1. HOME > 
  2. 協会活動 > 
  3. 人材育成

人材育成

EDUCATION

当協会の実施する、人材育成活動について。

検定・資格概要

ディープラーニングに関する知識を有し、事業活用する人材(ジェネラリスト)と、ディープラーニングを実装する人材(エンジニア)の育成を目指します。各々に必要な知識やスキルセットを定義し、資格試験を行うとともに、協会が認定した事業者がトレーニングを提供します。

各々年二回実施予定。日進月歩する技術であることから、検定・資格実施年毎に実施年号を付与する。

JDLA Deep Learning for GENRAL 2017

  • 概要:ディープラーニングを事業に活かすための知識を有しているかを検定する
  • 受験資格:制限なし
  • 試験概要:120分、100問の知識問題(多肢選択式)、オンライン実施(自宅受験)
  • 出題問題:シラバスより出題(推薦図書あり
  • 受験料:12,960円(税込)程度(初回 学生9,720円)
  • 試験日:12月16日(土)13時-15時
  • 申込期間:11月17日(金)~12月9日(金)

JDLA Deep Learning for ENGINEER 2018

  • 概要:ディープラーニングを実装するエンジニアの技能を認定する
  • 受験資格:JDLA認定プログラム※を修了していること
  • 試験概要:会場試験(東京、大阪)、知識問題(多肢選択式)と実技試験で構成
  • 出題問題:シラバスより 使用フレームワーク、ライブラリに依存しない問題を出題
  • 試験日:2018年4月(予定)
  • 受験料:32,400円(税込・予定)

※「JDLA認定プログラム」は、高等教育機関や民間事業者が提供する教育プログラムで、当協会が別途定める基準およびシラバスを満たすもの

ディープラーニング学習のシラバス

JDLA Deep Learning for GENERAL 2017

  • 人工知能(AI)とは(人工知能の定義)
  • 人工知能をめぐる動向例題

    問題:国際的な画像認識コンペティション“ILSVRC2012”について、正しいものをすべて選べ。

    1. 画像認識は、2017年現在でディープラーニングが最も高い精度を実現できるタスクである。
    2. ImageNetとは、手書き文字認識のためのデータセットである。
    3. 優勝チームはトロント大学のジェフリー・ヒントン教授率いるSuperVisionである。
    4. このコンペティションであげられた成果は、「人工知能研究50年来のブレイク・スルー」と称された。
    • 探索・推論、知識表現、機械学習、深層学習
  • 人工知能分野の問題例題

    問題: 「強いAI・弱いAI」に関する説明として適切なものを2つ選べ。

    1. 「強いAI」は、エキスパートシステムと呼ばれ、現在でも広く実用されている。
    2. AGI(Artificial General Intelligence: 汎用人工知能)と呼ばれるものは、「強いAI」により近いものである。
    3. 本来の意味での「人間のように考えるコンピュータ」が開発されたことが、第3次人工知能ブームのきっかけである。
    4. 国際的な画像認識のコンペティションでは、「弱いAI」が人間を超える識別性能を実現している。
    • トイプロブレム、フレーム問題、弱いAI、強いAI、身体性、シンボルグラウンディング問題、特徴量設計、チューリングテスト、シンギュラリティ
  • 機械学習の具体的手法例題

    問題:空欄に当てはまる語句の組み合わせとして最も適しているものを1つ選べ。
    教師あり学習の問題は出力値の種類によって、大きく2種類に分けられる。(A) 問題は出力が離散値であり、カテゴリーを予測したいときに利用される。一方、(B) 問題は出力が連続値であり、その連続値そのものを予測したいときに利用される。

    1. 1. (A) 限定 (B) 一般
    2. 2. (A) 部分 (B) 完全
    3. 3. (A) 分類 (B) 回帰
    4. 4. (A) 線形 (B) 非線形
    • 代表的な手法、データの扱い、応用
  • ディープラーニングの概要例題

