E資格に合格したのでそのメモを残す
E資格とは?
E資格と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や知識を有しているかを認定する試験です。 下記の概要で試験が実施されます。
- 開催頻度: 夏と冬の年二回
- 試験時間:120分
- 知識問題(多肢選択式・100問程度)
受験資格を得るためには、主催団体である、JDLAが認定したプログラムを終了している必要があります。
シラバス: 2023/2時点
-
応用数学
- 確率・統計
- 情報理論
-
機械学習
- 機械学習の基礎
- 実用的な方法論
- 強化学習
-
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
- 生成モデル
- 深層強化学習
- グラフニューラルネットワーク
- 深層学習の適用方法
- 距離学習
- メタ学習
- 深層学習の説明性
-
開発・運用環境
- ミドルウェア
- エッジコンピューティング
- 分散処理
- アクセラレータ
- 環境構築
ラビットチャレンジ
私は、JDLA認定プログラムの中から、ラビットチャレンジの一般コースを選びました。 特徴としては、動画による説明なので、自分の好きなタイミングで閲覧できるため時間調整しやすいと考えました。 また、一般コースでは、基本的に質問や疑問対応をしていないため、自学自習ができないときついと思います。 その分、他の認定プログラムに比べて費用を抑えることができます。
ラビットチャレンジの流れ
認定プログラムを修了するには、シラバスに対応する5つのステージをパスする必要があります。
-
Stage 0: E資格の勉強を始める準備が整っているかを判定する
- スタートテストの合格
-
Stage 1: 応用数学を理解することが目的
- ステージテストの合格
- レポートの提出
-
Stage 2: 機械学習を理解することが目的
- ステージテストの合格
- レポートの提出
-
Stage 3: 深層学習(基礎分野)を理解することが目的
- ステージテストの合格
- レポートの提出
-
Stage 4: 深層学習(発展分野)を理解することが目的
- 認定テストの合格
- レポートの提出
私のラビットチャレンジの流れ
私が受験した時の行動と感想とかを記載します。
2022/12/1:
- 行動: 登録&受講開始
- 感想: 2月の試験までに全て終わればいいだろうと思って開始した。2ヶ月半あれば余裕と思っていたが、認定試験なるものを2023/1/11までに合格する必要があって血の気が引いた🫠
2022/12/1~2022/12/2
- 行動: スタートテスト
- 感想: 動画・資料見たり、コードを実行したりした後に回答した。
-
工夫:
- テスト回答用のスプレッドシートを作って管理。列は問題と回答
- 結果: 2022/12/2に合格
- 時間: 約6時間
2022/12/2~2022/12/3
- 対象: Stage 1 応用数学
- 感想: プログラムにしてくれたらわかるんだけどなぁと思ってた。
-
工夫:
- テスト回答用スプシを作成。列は問題番号・回答・問題の種類
- 動画を1.5倍速で視聴。
- 結果: 2022/12/3に合格
- 時間: 約6時間
2022/12/3~2022/12/8
- 対象: Stage 2 機械学習
- 感想: Colabでプログラムを動かすことが楽しい。
- 工夫:
- Colabでレポート書きながら進める。(レポートの書き方は後述する)
- 動画を1.5倍速で視聴。
- 結果: 2022/12/8に合格
- 時間: 約10時間
2022/12/9~2022/12/23
- 対象: Stage 3 深層学習前編
- 感想: 内容が難しくなったが、充実感がある。
- 工夫:
- コードを自分が読みやすいように書き換えながら進めた。
- ひたすら関連リンクを収集した。
- 結果: 2022/12/23に合格
- 時間: 約35時間
2022/12/23~2022/12/28
- 対象: Stage 4 深層学習後編
- 感想: GANがしたかったので、講座+書籍に寄り道した。
- 工夫:
- コードを自分が読みやすいように書き換えながら進めた。
- ひたすら関連リンクを収集した。
- 結果: 2022/12/28に合格
- 時間: 約35時間
ラビットチャレンジの効率化
動画閲覧
倍速で閲覧しても良いと思う。
効率の良さそうなレポートの書き方
