G検定 学習ロードマップ(シラバスの順に読む)

JDLAの出題範囲(シラバス G2024#6~)の大見出しの順に、いきかちラボの解説記事を並べました。章の名前は、JDLA「G検定」のページに載っている公式シラバスの大見出しに合わせています。

合格者のリアルな受験体験記

ロードマップの使い方

初めて学習する方

試験直前・復習の方

第1章 人工知能とは

シラバスの「人工知能とは」にあたる記事です。

AIエージェント・Watson

主 AIエージェントの定義、タイプ別の種類、社会での応用例、ロボットとの違い。約14分 ★★★

• 主 Watsonの仕組みと事例、watsonxまで 「拡張知能」としてのWatson、支える技術、応用事例、従来のシステムとの違い。約8分 ★★

初期のAI・歴史の始まり

• 主 古典的人工知能の基本 古典的AIの特徴と歴史、応用例、現代AIとの違い、限界と現代への影響。約14分 ★★★
• 補足 ロジック・セオリストの誕生 「考える機械」ロジック・セオリストが生まれた経緯と仕組み。約7分 ★

第2章 人工知能をめぐる動向

シラバスの「人工知能をめぐる動向」にあたる記事を、3つの小見出しに分けました。

AIの歴史(ブームと冬)

主 特徴量とは何か、特徴量をめぐるAI研究の歴史、特徴工学の役割。約7分 ★★★

• 補足 AIのブームと冬の時代の歴史 1950年代の黄金時代から2度の冬、2010年代のディープラーニング革命まで。約9分 ★★
• 主 ディープラーニングの仕組みと重要ポイント 機械学習との関係、ニューラルネットワークと学習の流れ、応用事例、重要キーワードの復習リスト。約22分 ★★★

探索・推論

探索木と幅優先・深さ優先

• 主 幅優先探索(BFS)の基本 BFSの動き方とキュー、深さ優先探索との違い、応用例。約9分 ★★★
• 補足 探索木とDFS・BFSの違い 探索木の構造、DFSとBFSの比較、関連するトピック、メリットとデメリット。約9分 ★★
• 補足 深さ優先探索(DFS)の基本 DFSの2つの実装方法、特徴とメリット・デメリット、応用例。Pythonのコード付き。約10分 ★★

総当たり探索とトイプロブレム

• 主 ブルートフォース探索(総当たり) 総当たりで探す考え方、AIでの使い方、重要ポイントと限界。約8分 ★★
• 主 トイプロブレムとは AI研究の練習問題としてのトイプロブレム、AIの冬からの教訓、現代AIとの関係。約9分 ★★

プランニング

• 主 プランニングの基本 STRIPSとSHRDLU、探索木、モンテカルロ法、現代AIでの使われ方と弱点。約9分 ★★
• 補足 STRIPSプランニング STRIPSの仕組み、計画の見つけ方、応用例、他の手法との比較。約19分 ★

ゲームAI

• 主 アルファ碁の仕組みと歴史 囲碁がAIに難しかった理由、3つのコア技術、人間との対局、アルファ碁ゼロとアルファゼロ。約9分 ★★
• 補足 ディープブルーとは チェスの世界王者に勝ったディープブルーの探索技術と、歴史上の意義。約7分 ★

推移律

• 主 推移律と知識表現 推移律の基本、is-aとpart-ofの関係、意味ネットワークとオントロジー、想定問題。約12分 ★★

AIの推論・判断

• 主 AI推論の概念と応用 推論の定義と訓練との違い、推論の種類、応用例。約4分 ★★
• 補足 AIの「判断」 判断の種類、評価指標、倫理的な課題、学習法。約11分 ★

知識表現とエキスパートシステム

知識表現の全体像

• 主 AIの歴史「知識の時代」 知識の時代とエキスパートシステム、シラバスでの扱い、2024年の改訂の影響。約6分 ★★★
• 補足 知識表現の進化と重要キーワード 意味ネットワークとオントロジー、知識獲得のボトルネック、応用事例。約9分 ★★

is-a関係・part-of関係・has-a関係

• 主 is-a関係の基本 is-a関係の意味、押さえる点、応用例、試験での扱い。約8分 ★★★
• 補足 part-of関係とis-a関係の違い part-of関係の3つの種類、is-a関係との違い、応用例。約9分 ★★
• 補足 has-a関係とis-a・part-ofの違い has-a関係の意味、is-aとpart-ofとの違い、出題のポイント。約5分 ★★

