。 普通の問題を解きたい方は他のサイトを見た方が良い。 G検定当日に時事、法規関連問題を見るとショック受ける方多いようなので、そのショックをいくらか軽減するためにだけに設置したものとなる。G検定時事問題、G検定最近の動向問題、G検定法規問題など。基本的にはarXivの論文の言い回しをベースに記載
AI、データサイエンス 【Python】LSTMによる株価予測【Chainer】
RNN拡張版のLSTMによる株価予測に挑戦した時の記録。LSTMの特性が良くわかる。日経平均株価情報の取得方法も記載。Pythonのソースコード(実装)も貼っているのでとりあえず動かしてみるのもあり。LSTMが得意な波形、苦手な波形。苦手な波形をどうしたら得意な波形にできるか。
G検定 【G検定対策】JDLAジェネラリスト検定2020~2024【カンペ、過去問、難易度、感想、チートシート？】
G検定の法規/近年の動向を含めた過去問っぽい問題集設置。 難易度はそれほど高くないが準備はそれなりに必要。文系の方々でも十分獲得可能。カンペに使える図解＆解説ページあり。毎回知人の誰かしらが受けているのでその情報を元に更新。問題集で慣らすという手法だと足元をすくわれる可能性が高い。
G検定 【ディープラーニングG検定対策】ディープラーニングの基礎数学
G検定シラバスとしては明記されていないが、数問出題される。
難易度は低。しかし、過去問、問題集から外れた問題も若干出やすい。
ノルムの算出方法、ベイズの定理なども事前に調べておく必要がある。
上記に加えて以下の把握しておいた方が良い
・CNNの畳込み演算の計算
G検定 【ディープラーニングG検定対策】ディープラーニングの応用に向けて
G検定シラバス「ディープラーニングの応用に向けて」の範囲の対策。
難易度は超高。過去問、問題集ではほぼ歯が立たない。
AI白書や時事ネタを収集しておく必要がある。
自動運転のレベル。
0 ドライバーがすべて操作
G検定 【ディープラーニングG検定対策】ディープラーニングの研究分野
G検定シラバス「ディープラーニングの研究分野」の範囲の対策。
難易度は高。過去問、問題集だけではフォローしきれない。
「自然言語処理の流れ」と「強化学習」について追加の情報収集が必要。
画像注釈＝画像キャプション生成。
自然言語処理の流れ。
G検定 【ディープラーニングG検定対策】ディープラーニングの手法
G検定シラバス「ディープラーニングの手法」の範囲の対策。
難易度は高。過去問、問題中でだけではフォローしきれない。
昨今のDNNを調べておく必要がある。
Softmax：出力を正規化して確率として解釈。
tanh：双曲線正接関数。
ReLU：正規化線形関数、ランプ関数。