第1章人工知能とは
AIの定義と、AIをめぐる大きな問い
第2章人工知能をめぐる動向
AIの歴史。ブームと冬をくり返した70年
♪ この章の曲「三度目の正直ブーム!」第3章機械学習の概要
データから学ぶしくみと、モデルの測り方
♪ この章の曲「過去問オーバーフィット」- 1機械学習の3つのタイプ教師あり・教師なし・強化学習、何がちがうの?
- 2回帰問題と線形回帰家賃みたいな「数値」は、どうやって予測するの?
- 3回帰モデルの評価指標(MAE・MSE・RMSE)予測の「ズレ」は、どうやって測るの?
- 4分類問題(ロジスティック回帰とSVM)迷惑メールかどうか、AIはどうやって仕分けてるの?
- 5決定木「もし〜なら」をくり返すだけで、AIになるの?
- 6アンサンブル学習(バギングとブースティング)モデルを何個も集めると、なぜ強くなるの?
- 7クラスタリング(k-means法と階層的クラスタリング)正解がないのに、どうやってグループ分けするの?
- 8次元削減(主成分分析とt-SNE)項目が多すぎるデータは、どうやってシンプルにするの?
- 9レコメンデーション(推薦システム)「あなたへのおすすめ」って、どうやって選んでるの?
- 10強化学習正解を教えないのに、どうやって賢くなるの?
- 11強化学習の代表的な手法(SARSA・方策勾配法・MARL)Q学習とSARSA、なにがちがうの?
- 12モデルの評価指標(混同行列・適合率・再現率・F値)正解率99%なのに「使えない」ってどういうこと?
- 13ROC曲線とAUCしきい値を変えると成績が変わる…じゃあ何で比べるの?
- 14過学習と汎化性能練習では満点なのに、本番でボロボロ…なんで?
- 15交差検証とホールドアウト検証手持ちのデータだけで、本番の実力ってどう測るの?
第4章ディープラーニングの概要
ニューラルネットワークが学ぶしくみ
♪ この章の曲「谷底はどこ?登山部」- 1ニューラルネットワークとディープラーニングパーセプトロンを重ねると、なぜディープラーニングになるの?
- 2活性化関数シグモイド、ReLU、ソフトマックス…どう使い分けるの?
- 3誤差関数(損失関数)AIの「まちがい度」は、どうやって測るの?
- 4勾配降下法AIは、どうやって誤差を小さくしていくの?
- 5最適化手法(モーメンタム・AdaGrad・RMSprop・Adam)ふつうの勾配降下法の、なにを改良したの?
- 6誤差逆伝播法まちがいの責任を、どうやって各層に割りふるの?
- 7正則化(L1・L2・ドロップアウト)過学習を防ぐために、わざと「ブレーキ」をかけるって本当?
- 8ハイパーパラメータの調整AIが自分で決められない設定は、どうやって選ぶの?
第5章ディープラーニングの要素技術
CNN・RNN・Attention…中身の部品
♪ この章の曲「ねえ、覚えてる?」- 1畳み込み層(CNN)画像認識で使う「畳み込み」って、なにをしてるの?
- 2プーリング層特徴マップを小さくまとめるって、どういうこと?
- 3スキップ結合(ResNet)層を飛ばして足すだけで、なぜ深くできるの?
- 4正規化層バッチ正規化・レイヤー正規化、何をそろえてるの?
- 5回帰結合層(RNN)前の時刻を覚えているネットワークって、どういうしくみ?
- 6LSTMとGRURNNの「忘れっぽさ」を、ゲートでどう直したの?
- 7AttentionとTransformer「どこに注目するか」を、AIはどうやって決めてるの?
- 8オートエンコーダ入力をそのまま出すだけのネットワークが、なぜ役に立つの?
- 9データ拡張学習データを「水増し」して、なぜ賢くなるの?
第6章ディープラーニングの応用例
画像・言葉・音・生成。どこで使われている?
- 1画像認識のタスク物体検出とセグメンテーション、何がちがうの?
- 2代表的な画像認識モデルAlexNetからVision Transformerまで、何が進化したの?
- 3統計的機械翻訳ニューラルネット以前の翻訳AIは、どうやって訳していたの?
- 4自然言語処理と単語埋め込みコンピュータは、言葉をどうやって数字にしているの?
- 5Transformerと大規模言語モデルBERTとGPT、どっちもTransformerなのに何がちがうの?
- 6音声処理AIは、声をどうやって聞いて、どうやって話すの?
- 7深層強化学習AIがゲームや囲碁で人間に勝てたのはなぜ?
- 8データ生成(GAN・拡散モデル)AIはどうやって、ない画像を作るの?
- 9転移学習・ファインチューニング賢いAIの「学んだこと」を、別の仕事に使い回せるの?
- 10マルチモーダル画像も言葉もいっしょに分かるAIって、どうなってるの?
- 11モデルの解釈性(説明可能AI)AIがなぜそう判断したのか、のぞけるの?
- 12モデルの軽量化大きなAIを、スマホで動かすにはどうするの?
第7章AIの社会実装に向けて
AIプロジェクトの進め方と運用
第8章AIの法律と倫理
個人情報・著作権・公平性・ガバナンス
- 1個人情報保護法顔写真もメアドも、ぜんぶ個人情報なの?
- 2仮名加工情報・匿名加工情報とGDPR個人情報を、安全にAIに使う方法ってあるの?
- 3著作権法とAI(学習・生成・AI生成物)AIの学習って、人の作品を勝手に使っていいの?
- 4特許法と不正競争防止法(営業秘密・限定提供データ)AIの技術は、公開して守る? 隠して守る?
- 5独占禁止法とAI開発契約AIで値段を合わせたらカルテル? 開発の契約はどう結ぶ?
- 6AI倫理・AIガバナンスと国内外のガイドライン法律で決まってなくても、守るべきことってある?
- 7AIの公平性AIは感情がないのに、なぜ差別しちゃうの?
- 8AIの安全性とセキュリティAIって、だまされたり盗まれたりするの?
- 9AIとプライバシーAIは、わたしのことをどこまで推測できちゃうの?
- 10AI技術の悪用(ディープフェイクとフェイクニュース)その動画、本物? AIの悪用ってどんなこと?
- 11AIの透明性と説明可能性AIは、なぜその答えにしたのか説明できるの?
- 12環境保護・労働政策・その他の重要な価値AIの電気代、仕事、亡くなった人の再現…ほかにどんな論点があるの?
- 13AIガバナンスの実践AI倫理を、会社の中でどうやって実行するの?
第9章AIに必要な数理・統計知識
平均・分散・確率・相関・微分
番外編G検定ってどんな試験?
番外編:試験のしくみと勉強のしかた
G検定(JDLA ジェネラリスト検定)のシラバス2024(第1.4版)をもとにした非公式の学習コンテンツです。JDLAとは関係ありません。 問題はすべて出題範囲を参考にしたオリジナルです。