【レビュー】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版

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

■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。

●目次
第1章　人工知能(AI)とは
第2章　人工知能をめぐる動向と問題
第3章　数理統計・機械学習の具体的手法
第4章　ディープラーニングの概要
第5章　ディープラーニングの手法（1）
第6章　ディープラーニングの手法（2）
第7章　ディープラーニングの社会実装に向けて

　・G検定合格体験記[2023-05-29に投稿]

　・G検定に合格するためにやった勉強[2022-11-21に投稿]