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概要
G検定シラバス「ディープラーニングの概要」の範囲の対策。難易度は中程度、過去問、問題集で十分フォローできる。イテレーション＝重み更新回数。エポック＝訓練データを使用した回数。各種定理。・バーニーおじさんのルール・ノーフリーランチ定理・みにくいアヒルの子定理・モンベックのパラドックス
AI、データサイエンス
G検定 
G検定 【ディープラーニングG検定対策】機械学習の具体的手法
G検定シラバス「機械学習の具体的手法」の範囲の対策。上記に加え以下も調べておく必要あり。・t-SNE(t-distributed Stochastic Neighbor Embedding ：t分布型確率的近傍埋め込み)・・次元削減アルゴリズムの一つ
G検定 【ディープラーニングG検定対策】人工知能分野の問題
G検定シラバス「人工知能分野の問題」の範囲の対策。難易度は中程度。過去問、問題集でフォローできる。強いAI＝汎用AI＝AGI(Artificial General Intelligence)弱いAI＝特化AI。シンギュラリティについての各人の意見。
G検定 【ディープラーニングG検定対策】人工知能をめぐる動向
G検定シラバス「人工知能をめぐる動向」の範囲の対策。 難易度は中程度で、過去問、問題集で凡そフォローできる。 STRIPSは1971年 Richard FikesとNils Nilcsonの自動計画AI SHRDLUはCycプロジェクトから2001年にOpenCycとして公開される。
G検定 【ディープラーニングG検定対策】人工知能（AI）とは
G検定シラバス「人工知能（AI）とは」の範囲の対策。基本的に難易度への影響は少ない部分であり、過去問、問題集だけの対策で十分と言える。アーサー・サミュエルの発言"明示的にプログラムしなくても学習する能力をコンピュータに与える研究分野"各ブームの終焉理由は把握しておいた方が良い。
AI、データサイエンス ディープラーニング、機械学習の基礎数学
微分係数の定義。導関数の公式。偏微分。ベクトルの和。行列の和。行列の積。統計学。相関。
AI、データサイエンス ディープラーニングの法律、倫理、現行の議論
AIプロダクト開発の工程を通じて関連する法律、倫理、現行の議論について記載する。プロダクトを考える。データを集める。データの加工、分析、学習。実装、運用、評価。クライシスマネジメント。
AI、データサイエンス ディープラーニングの産業への応用 その2
産業への応用の応用例を列挙。タクシー需要予測。来店者情報。無人コンビニ。多様な作業。物流。農業。金融。学習。インターネット関連。
AI、データサイエンス ディープラーニングの産業への応用 その1
G検定対策はこちらはじめに産業への応用の応用例を列挙。ものづくり不良品検出「不良品が発生する頻度が少ない」ことが課題。良品データのみの特徴を抽出し、その差分で不良品を検出。つまり、良品データでなければ不良品という考え方。AutoEncode...
AI、データサイエンス ディープラーニングの研究分野 その3
ディープラーニングの研究分野である、音声認識と強化学習について記載する。RNNの聴覚、音声分野の成果としてWaveNet(ウェーブネット)が存在する。WaveNetは音声合成(Speech synthesis)と音声認識(Speech recognition)の両方を行えるモデル。