日本ディープラーニング協会とは
日本ディープラーニング協会（Japan Deep Learning Association：JDLA）とは、ディープラーニングを中心とする技術による日本の産業競争力の向上を目指し、ディープラーニングを事業の核とする企業および有識者が中心となって、産業活用促進、人材育成、公的機関や産業への提言、国際連携、社会との対話 など、産業の健全な発展のために必要な活動をしている団体です。
G検定、E資格などディープラーニングに関する検定、認定試験を実施しています。
G検定
G検定とは
G検定とは、一般社団法人日本ディープラーニング協会（JDLA）が実施する、AI・ディープラーニングの活⽤リテラシー習得のための検定試験です。ディープラーニングをはじめとする、 AIに関する様々な技術的な⼿法やビジネス活⽤のための基礎知識を有しているかどうかを確認できます。
日程
2023年は年間5回、3月・5月・7月・9月・11月に開催されました。2024年は1月・3月・5月・7月・9月・11月の計6回実施予定です。JDLAのウェブサイトでスケジュールの確認が可能です。
実施資格
なし。誰でも受験可能です。
受験費用
一般：13,200円（税込）学生：5,500円（税込）ですが、過去受験日から2年以内の再受験の方は、半額（一般：6,600円、学生：2,750円）になります。
試験内容
試験時間は120分で、多肢選択式の知識問題が200問程度出題されます。オンライン実施のため、自宅や職場で受験できます。調べながら回答することも可能ですが、数10秒で 1 問間隔で回答できなければ間に合わないため、ある程度、勉強しなければ時間が足りなくなります。
シラバスは次のようになっています。
〇人工知能をめぐる動向
- 探索・推論
探索木、ハノイの塔、ロボットの行動計画、ボードゲーム、モンテカルロ法 - 知識表現
人工無脳、知識ベースの構築とエキスパートシステム、知識獲得のボトルネック(エキスパートシステムの限界)、意味ネットワーク、オントロジー、概念間の関係 (is-a と part-of の関係)、オントロジーの構築、ワトソン、東ロボくん - 機械学習・深層学習
データの増加と機械学習、機械学習と統計的自然言語処理、ニューラルネットワーク、ディープラーニング
〇人工知能分野の問題
〇機械学習の具体的手法
- 教師あり学習
線形回帰、ロジスティック回帰、ランダムフォレスト、ブースティング、サポートベクターマシン (SVM)、ニューラルネットワーク、自己回帰モデル (AR) - 教師なし学習
k-means 法、ウォード法、主成分分析 (PCA)、協調フィルタリング、トピックモデル - 強化学習
バンディットアルゴリズム、マルコフ決定過程モデル、価値関数、方策勾配 - モデルの評価
正解率・適合率・再現率・F 値、ROC 曲線と AUC、モデルの解釈、モデルの選択と情報量
〇ディープラーニングの概要
- ニューラルネットワークとディープラーニング
単純パーセプトロン、多層パーセプトロン、ディープラーニングとは、勾配消失問題、信用割当問題 - ディープラーニングのアプローチ
事前学習、オートエンコーダ、積層オートエンコーダ、ファインチューニング、深層信念ネットワーク - ディープラーニングを実現するには
CPUとGPU、GPGPU、ディープラーニングのデータ量 - 活性化関数
tanh 関数、ReLU 関数、シグモイド関数、ソフトマックス関数 - 学習の最適化
勾配降下法、勾配降下法の問題と改善 - 更なるテクニック
ドロップアウト、早期終了、データの正規化・重みの初期化、バッチ正規化
〇ディープラーニングの手法
- 畳み込みニューラルネットワーク(CNN)
CNN の基本形、畳み込み層、プーリング層、全結合層、データ拡張、CNN の発展形、転移学習とファインチューニング - 深層生成モデル
生成モデルの考え方、変分オートエンコーダ (VAE)、敵対的生成ネットワーク (GAN) - 画像認識分野
物体識別タスク、物体検出タスク、セグメンテーションタスク、姿勢推定タスク、マルチタスク学習 - 音声処理と自然言語処理分野
データの扱い方、リカレントニューラルネットワーク (RNN)、Transformer、自然言語処理における Pre-trained Models - 深層強化学習分野
深層強化学習の基本的な手法と発展、深層強化学習とゲーム AI、実システム制御への応用 - モデルの解釈性とその対応
ディープラーニングのモデルの解釈性問題、Grad-CAM - モデルの軽量化
エッジ AI、モデル圧縮の手法
〇ディープラーニングの社会実装に向けて
- AIと社会
AI のビジネス活用と法・倫理 - AIプロジェクトの進め方
AI プロジェクト進行の全体像、AI プロジェクトの進め方、AI を運営すべきかの検討、AI を運用した場合のプロセスの再設計、AI システムの提供方法、開発計画の策定、プロジェクト体制の構築 - データの収集
データの収集方法および利用条件の確認、法令に基づくデータ利用条件、学習可能なデータの収集、データセットの偏りによる注意、外部の役割と責任を明確にした連携 - データの加工・分析・学習
データの加工、プライバシーの配慮、開発・学習環境の準備、アルゴリズムの設計・調整、アセスメントによる次フェーズ以降の実施の可否検討 - 実装・運用・評価
本番環境での実装・運用、成果物を知的財産として守る、利用者・データ保持者の保護、悪用へのセキュリティ対策、予期しない振る舞いへの対処、インセンティブの設計と多様な人の巻き込み - クライシス・マネジメント
体制の整備、有事への対応、社会と対話・対応のアピール、指針の作成と議論の継続、プロジェクトの計画への反映
〇数理・統計
- 数理・統計
統計検定３級程度の基礎的な知識