エキスパートシステム

• 主 MYCINとエキスパートシステム MYCINの誕生、専門家の知識をルールにする技術、逆向き推論、知識獲得のボトルネック。約13分 ★★★
• 補足 DENDRALの仕組みと限界 元祖エキスパートシステムDENDRALの仕組み、歴史的な意義、限界、試験での問われ方。約10分 ★★
• 補足 インタビューシステムと知識獲得 人の知識を集めるインタビューシステムと、知識獲得のボトルネックとの関係。約7分 ★

ヒューリスティックな知識・SHRDLU・Cyc

• 主 ヒューリスティックな知識 経験則としてのヒューリスティックの種類、第1次AIブームとの関係、探索問題での使われ方。約10分 ★★
• 主 SHRDLUとは 積み木の世界で人と対話したSHRDLUの新しさと限界、現代AIへのつながり。約6分 ★★
• 主 Cycプロジェクト AIに常識を教えるCycの知識表現、40年以上の知識入力、応用分野と壁。約12分 ★★

第3章 機械学習の概要

シラバスの「機械学習の概要」にあたる記事を、学習の種類ごとに並べました。

機械学習とは

主 機械学習とAIの関係、3つの学び方、AIの歴史の中での機械学習の進化。約9分 ★★★

• 補足 機械学習の定義と3つの学習タイプ 3つの学習タイプ、データの重要性と応用、ディープラーニングとの関係、キーワード。約15分 ★★
• 補足 機械学習と特徴表現学習 第3次ブームの主役、機械学習の3種類、特徴表現学習、試験対策のヒント。約12分 ★★

教師あり学習

回帰

• 主 回帰問題の基本 回帰問題とは何か、主な回帰モデルの比較、評価指標、注意点と対策。約20分 ★★★
• 主 リッジ回帰の仕組み L2正則化の仕組み、ハイパーパラメータλ、Lassoとの違い、Pythonでの実装。約19分 ★★
• 補足 ラッソ回帰と特徴選択 L1正則化による特徴選択、注意点、リッジ回帰やElastic Netとの比較、実装。約14分 ★★

分類

• 主 分類問題の種類・手法・評価指標 分類問題の4つの種類、主なアルゴリズム、評価指標、つまずきやすい点。約19分 ★★★
• 補足 多クラス分類 3つ以上の選択肢から選ぶ多クラス分類の手法、評価指標、応用例。約13分 ★★

決定木

• 主 決定木の仕組み 決定木の仕組み、分割基準(ジニ不純度・エントロピー・情報利得)、メリットとデメリット。約10分 ★★★
• 補足 プルーニング 決定木やランダムフォレスト、ニューラルネットワークのプルーニング、実践の流れ。約15分 ★

SVMとカーネル

• 主 カーネルとSVM カーネルが必要な理由、SVMでの非線形分離、他のモデルでのカーネル。約8分 ★★★
• 補足 カーネルトリック カーネルトリックの働き、代表的なカーネル関数、メリットとデメリット。約12分 ★★

アンサンブル学習

• 主 アンサンブル学習の3大手法 アンサンブル学習の基本、3大手法の比較、代表的なアルゴリズム。約7分 ★★★
• 補足 バギング ブートストラップサンプリング、OOBエラー、ランダムフォレストとの関係、ブースティングとの違い。約14分 ★★

ブースティング

• 主 勾配ブースティング 勾配ブースティングの仕組みとメリット、主なライブラリ、バギングとの比較。約11分 ★★
• 補足 AdaBoost AdaBoostの仕組み、メリットと注意点、Pythonで動かす例。約14分 ★

教師なし学習(半教師あり学習を含む)

クラスタリング

• 主 クラスタ分析の基本 クラスタ分析の2つの種類、代表的なアルゴリズム、応用例、注意点。約11分 ★★★
• 補足 クラスタリングの手法と評価 主なクラスタリング手法、応用例、できたクラスターの評価方法。約13分 ★★
• 補足 デンドログラム デンドログラムの見方、ウォード法との関係、良い点と注意点。約7分 ★

次元削減

• 主 多次元尺度構成法(MDS) MDSの仕組み、活用例、PCAなど他の手法との違い。約11分 ★★
• 補足 次元削減とPCA 主成分分析(PCA)、ほかの線形次元削減、非線形次元削減、評価の方法。約11分 ★★
• 補足 次元の呪い 次元の呪いの2つの原因、モデルへの悪影響、3つの対策。約12分 ★★

