JDLA Deep Learning for GENERAL 2019#1

2019#1のG検定受験報告

3月9日に実施された今年最初のG検定を受験し、無事合格したので、G検定の概要や勉強方法など、紹介したいと思います。なお、本記事は2019#1の受験報告です。日進月歩なディープラーニングの領域ですので、情報の鮮度には特に注意いただければと思います。

G検定とは

日本ディープラーニング協会(JDLA)が運営している資格のひとつで、エンジニアに限らず幅広い人材(ジェネラリスト)を対象にしたものです。他にディープラーニングのエンジニアを対象にしたE資格があります。日本では、ディープラーニングに関連する他の資格は、今のところないのではないでしょうか。

ざっくり試験要領を転記します。詳細はこちら

  • 受験資格:制限なし
  • 試験時間:120分
  • 試験場所:オンライン実施(自宅など)
  • 受験料:12,960円(税込)/ 学生5,400円(税込)
  • 今後の試験予定:7月6日(2019#2)、11月9日(2019#3)

今回の受験者数は3,436名。回を追うごとにどんどん増えています。合格者数は2,500名。合格率が72.8%なので、かなり高めです。合格ラインは示されていませんが、案外低いのかもしれません。一方で、2017年に始まったばかりの資格のため、それなりの経験者が多く受験しているのではないかという意見もあるようです。

なお、オンライン実施ということで、試験中にネットで検索することが許されています。ただし、問題量がそこそこ多いので、基本的なことは頭に入れておかないと時間的に辛いかと思います。

筆者の背景

次のセクションで試験の勉強方法について書くのですが、受験者によってベースとなる知識レベルも様々なので、参考のため、簡単に筆者の背景を書いておきます。

筆者は元々、DL4USを受けているので、基本的なディープラーニングの実装経験があります。今回は、そこで得た知識を整理する目的で受験しました。実装経験があるというのはG検定の勉強においてもかなり有利で、シラバスの「ディープラーニングの概要」や「ディープラーニングの手法」などは、勉強を始める前からある程度知っていました。

あと、高校時代の得意科目は数学と物理と日本史です。理数系は得意なのですが、暗記系は苦手(日本史は例外)。ですので、G検定で少しだけ出てくる計算系の問題は得意。法律などの暗記系は苦手。そんな人の感想だと思って読んでいただければと思います。

勉強方法

G検定向けに勉強したのは1ヶ月半くらいです(メインは土日)。公式テキストがあるので、最初はそれをやるのがいいと思いますが、それだけだと辛いです。公式ではありませんが、今回の試験に間に合うように問題集が出版されていて、それがかなり役に立ちました。

また、以前こちらで頂いた「ディープラーニング活用の教科書」を読みました。が、他の推薦図書は読みませんでした(ごめんなさい)。代わりといってはなんですが、日頃からディープラーニング関連のニュースには注目するようにしていました。ニュースアプリなどでよく見かけますよね。

あと、筆者は利用しませんでしたが、オンラインの試験対策講座や模擬試験を受けられるサービスなども出ているようですね。

試験前の準備

オンライン実施なので、当然ですが安定したネットワークとPCが必要です。ネット検索もかなりすることになると思うので、それなりの環境で受験しましょう。また、試験サイトが正しく作動するかを事前にチェックできるので、早めに確認しておきましょう。

また、試験中に書籍を参照することも多いです。電子版であればテキスト検索できますし、そうでなければ索引を使用できますが、「どの本に載っていたか」程度は思い出せるようにしておくと良いです。

なお試験は、開始時刻13時の前後10分の間に開始する必要があります。開始したタイミングで、120分のカウントダウンがスタートします。

試験後の感想

問題数は226問でしたが、それ以上に多く感じました(問題集の総仕上げ問題が簡単すぎたのかもしれません)。特に、前半に時間のかかる読解問題(法律など)が出題されたので、少し焦りました。後半は得意なディープラーニングの仕組みに関する問題だったため、さくさく解けました。

感覚値ですが、公式テキストをやっていれば解ける問題が50%程度。公式テキストに記載がなく、問題集をやっていれば解ける問題が35%程度。残りの15%は、筆者にとっては初出の問題でした。読んでいない参考図書に説明があるのかもしれません。

なお、いくつかAIの最新動向に関する問題が出てきますが、最新動向を知らなくても、明らかに間違っている選択肢があったり、検索すればすぐに解答にたどり着けるものだったりするので、あまり気にしないで良いように思います。


ディープラーニングの世界では、どんどん新しい技術が生まれてくるため、それらをキャッチアップすることも重要です。たとえば今回の試験では、「カプセルネットワーク」についての出題がありました。これはSuperVisionなどで有名な、あのジェフリー・ヒントン氏が考案した、ニューラルネットワークを超えるとも言われている新しいモデルとのことです(試験後に調べた)。論文の発表は2017年ですが、少しずつ認知が広がれば、今後のAIのスタンダードになっていくのかもしれませんね。