    問題:あるニューラルネットワークのモデルを学習させた際、テストデータに対する誤差を観測していた。そのとき、学習回数が100を超えるまでは誤差が順調に下がり続けていたが、それ以降は誤差が徐々に増えるようになってしまった。その理由として最も適切なものを1つ選べ。

    1. 学習回数が増えるほど、誤差関数の値が更新されにくくなるため。
    2. 学習回数が増えるほど、学習データにのみ最適化されるようになってしまうため。
    3. 学習回数が増えるほど、一度に更新しなければならないパラメータの数が増えていくため。
    4. 学習回数が増えるほど、計算処理にかかる時間が増えてしまうため。
    • ニューラルネットワークとディープラーニング、既存のニューラルネットワークにおける問題、ディープラーニングのアプローチ、CPU と GPU
    • ディープラーニングにおけるデータ量
  • ディープラーニングの手法例題

    問題:通常のニューラルネットワークにはない、畳み込みニューラルネットワークがもつ分類問題の汎化性能の向上に寄与する特徴として、最も適切なものを1つ選べ。

    1. ネットワークの中間層で、再帰的にフィードバックが与えられる。
    2. 決定境界を非線形にするために、活性化関数が利用される。
    3. 画像全体に対して、一定範囲ごとに入力の特徴量が抽出される。
    4. 出力層において、出力が確率に変換される。

    問題:次の文章の(A)、(B)の組み合わせとして、最も適しているものを1つ選べ。
    時系列データの分析には、もともと( A )が最も適していると考えられていたが、時系列データのひとつである音声処理の分野では( B )が非常に高い精度を記録している。

    1. (A)リカレントニューラルネットワーク (B)畳み込みニューラルネットワーク
    2. (A)リカレントニューラルネットワーク (B)Autoencoder
    3. (A)畳み込みニューラルネットワーク (B)リカレントニューラルネットワーク
    4. (A)畳み込みニューラルネットワーク (B)Autoencoder
    5. (A)Autoencoder (B)畳み込みニューラルネットワーク
    6. (A)Autoencoder (B)リカレントニューラルネットワーク
    • 活性化関数、学習率の最適化、更なるテクニック、CNN、RNN
    • 深層強化学習、深層生成モデル
  • ディープラーニングの研究分野例題

    問題:RNN(Recurrent Neural Network)が自然言語処理の分野で精度の向上に寄与した理由として、最も適しているものを1つ選べ。

    1. 畳み込み層で畳み込み処理を行うことにより、単語の出現位置から文脈を読み取れるようになったため。
    2. 隠れ層で過去の情報を保持できるようになり、文字の並びから意味を抽出できるようになったため。
    3. ネットワークの外部に記憶部分を設けることで、文章のパターンを簡単に参照できるようになったため。
    4. 正しい文章の出力ができるようになるまで繰り返し自動で学習できるようになったため。
    • 画像認識、自然言語処理、音声処理、ロボティクス (強化学習)、マルチモーダル
  • ディープラーニングの応用に向けて
    • 産業への応用、法律、倫理、現行の議論

JDLA Deep Learning for ENGINEER 2018

  • 応用数学
    • 線形代数
    • 確率・統計
  • 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
    • 自己符号器
    • 生成モデル
    • 強化学習

推薦図書

JDLA認定プログラム

JDLAでは、ディープラーニングの理論を理解し、適切な手法を選択して実装する能力を持つ人材を育成する講座を、JDLA認定プログラムとして認定推奨します。
認定講座の受講を修了すると、E資格の受験が可能になります。

認定のプロセス

申請者 JDLA

  • 1. 申請に関する問合せ
  • 2. 基本条件の確認、申請書、チェックリストの送付
  • 3. 受領の確認、申請書、チェックリストの作成・提出
  • 4. 申請書、チェックリストの受領、審査開始の連絡
  • 5. 実地視察の受入れ/オンライン環境の提供
  • 6. 審査官による審査
  • 7. 認定委員会による審議、認定結果の通知
  • 8. 認定登録

JDLA認定プログラム 提供事業者

現在募集中