EDUCATION

当協会の実施する、人材育成活動について。

Qualification/Certification Outline

JDLA aims to develop Deep Learning Generalist, capable of utilizing in business, and Engineer, capable of implementation, which both has sufficient knowledge in Deep Leaning. We are to define the necessary skills required respectively and operate examination. Also JDLA certified program shall be provided by educational provider. Considering that Deep Learning is progressing rapidly, JDLA qualification test and certification exam shall be titled with year conducted.

JDLA Deep Learning for GENERAL 2018 #1

  • Summary: Determines the ability to use Deep Learning in a business situation.
  • Restrictions: Unrestricted
  • Outline: 120 Min, 228 questions based on the syllabus (Multi-Choice Question), Online test (Home Based Exam)
  • 出題問題:シラバスより出題(推薦図書あり
  • Fees: 12,960JPY(Including Tax / subject to change)
  • Date: 2018 June 16 (Sat) 1-3pm
  • Apply between: 2018 May *TBD
  • Apply from: JDLA Examination Website *Under construction

JDLA Deep Learning for ENGINEER 2018

  • Summary: Certifies the implementation skill for deep learning engineers.
  • Restrictions: Must have completed the entrance exam qualification program.
  • Outline: Venues(Tokyo and Osaka), Knowledge based questions(Multi choice), Practical exam.
  • Questions: Completed association certified program level questions Usage framework and library independent problems will be examined.
  • Fees: 32,400JPY(Tax include / subject to change)
Note: Certification programs are provided by higher education institutions and private business operators separate from our organization but the program itself shall be qualified under the criteria and syllabus defined by JDLA.

過去の試験情報

Syllabas for Learning Deep Learning

JDLA Deep Learning for GENERAL 2018 #1

  • What is Artificial Intelligence(AI), Definition of AI
  • Trends in AI
     

    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。
    • Search, Inference, Knowledge Representation, Machine Learning, Deep Learning
  • Issues in AI field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。
    • Toy Problem, Frame Problem, Weak AI, Strong AI, Embodiment, Symbol Grounding Problem, Feature Engineering, Turing Test, Singularity
  • Practical Method of Machine Learning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
    • Representative Method, Data Management, Applications
  • Summary of Deep Learning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。
    • Neural Networks and Deep Learning, Existing Problems on Basic Neural Networks, Approaches of Deep Learning, CPU & GPU
    • The Amount of Data Needed on Deep Learning
  • Method of Deep Learning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
    • Activation Function, Optimization on Learning Rate, More Techniques on Deep Learning, CNN, RNN
    • Deep Reinforcement Learning, Deep Generative Model
  • Field of Study in Deep Learning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。
    • Image Recognition, Natural Language Processing, Sound Processing, Robotics (Reinforcement Learning, Multimodal
  • For application of Deep Learning
    • Applications on Industries, Law, Ethics, Discussions on Current Deep Learning Technologies

JDLA Deep Learning for ENGINEER 2018

  • Applied Math
    • Linear Algebra
    • Probability and Statistics
    • Information Theory
  • Machine Learning
    • Machine Learning Basics
    • Practical Methodology
  • Deep Networks: Modern Practices
    • Deep Feedforward Networks
    • Regularization for Deep Learning
    • Optimization for Training Deep Models
    • Confolution Operation
    • Sequence Modeling: Recurrent and Rcursive Nets
    • Deep Generative Models
    • Reinforcement Learning

Recommended Books

JDLA Certified Program

JDLA will certify and promote the program that enables to develop Deep Learning engineer with implementation skill based on apprehension of theory. Participant of the certified program will be qualified for E Certification Exam after completion of the program.

Process for certification ※認定プログラムの制作者向け

Applicant JDLA

  • 1. Inquiry on application.
  • 2. Check the basic conditions and receive the application form and Check List.
  • 3. Confirm the receipt, prepare and submit the application form and Check List.
  • 4. Confirm the receipt of the application form and Check List, notification of starting the examination.
  • 5. Accepting the actual inspection / Provide the online environment.
  • 6. Examination by examiner.
  • 7. Discussion by Certification Committee, Notification of examination result.
  • 8. Registration as Certified Program