Skip to content

DNET_GExamPrep

Jump to bottom
nishi_74322014 edited this page Sep 11, 2026 · 1 revision

G検定：試験対策

概要

資格取得：2023/3

実施概要

  • 実施概要（DSの該当節を参照）

試験対策

  • 基本的な理解のため、AI系の書籍や教育で勉強する。

  • その後、G検定用の書籍・対策講座などで勉強する。

  • 試験対策は四択という事もあり想定問題・模擬試験が強力

    • 過去問研究が常套手段だが、過去問は一切公開されていないのが現状。
    • 対策業者の書籍や講座、セミナーで想定問題・模擬試験を入手。
    • 想定問題・模擬試験ををひたすらやる
      （高度午前対策のような）。
    • また、範囲が広く試験中はググれるので、
      短時間でググって回答するトレーニングもしておく。

注意事項

  • AIの分野は技術進歩が活発でシラバス（DSの該当節を参照）は
    頻繁に変更されている（言い訳）。
  • ただし、ある程度の基礎を勉強したら高度午前対策的な勉強で済むので
    それほど気にならない。

詳細

開発

スピードの向上

  • arXiv
    様々な論文が保存・公開されているウェブサイト

  • Google Scholar
    さまざまな学術文献を簡単に検索

  • Kaggle
    最適モデルを競い合う予測モデリング及び分析手法関連プラットフォーム

失敗モデルへの5つの対応

OpenAIの論文「人工知能セイフティにおける具体的問題」中。

  1. 負の副作用を回避する。
  2. 報酬ハッキングを避ける。
  3. スケーラブルな監督の実施。
  4. 安全な探査（ロボット掃除機がおかしい時など）
  5. 分配的シフトに対するロバスト性
    （ロボット掃除機が学習したのとは異なる環境に置かれた場合等）

責任ある AI の基本原則

Microsoft

  • 公平性
    AI システムはすべての人を公平に扱う必要があります

  • 信頼性と安全性
    AI システムは信頼でき安全に実行する必要があります

  • プライバシーとセキュリティ
    AI システムは安全であり、プライバシーを尊重する必要があります

  • 包括性
    AI システムはあらゆる人に力を与え、人々を結びつける必要があります

  • 透明性
    AI システムは理解しやすい必要があります

  • 説明責任
    AI システムにはアカウンタビリティ（説明責任）が必要です

※ 以前から、公平性と包括性って区別し難かったケド、
説明でも「公平性と包括性」で扱われている。
https://learn.microsoft.com/ja-jp/azure/machine-learning/concept-responsible-ai

AI全般

歴史

定理

  • バーニーおじさんのルール（深層学習）
    （深層学習（deep learning）の該当節を参照）

  • 次元の呪いと次元の祝福

    • 次元の呪い
      問題の次元数が増えるにつれて、問題を解くのが難しくなる現象

    • 次元の祝福
      問題の次元数が増えるにつれて、
      特定のアルゴリズムやモデルのパフォーマンスが向上する現象

  • ノーフリーランチ定理
    数学的にありうべき全ての問題の集合について、
    どの探索アルゴリズムも同じ平均性能を示す。

    • 問題領域の知識を可能な限り使用して最適化すべきだということを示しており、
    • 領域を限定して特殊な最適化ルーチンを作成すべきであることを示している。

  • みにくいアヒルの子の定理

    • 純粋に客観的な立場からはどんなものを比較しても
      同程度に似ているとしか言えない、という定理
    • つまり、何らかの「主観的な仮定（特徴の選択）」がないと
      「分類」は（理論上）不可能であると言う事。

問題

いずれも人工知能（AI）の該当節を参照。

  • モラベックのパラドックス
  • トイ・プロブレム
  • フレーム問題
  • 強いAIは実現不可能
  • 記号接地問題
  • 身体性
  • 知識獲得のボトルネック
  • 特徴量設計
  • シンギュラリティー

テスト

  • チューリング・テスト
    （人工知能（AI）の該当節を参照）

  • 常識推論タスク
    （人工知能（AI）の該当節を参照）
    COPA, WSC

  • 中国語の部屋
    （人工知能（AI）の該当節を参照）
    チューリング・テストを発展させた思考実験

  • ウォズニアック・テスト（ミスター・コーヒー・テスト）

    • 機械が汎用人工知能であるかを判定するためのテスト。
    • 初めて入る（間取りなどを一切知らない）他人の家に上がり、
      その家の主人にコーヒーを淹れてあげられるか否かを試す。

脳の機能

データセット

  • MNIST
    画像処理システムの小規模手書き数字（0-9）データベース

  • CIFAR-10/100
    画像処理システムの中規模データベース（10/100カテゴリ）

  • ImageNet（畳み込みニューラルネットワーク（CNN）の該当節を参照）

    • 物体認識用の大規模画像データベース
    • 20,000カテゴリ、1400万画像を超える
    • WordNetの単語データベースを元に、ImageNetの構築

