ディープラーニングE検定受けてみた

2019年 8月31日に JDLA Deep Learning for Engineer
通称 E検定が行われました。
ディープラーニング検定についてや、受験することになった経緯は
↓の記事でご確認ください。
ds-blog.tbtech.co.jp
ここから半年間勉強してまいりましたが、、

E検定を受けた感想は、むちゃくちゃ難しかった！！！
嘘でしょーーーそんなの聞いてないよーーー。ﾟ(ﾟ´Д｀ﾟ)ﾟ。
ってくらい難しかったのですが、愚痴っててもしょうがないので(つд⊂)
覚えている限りで出題された問題を記していきます。
詳細はお教えできない(覚えてない)ので、ざっくりと書きます。

出題問題

応用数学

・固有値問題（特異値だと思いきや！）
・ある事象がどの分布に当てはまるか（ベルヌーイや、ガウス分布などから選択）
・kLダイバージェンスの式を選択

機械学習

・ロジスティック回帰のオッズ比について
・サポートベクターマシンのカーネルトリックについて
・k-meansの派生系について説明があり該当するk-means++を選択
・k-meansの正しい実装コードを選択
・性能指標について、偽陽性の計算など
・RMSEやMAEの違いなど

深層学習

・クロスエントロピーの式
・シグモイド関数の正しい実装コードを選択
・ソフトマックス関数について
・誤差逆伝播法について(計算グラフや微分)
・MatMulノードについて、微分など
・L1,L2正則化の計算方法など
・ドロップアウトについてと、マスクするコード
・鞍点とは
・Adamの正しい実装コードを選択
・CNNの畳み込み後のサイズ計算
・GoogleNetのInceptionモジュールについて
・R-CNNのIoUの計算
・SemanticSegmentationのU-netについて
・LeakyReluについて
・GRUの模式図内のゲート名を穴埋め
・双方向RNNの正しい模式図を選択
・双方向RNNのAttentionのコード
・GANのGeneratorとDiscriminatorの学習について
・最新のGANについて説明文に該当するものを選択(今回はLAPGAN)
・強化学習のQの更新など
・DQNの式や学習の工夫について(Experience Replyなど)

勉強方法

私は以前の記事で書きましたが、キカガクさんの講座を受けました。
ds-blog.tbtech.co.jp
キカガクさんでは試験対策として、例題や補講動画(17時間)を提供していただき、
おススメの書籍や、参考となる記事を沢山教えていただきました。

その中でも特にこれは絶対やるべき！！と思ったのはこちらです。

ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装

ゼロから作るDeep Learning ? ―自然言語処理編

この本は機械学習を学ぶ人の間では有名だと思いますが、
こちらの２冊を！とにかく！隅々まで！！やる！！！
これで試験のかなりの問題を解けるようになると思います。

更に余裕のある人は、出題問題にもありましたが
最新の技術について問われる問題もあるので、
概要程度でも抑えておくと良いと思います！

以上！
少しでも次回の受験生のお役に立てたら、私の失敗も浮かばれます(；▽；)
次回の試験でもお会いしましょーー

2019.09.11 追記
合否結果が発表されました！！
なんと！

合格しました＼(^o^)／

今回は受験者数670名の内、453名が合格し、合格率は67.61％で
平均得点率は、応用数学：72.04％、機械学習：58.89％、深層学習：59.69％でした。

私の得点率は、応用数学：56.25%、機械学習：67.44%、深層学習：59.18%です。

過去に受験をした方の記事によると
問題数の比率が、応用数学：約11%、機械学習：約15%、深層学習：約74%なので
今回の平均得点は、問題総数が110問だとすると
応用数学：約8.6/12点、機械学習：約10/17点、深層学習：約48/81点
合計は67/ 110点となります。

私の得点率から計算すると、
応用数学：約6.8/12点、機械学習：約11.5/17点、深層学習：約49/81点
合計は66/ 110点となり、ほとんど平均点でした(^^;)

合格したものの、結果は全く満足のいくものではないので
次回の試験も受ける勢いで、これからも頑張ります(^▽^)b