レコメンデーション

• 主 コンテンツベースフィルタリング 仕組み、協調フィルタリングとの違い、メリットとデメリット、使われているサービス。約14分 ★★
• 補足 コールドスタート問題 手法ごとのコールドスタート問題の現れ方と対策。約15分 ★
• 補足 レコメンデーションの仕組み 代表的な作り方、使われている技術、身近なサービスの例、課題。約11分 ★★

半教師あり学習

• 主 半教師あり学習 教師あり学習・教師なし学習との違い、主な手法、応用例。約9分 ★★

強化学習

上から読む順に並べています。

• 主 マルコフ性とマルコフ決定過程 マルコフ性の考え方、マルコフ決定過程(MDP)、応用例。約7分 ★★★
• 主 状態価値関数とベルマン方程式 状態価値関数、ベルマン方程式、行動価値関数との違い、格子世界での計算。約25分 ★★★
• 主 Q値とQ学習 Q値とV値の違い、Q学習、探索と活用のバランス、DQN。約14分 ★★★
• 補足 迷路で学ぶQ関数 状態価値関数V(s)と行動価値関数Q(s,a)、Q学習の仕組みを迷路の例で。約9分 ★★
• 主 ε-greedy方策 ε-greedy方策の行動の選び方、εの役割と決め方、他の探索戦略との比較。約11分 ★★
• 主 割引率γ 割引率γの考え方、値による行動の違い、選び方、例題。約13分 ★★

モデルの選択・評価

この項目だけを扱った記事は、まだありません。分類と回帰の評価指標には、上の「分類問題」と「回帰問題」の記事でも触れています。

第4章 ディープラーニングの概要

シラバスの「ディープラーニングの概要」にあたる記事です。

ニューラルネットワーク

主 単純パーセプトロンの動作原理と学習アルゴリズム、歴史、長所と短所。約16分 ★★★

• 補足 図解で見る単純パーセプトロン 誕生の歴史、できること・できないこと、ANDゲートで試す学習法。約13分 ★
• 主 隠れ層の役割 隠れ層の定義と役割、非線形性と表現力、層の深さと幅。約8分 ★★★

活性化関数

• 主 シグモイド関数 シグモイド関数の形と役割、微分とロジスティック回帰、ニューラルネットワークでの課題。約13分 ★★★
• 補足 活性化関数の種類と使い分け 主な活性化関数、勾配消失問題、出力層と中間層での選び方。約10分 ★★
• 補足 ソフトマックス関数 スコアを確率に変える計算の手順、応用例、Pythonでの実装。約10分 ★★

誤差逆伝播法

• 主 誤差逆伝播法の基本 学習の3ステップ、微分の連鎖律、最適化アルゴリズム、歴史。約12分 ★★★
• 補足 図解で見る誤差逆伝播法 順伝播、連鎖律、計算の手順を図解で。約11分 ★★

誤差関数・正則化・最適化手法

この3つを扱った記事は、まだありません。正則化は、第3章のリッジ回帰とラッソ回帰の記事が近い内容です。最適化アルゴリズムは、上の「誤差逆伝播法の基本」の記事にも項目があります。

第5章 ディープラーニングの要素技術

シラバスの「ディープラーニングの要素技術」にあたる記事です。

オートエンコーダ

主 オートエンコーダの位置づけ、種類、応用例、他の手法との比較。約17分 ★★★

• 補足 特徴表現学習の代表的な手法 特徴表現学習の考え方、オートエンコーダからTransformerまでの手法、応用分野。約14分 ★★

畳み込み層とスキップ結合

畳み込み層とスキップ結合だけを扱った記事は、まだありません。画像分類のモデルResNet18を動かす記事は、このページの最後の「手を動かして学ぶ」に載せています。

第6章 ディープラーニングの応用例

シラバスの「ディープラーニングの応用例」にあたる記事を、分野ごとに並べました。

画像認識

主 画像認識のコンペILSVRC、機械学習から深層学習への転換、CNNのアーキテクチャの進化。約13分 ★★★

• 主 OCR(文字認識) OCRの基本、機械学習・深層学習による変化、活用事例、自然言語処理との組み合わせ。約8分 ★★
• 主 一般物体認識 機械学習と深層学習の見分け方の違い、モデルの進化、使われている分野。約11分 ★★

