JDLA認定ディープラーニングE検定の合格体験記



今回は、JDLA認定ディープラーニングE検定とはどんな検定か、また取得に向けた勉強方法について書いていきます。

JDLA認定ディープラーニング検定は、「G検定」と「E検定」があります。「G検定」はGeneralist(ゼネラリスト)検定であり、ディープラーニングの知識全般を聞く検定で、受験資格の制限はなく、誰でも受験可能です。「E検定」はEngineer(エンジニア)検定であり、受験資格はJDLA認定プログラムの受講を終了した人です。そのため、E検定を取得するには、認定プログラムを受講する必要があります。

ディープラーニングE検定のシラバスは、以下の通りです。
*************
■応用数学
線形代数
確率・統計
情報理論

■機械学習
機械学習の基礎
実用的な方法論

■深層学習
順伝播型ネットワーク
深層モデルのための正則化
深層モデルのための最適化
畳み込みネットワーク
回帰結合型ニューラルネットワークと再帰的ネットワーク
生成モデル
強化学習
深層学習の適応方法
*************

G検定と異なり、計算やコードに関する問題が多く出題されます。しかし、まずはG検定のテキストを使ってディープラーニングの概要を把握したうえで、勉強を進めていくことをお勧めします。





一通り、ディープラーニングの概要をつかんだら、Pythonコードを勉強しましょう。僕は「Pythonによるあたらしいデータ分析の教科書」 、「新しい東京大学のデータサイエンティスト育成講座」を使ってPythonコードを書いて勉強しました。2冊ともAIプログラミング初心者でもわかりやすくおススメです。Numpyのコードが多く出題されるので、活性化関数などのコードをどんどん覚えていきましょう。





ディープラーニング概要、Pythonコードの勉強が終わったら、残りはひたすら認定プログラムの模擬問題などを解いていきましょう。線形代数などはネットに解放が載っているので、それらも参考にひたすら解きました。元々、AIプログラミング実務を行っている方はそんなに難易度が高くない試験だとは思いますが、自身のようなAI業務未経験者にとっては非常に難しい試験だと感じました。未経験者の方は線形代数とPythonコードの勉強を特に力を入れて行う必要があると思いました。
それぞれの問題は難しいですが、正答率は6割程度で大丈夫である可能性が高いので、合格率はそれなりに高くなっています。皆様のご検討を祈っています。

試験対策や過去問で疑問点があれば、お気軽にご質問下さい。わかる範囲でお答えします。
※返信が遅くなる場合もありますが、ご了承ください。

よろしければシェアお願いします。
このエントリーをはてなブックマークに追加
 






コメント

このブログの人気の投稿

統計と、機械学習・深層学習(マシーンラーニング・ディープラーニング)の違いとは?

定量分析と定性分析の使い分け

データベースの意味と、構築する際の留意点