書籍概要

最短突破

最短突破
ディープラーニングG検定(ジェネラリスト)問題集 第2

著者
発売日
更新日

概要

問題数を増量! さらに幅広い問題と解説を提供!

AIエンジニア資格「E資格」で圧倒的な合格実績を誇る機械学習・ディープラーニング教育のプロ,株式会社AVILENが執筆。

実践的な演習問題と,分かりやすさを追求した問題解説で,AI・ディープラーニングの仕組みや手法の理解をサポート。G検定合格を目指すあなたに最適な1冊です。

本書の特徴

  • G検定頻出の「AIの社会実装」分野,「ディープラーニングの手法」を中心に問題を増量,旧版より52ページ増量。
  • 旧版で内容の重複する問題を極力削り,新たなトピックを加え,バリエーション豊かな問題に再構成。
  • 解説だけで206ページののボリューム。解説が丁寧でわかりやすく,機械学習や深層学習の仕組みからしっかりと理解できる。
  • 豊富な図や表で読みやすく,イメージしやすい設計。
  • 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。
  • 最新の傾向にも対応。

こんな方におすすめ

  • 一般社団日本ディープラーニング協会主催のG検定(ジェネラリスト)を受験する方
  • AI技術者
  • ディープラーニングやAI技術の概要をつかみ,ビジネスで活かしたい方

本書購入特典(株式会社AVILEN提供)

本書を購入いただいた読者様限定で「G検定オンライン模試」を1回分プレゼント。オンラインで試験を受けることができ,制限時間内に解く体験は実際の試験の練習に最適です。ぜひ書籍での学習の集大成にご利用ください。

サンプル

samplesamplesamplesamplesample

目次

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

第2章 人工知能をめぐる動向と問題

  • 2.1 探索・推論
  • 2.2 知識表現
  • 2.3 機械学習
  • 2.4 人工知能における問題

第3章 数理統計・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
    • 決定木
    • 時系列モデル
    • 疑似相関
    • 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
    • リコメンデーションアルゴリズム
    • 主成分分析
    • 特異値分解
    • データの視覚化
  • 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
    • モデル自体の評価

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

第5章 ディープラーニングの手法(1)

  • 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
    • 学習率
    • 鞍点
    • SGD
    • モーメンタム
    • 最新の最適化手法
    • ハイパーパラメータチューニング
  • 5.3 さらなるテクニック
    • 過学習
    • 二重降下現象
    • 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
    • 畳み込み層の派生
    • データ拡張
    • NAS
    • 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 問題
    • 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

第6章 ディープラーニングの手法(2)

  • 6.1 画像認識
    • CNNの代表モデル
    • 物体検出
    • セグメンテーション
    • OpenPose
    • Efficient Net
    • 学習の発展
  • 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

第7章 ディープラーニングの社会実装に向けて

  • 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

サポート

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。

(2022年10月14日最終更新)

第2版第1刷と第2刷をお買い上げの方への正誤表
第1-2刷_正誤表

商品一覧