試験内容解説
E資格のシラバスに基づいた内容で、全キーワードを解説しています。各項目をクリックすると詳細な解説ページに移動します。(内容は随時更新中!)
知識確認や、総復習などにお使いください!!
1. 数学的基礎
2. 機械学習
3.深層学習の基礎
- 順伝播型ネットワーク
ⅰ.多層パーセプトロン
ⅱ.出力層と損失関数
ⅲ.活性化関数 - 深層モデルのための最適化
ⅰ.基本的なアルゴリズム
ⅱ.誤差逆伝播法
ⅲ.適応的な学習率を持つアルゴリズム
ⅳ.パラメータの初期化戦略 - 深層モデルのための正則化
ⅰ.パラメータノルムペナルティー
ⅱ.確率的削除
ⅲ.陰的正則化 - 畳み込みニューラルネットワーク
ⅰ.畳み込みニューラルネットワーク - リカレントニューラルネットワーク
ⅰ.リカレントニューラルネットワーク
ⅱ.ゲート機構
ⅲ.系列変換 - Transformer
ⅰ.Transformer - 汎化性能向上のためのテクニック
ⅰ.データ集合の拡張
ⅱ.正規化
ⅲ.アンサンブル手法
ⅳ.ハイパーパラメータの選択
4. 深層学習の応用
- 画像認識
ⅰ.ResNet, WideResNet
ⅱ.Vision Transformer - 物体検出
ⅰ.FasterR-CNN, MaskR-CNN
ⅱ.YOLO, SSD
ⅲ.FCOS - セマンティックセグメンテーション
ⅰ.FCN, U-Net - 自然言語処理
ⅰ.WordEmbedding
ⅱ.BERT
ⅲ.GPT-n -
音声処理 ※全範囲が試験範囲外に変更されたため割愛
ⅰ.サンプリング、短時間フーリエ変換、メル尺度
ⅱ.WaveNet
ⅲ.CTC - 生成モデル
ⅰ.識別モデルと生成モデル
ⅱ.オートエンコーダ
ⅲ.GAN 深層強化学習 ※今後追加予定
ⅰ.深層強化学習のモデル- 様々な学習方法
ⅰ.転移学習
ⅱ.半教師あり学習と自己教師あり学習
ⅲ.能動学習(Active Learning)
ⅳ.距離学習(Metric Learning)
ⅴ.メタ学習(Meta Learning) - 深層学習の説明性
ⅰ.判断根拠の可視化
ⅱ.モデルの近似