レポートを書きながら動画を見ることをお勧めします。
- Colabファイル作成
- セクション追加: レポートの骨格を作ります。
- 各章
- 確認テスト
- 実装演習
- 参考
- 動画視聴: 動画を見ながら、レポートの埋められるとこを記載していきます。
- 各章:要点を記述
- 確認テスト:問題/回答を記述
- 実装演習:コードを写経・実行
- 参考:不明な点を調べURLと要点を記述
- 提出
テストについて
- テストはスプレッドシートにメモを書きながら進めましょう
- 各テストを受けた際の正誤については開示しされません。不合格だった場合、誤答問題の番号開示をすぐに受けましょう。どの問題が不正解かを考える時間は無駄です。
書籍
過去問
ゼロから作るDeep Learning
ディープラーニングを支える技術
その他
サイト
数学
機械学習
深層学習
- そうだったのか!可視化して理解するDeep Learning
-
『ゼロから作る Deep Learning』シリーズ
- GitHub - oreilly-japan/deep-learning-from-scratch: 『ゼロから作る Deep Learning』(O'Reilly Japan, 2016)
- GitHub - oreilly-japan/deep-learning-from-scratch-2: 『ゼロから作る Deep Learning ❷』(O'Reilly Japan, 2018)
- GitHub - oreilly-japan/deep-learning-from-scratch-3: 『ゼロから作る Deep Learning ❸』(O'Reilly Japan, 2020)
- GitHub - oreilly-japan/deep-learning-from-scratch-4
- ✳️ ディープラーニングの用語 ✳️の記事一覧 (コンピュータビジョンの用語が中心) | CVMLエキスパートガイド
- ChatGPT: Optimizing Language Models for Dialogue
-
- 深層学習入門 ~基礎編~ - Qiita
- 深層学習入門 ~コーディング準備編~ - Qiita
- 深層学習入門 ~順伝播編~ - Qiita
- 深層学習入門 ~逆伝播編~ - Qiita
- 深層学習入門 ~学習則編~ - Qiita
- 深層学習入門 ~ローカライズと損失関数編~ - Qiita
- 深層学習入門 ~関数近似編~ - Qiita
- 深層学習入門 ~畳み込みとプーリング編~ - Qiita
- 深層学習入門 ~CNN実験編~ - Qiita
- 深層学習外伝 ~GPUプログラミング編~ - Qiita
- 深層学習入門 ~ドロップアウト編~ - Qiita
- 活性化関数一覧 (2020) - Qiita
- 勾配降下法一覧 (2020) - Qiita
- 見てわかる!最適化手法の比較 (2020) - Qiita
- im2col徹底理解 - Qiita
- col2im徹底理解 - Qiita
- numpy.pad関数完全理解 - Qiita
LaTex
レポートを書く際に、数式をきれいに記述するためにLatTexを使用しました。
- Overview of Colaboratory Features - Colaboratory
- LaTeXコマンド - 上付き・下付きの添字
- LaTeXコマンド - 数式 - 和、総和 - sum
- LaTeXコマンド - 偏微分・勾配・ラプラシアン - partial, nabla, Delta
- LaTeXコマンド - 積分、重積分、周回積分 - int, iint, idotsint, oint
- LaTeXコマンド - 数学記号(等号、不等号、演算子、集合)
- 【LaTeX】微分・偏微分のさまざまなかき方まとめ | 数学の景色
- 【LaTeX】雑記号・特殊文字のコマンド98個一覧 | 数学の景色
- 【LaTeX】さまざまな行列のかき方一覧 | 数学の景色
- TeX メモ - まくまくOctaveノート
- TeXの数式でハットを書く方法. - pyopyopyo - Linuxとかプログラミングの覚え書き -
- 数式に出てくる文字・記号のLaTeXコマンド集 - 理系のための備忘録
- LaTeXの特殊文字・特別記号
- LaTeX で自然数、整数、有理数、実数、複素数の集合を表す - Irohabook