概要

機械学習・ディープラーニングの手法や仕組みがしっかり学習できる!

傾向が変わった最新の「ディープラーニング G検定(ジェネラリスト)」を分析し，重要な箇所を網羅した問題集。
AI技術の開発・導入を通じて多数の企業課題の解決を実現し，E資格で圧倒的な合格率(94.4%)を誇る，株式会社AVILENによる執筆!

本書の特徴

• 「EfficientNet」など最新の有名なモデルを取り上げたほか，既存の本に少ない「深層強化学習」の問題・解説も充実
• 解説だけで170ページ以上のボリューム。解説が丁寧でわかりやすいので，機械学習や深層学習の仕組みをしっかり理解できる
• 重要なキーワードを押さえた「用語解説」を各章に記載。試験前の見直しに最適

G検定では，単純にキーワードを覚えておくだけでは解けない問題も多く出題されます。技術に対する付け焼き刃の知識ではなく，理解が必要です。
本書は問題から解説まで，AIジェネラリストに必要な技術や手法が理解できるよう徹底して作成しました。G検定を合格を目指すあなたに最適の一冊です。

こんな方におすすめ

• 日本ディープラーニング協会のG検定（ジェネラリスト）の試験を受ける方
• AIジェネラリスト，AIに絡む仕事をしている方

サンプル

目次

• G検定とは
• G検定のシラバス（試験範囲）
• G検定合格へ向けて
• 本書の使い方

第1章　人工知能（AI）とは

• 1.1　人工知能の定義
• 1.2　人工知能の歴史
• 用語解説

第2章　人工知能の変遷と問題

• 2.1　探索・推論
• 2.2　知識表現
• 2.3　人工知能における問題
• 用語解説

第3章　機械学習の具体的手法

• 3.1　代表的な手法
• 学習の種類
  • 教師あり学習
  • 教師なし学習
  • 強化学習
• 3.2　教師あり学習の代表的な手法
  • 線形回帰
  • 正則化
  • ロジスティック回帰
  • サポートベクターマシン
  • k近傍法
  • 決定木
  • ランダムフォレスト
  • 勾配ブースティング
  • アンサンブル学習
  • ベイズの定理
  • 最尤推定
• 3.3　教師なし学習の代表的な手法
  • k-means法
  • 階層的クラスタリング
  • 主成分分析
• 3.4　手法の評価
  • データの扱い
  • 交差検証法
• 3.5　評価指標
  • 回帰
  • 分類
• 3.6　特徴量設計
• 用語解説

第4章　ディープラーニングの概要

• 4.1　ニューラルネットワークとディープラーニング
• 4.2　事前学習によるアプローチ
• 4.3　ハードウェア
• 用語解説

第5章　ディープラーニングの手法

• 5.1　活性化関数
• 5.2　学習の最適化
  • 学習と微分
  • 勾配下降法
• 5.3　さらなるテクニック
  • 過学習
  • ドロップアウト
  • early stopping
  • データの正規化
  • 重みの初期値
  • バッチ正規化
• 5.4　CNN：畳み込みニューラルネットワーク
  • 画像データの扱い
  • 畳み込み
  • プーリング
  • 全結合層
  • データ拡張
  • 転移学習
  • CNNの初期モデル
• 5.5　RNN：リカレントニューラルネットワーク
  • RNNの基本形
  • LSTM
  • RNNの発展形
  • Attention
• 5.6　強化学習の特徴
• 5.7　深層強化学習
• 5.8　深層生成モデル
• 用語解説

第6章　AI技術の応用に向けて

• 6.1　画像認識
• 6.2　自然言語処理
• 6.3　音声認識
• 6.4　強化学習
• 6.5　生成モデル
• 6.6　自動運転
• 用語解説

第7章　AI技術の応用に向けて（2）
‐法律・倫理・現行の議論‐

• 7.1　AIと社会
• 7.2　プロダクトの設計
• 7.3　データの収集
• 7.4　データの加工・分析・学習
• 7.5　プロダクトの実装・運用・評価
• 7.6　AIと法律・制度
• 用語解説

サポート

補足情報

本書の補足情報を掲載します。

ダウンロード

P.330 問4のカラー版

正誤表

本書掲載の記述に誤りがありました。訂正するとともに，読者の皆様および関係者の方々に深くお詫び申し上げます。

初版第1刷をお買い上げの方への正誤表

第1刷_正誤表

初版第2刷をお買い上げの方への正誤表

第2刷_正誤表

初版第3刷をお買い上げの方への正誤表

第3刷_正誤表

初版第4刷～第7刷をお買い上げの方への正誤表

第4刷～第7刷_正誤表