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
- 作者: 斎藤康毅
- 出版社/メーカー: オライリージャパン
- 発売日: 2016/09/24
- メディア: 単行本(ソフトカバー)
- この商品を含むブログ (18件) を見る
ゼロから作るDeep Learning ? ―自然言語処理編
- 作者: 斎藤康毅
- 出版社/メーカー: オライリージャパン
- 発売日: 2018/07/21
- メディア: 単行本(ソフトカバー)
- この商品を含むブログ (3件) を見る
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