特徴量・パターン認識

• 主 特徴量とは 機械学習と深層学習での特徴量の扱いの違い、自動の特徴抽出、特徴量エンジニアリング。約14分 ★★★
• 補足 パターン認識 パターン認識と機械学習、ニューラルネットワーク、ディープラーニングでの進化、応用分野。約14分 ★★
• 補足 特徴抽出の基礎 特徴抽出が必要な理由、自然言語処理での特徴抽出、自動化までの歴史。約12分 ★★

自然言語処理(機械翻訳)

• 主 機械翻訳の基本と歴史 機械翻訳の歴史と課題、評価方法、シンボルグラウンディング問題との関係、活用事例。約17分 ★★★
• 補足 ルールベース機械翻訳 ルールベース機械翻訳の仕組みと、フレーム問題などAI分野の問題との関係。約20分 ★
• 補足 統計的機械翻訳(SMT) SMTの仕組み、単語アラインメントと句ベース翻訳、他の手法との比較。約11分 ★★

第7章 AIの社会実装に向けて

シラバスの「AIの社会実装に向けて」にあたる記事です。

ビッグデータ

主 ビッグデータの特徴「5V」、AIとの関係、活用事例、課題。約7分 ★★★

• 補足 AIとビッグデータの関係 AIとビッグデータの関係、活用事例、ビッグデータを支える技術のキーワード。約14分 ★★

データマイニング

• 主 データマイニングの基礎 代表的な手法、知識表現やエキスパートシステムとの関係、応用例、注意点。約17分 ★★
• 補足 ウェブマイニング ウェブマイニングの3つの視点、支える技術、AIとの関係、応用例。約8分 ★

AIと仕事

• 主 AIに奪われる仕事・生み出す仕事 文系・非エンジニア向けの3つのキャリア戦略と、読者の疑問へのQ&A。約6分 ★

第8章 AIに必要な数理・統計知識

シラバスの「AIに必要な数理・統計知識」にあたる記事です。

重回帰分析

主 単回帰分析との違い、教師あり学習としての使い方、メリットとデメリット、主な概念。約16分 ★★★

ベクトル自己回帰モデル(VAR)

• 主 ベクトル自己回帰モデル(VAR) ARモデルとの違い、数式、推定の手順、応用分析、強みと弱み。約15分 ★★

法律・倫理分野(AIに関する法律と契約、AI倫理・AIガバナンス)

この分野の記事は、現時点ではありません。出題範囲は、JDLAの公式シラバスで確かめられます。

手を動かして学ぶ(Python・NumPy・ResNet18)

PythonとNumPyで手を動かす記事と、画像分類のモデルを動かす記事です。公式シラバスの大見出しにない内容なので、★はすべて1つにしています。

NumPyの基本

上から順に読めるように並べています。

入門

主 NumPyを使う理由、導入、配列の基本操作と演算、練習問題と解答例。約29分 ★

• 補足 NumPyの配列計算 配列の四則演算、便利な数値計算、応用的な配列計算。約13分 ★
• 補足 NumPyとリストの違い 空の配列の作り方、計算の違い、処理速度の比較。約21分 ★

形状・基本操作

• 主 データの形状を確かめる4つの方法 形状・長さ・次元数・要素数の確かめ方と、読み込んだデータでの実践。約12分 ★
• 補足 NumPy配列の基本操作 データ型の操作、複製、転置、平坦化、変形。約21分 ★

スライス・加工

• 主 NumPyのスライス インデックスでの取得、一次元・二次元配列のスライス、条件での抽出、ソート。約13分 ★
• 補足 NumPyでのデータ加工 配列への追加・挿入・削除、分割、結合。約4分 ★

読み込み・保存

• 主 NumPyでのデータ保存 save・savez・savetxtの3つの関数での保存方法。約12分 ★
• 補足 NumPyでのデータ読み込み load・loadtxt・genfromtxtの3つの関数と、読み込みの実践。約16分 ★

乱数

• 主 NumPyで乱数を作る 一様乱数、正規分布の乱数、整数の乱数、シード値の設定。約19分 ★

集計(最大・最小・平均)

• 主 最大値・最小値・平均値の求め方 最大値・最小値・平均値・中央値のほか、分散、標準偏差、相関、累積和。約21分 ★
• 補足 NumPyでのデータ分析の記事まとめ NumPyでのデータ分析に使う記事を案内する短い記事。約2分 ★

画像分類を動かす

• 主 ResNet18で画像分類のモデルを作る モデルを選ぶ3つのポイント、ResNet18とは何か、欠陥検出用の最終層の変更、モデル定義の関数化。約5分 ★