  • MS COCO

    • Microsoft COCO（Common Objects in Context）
    • 大規模な「カラー写真」の画像データセット
    • 様々な種類のセグメンテーションタスク用
    • 約33万枚
      • 教師ラベル付き：約20万枚以上
      • 教師ラベル無し：約12万枚以上

  • IDC調査：全世界でのデジタル・データ年間生成量

  • オープンデータ（日本）

    • オープンデータ2.0
    • 官民データ活用推進基本法
    • 世界最先端IT国家創造宣言
    • 官民データ活用推進基本計画
    • オープンデータ基本指針

規格

  • ONNX

  • IEEE

    • P7000 倫理的設計のモデルプロセス
    • P7001 自律システムの透明性
    • P7002 データプライバシーのプロセス
    • P7003 アルゴリズミックバイアス (差別)
    • P7004 子供と学生データのガバナンス
    • P7005 従業員データのガバナンス
    • P7006 パーソナルデータAIエージェント
    • P7007 用語
    • P7008 人を倫理的につき動かすAI
    • P7009 AIのフェールセーフ設計
    • P7010 AI時代の幸福の指標
    • P7011 ニュース源の信頼性の特定と信頼性評価
    • P7012 機械可読な個人情報の合意
    • P7013 自動化された顔分析の包摂とアプリケーション

機械学習

エンコーディング

異常/予兆 検知

教師なしが基本だが教師ありもある。

  • 異常＝正解以外の場合は、教師あり。
  • ソレ以外（外れ値、離れ値、予兆）は、教師なし。

深層学習

高速化

量子化

活性化関数

学習オプション

DNN、CNN

RNN、LSTM

言語処理

音声処理

音声認識の概要

強化学習（深層）

  • 強化学習

  • 深層強化学習の工夫

  • 報酬成型（Reward Shaping）
    強化学習の通常の報酬値に追加の値を加えることで、
    学習速度を向上させることを目指すフレームワーク

  • オフライン強化学習

    • 過去に集めたデータのみを使ってオフラインで強化学習を行う手法
    • 安全面でのリスクや経済的なコストを伴う実応用場面で期待される。

  • シミュレーション

    • Sim2Real

      • 物理シミュレーション
      • シミュレーション等で強化学習したモデルを現実世界に用いる

    • ドメイン・ランダマイゼーション

      • sim2realにおいて複数の環境で学習を行う
      • シミュレータの様々なパラメタをランダムに設定

End-to-End

DBN（深層信念NW）

  • 多層のグラフィカル・ネットワーク

    • 制限付きボルツマンマシン（RBM）を複数組み合わせた生成モデル
    • 二つの層が接続されており 同じ層のノード同士は接続しない。
    • 制限付きボルツマンマシンを一層ずつ学習し積み重ねる。DNNの前身。

  • データの生成モデルとして利用される。

  • ヒントンは単相ネットワークに分解し

  • 入力から段を追加しつつ段階的に教師なし学習。

  • 最後に出力層を載せ誤差逆伝播法で教師あり学習。

  • 事前学習（深層学習のテクニックの該当節を参照）した
    ものをDNNに転換すると過学習に陥らない。

※ DBN：Deep Belief Network、RBM：Restricted Boltzmann Machine

子供のAI

  • 推論エンジンが知識ベースから成るエキスパート・システム
    （人工知能（AI）の該当節を参照）みたいなモノが
    「大人のAI」として、
  • ディープラーニングは経験から学ぶ「子供のAI」が実現できるようになってきた。

自動運転（技術）

  • 自動車
    （いずれも画像処理とコンピュータビジョン（AI）の該当節を参照）

    • レベル（SAE）
    • 都市

  • ロボット

    • 人間との関わり：遠隔操作 ＞ 半自律 ＞ 完全自律
    • 兵器：
      • 自律兵器システム（AWS）、致死性自律兵器システム（LAWS）
      • 殺人ロボット阻止キャンペーン（CSKR : Campaign to Stop Killer Robots）
      • 特定通常兵器使用禁止制限条約
        （CCW : Convention on Certain Conventional Weapons）

発展

  • 汎用目的技術であり、産業全体に連鎖的な発明を生じさせる。
  • 発展：画像認識 → 眼 → 機械翻訳 → 言語処理（意味理解）、知識処理（知識獲得）
    → 現象のモデル化
  • イノベーション：認識 → 身体性 → 記号 → 意味処理 → 知識獲得
  • マルチモーダル：複数の入力情報（視覚・聴覚・触覚・味覚・嗅覚）を基に処理を行うAI

その他（深層学習）

  • 苦手な事は（、今の所）、

    • 説明が必要なプロジェクト
    • 感情的な事や、芸術的な事になっているらしい。

  • 日本は画像認識位しか出来ないと言われている...が特許出願数は多いらしい。

  • Adversarial Examples：画像に摂動を与えエラーを誘発させる敵対的入力

法律関係

著作権

AIの生成物の生成過程に人間の創作的寄与があれば認められる。

不正競争防止法

AIのドキュメント、データ、プログラムなどについて、

  • 営業秘密（高度午前 - 企業と法務の該当節を参照）として
    全てが保護の対象となり得る。
  • 限定提供データではデータのみが保護の対象となり得る。

学習データの取り扱い

  • 著作権
    ネット情報を学習データとして活用する場合、

    • 米国にはフェアユースというものがある。
      一定の条件を満たせば許可を得なくても著作物を再利用できる法原理

    • EUの場合、著作権侵害に当たる。

    • 日本の場合、営利・非営利問わず著作権侵害には当たらない。

      • 著作権法 現４７条の７ → 新３０条の４
      • 必要に応じて機密保持義務の契約を課す。

  • 個人情報保護
    匿名加工情報
    （SC：法制度 - 個人情報、マイナンバー（法律と制度）の該当節を参照）
    にする。

  • 金融分野の機微（センシティブ）情報
    ガイドラインで一定の行為が禁止されている。

AIの生成物の特許

  • 自然人が前提なので特許は難しい。

  • 自然人の創作の3ステップ

    • 課題設定
    • 解決手段候補選択
    • 実効性評価

蒸留モデルと特許

  • 蒸留（E資格：試験対策の該当節を参照）

  • モデル自体の特許

    • 既存モデルを再利用して構築したモデル。
    • 既存モデルの入力と出力のペアで学習する。
    • ビジネス上は、フリーライドの問題が生じる。
    • 学習済みモデルに特許性がある可能性（内容同一）。
    • ちなみに派生モデルとは転移学習やファイン・チューニング
      （深層学習のテクニックの該当節を参照）によるもの。

  • 独占権の権利行使

    • 相対的独占権（著作権）：「内容同一」＋「依拠」が必要
    • 絶対的独占権（特許権）：「内容同一」でありさえすれば権利行使が可能

規制法案

  • EU
    欧州AI規制法案

  • カナダ
    人工知能及びデータ法

AIネットワーク化の影響とリスク

AIネットワーク化の影響とリスク - 総務省
AIシステムと他の（AI）システムとのネットワークが形成

  • AI自体

    • 回答の精度
    • ブラック・ボックス
    • AIエンジン毎の特性
    • データのバイアス

  • AI利用

    • AI利用：犯罪に利用される問題
    • 社会的負のインパクト：人の職を奪う問題
    • 法律・社会のあり方：AIに責任を問えない問題

サンドボックス制度

ドローンや自動運転

ドローン

  • 150m以上の高さの空域では許可が必要。

  • 承認が必要。

    • 夜間の飛行
    • モノの投下
    • 大勢の集まる場所での飛行
    • ヒト・モノから30mの距離での飛行

自動運転（法制度）

  • 日本
    • レベルの定義はSAE J3016
    • 戦略的イノベーション創造プログラム（SIP）
      • 2018：Lv4の実験（港区）
      • 2020：Lv2の市場化
      • 2025：Lv4の市場化

固有名詞（組織・人名など）

OpenAI

失敗モデルへの5つの対応

非営利

  • パートナーシップ・オン・AI
    https://en.wikipedia.org/wiki/Partnership_on_AI

    • 人工知能の責任ある使用に取り組んでいる非営利団体
    • 創設：Amazon、Facebook、Google、DeepMind、Microsoft、およびIBM
    • 2019には、100 を超える学界、市民社会、産業界、非営利団体が加入

  • FLI
    https://en.wikipedia.org/wiki/Future_of_Life_Institute

    • Future of Life Institute
    • 特に高度な人工知能(AI) による実存的リスクを軽減するために活動する非営利団体
    • アシロマAI原則：
      • 人工知能研究の将来を討議した会議において発表されたガイドライン。
      • 人工知能が人類全体の利益となるよう倫理的問題、安全管理対策、
        研究の透明性などについて23の原則

  • FHI
    https://en.wikipedia.org/wiki/Future_of_Humanity_Institute

    • Future of Humanity Institute
    • 人類の未来研究所は、オックスフォード大学の学際的な研究センター
    • 2005 年に哲学学部とオックスフォード マーティン スクールの一部として設立

  • AI100

    • One Hundred Year Study on Artificial Intelligence
    • AAAIでの議論を受けてスタンフォード大学の人工知能に関する 100 年研究
    • 2030年のAIと生活（Artificial Intelligence and Life in 2030）：
      ディストピアではないが怖い

  • AAAI (Association for the Advancement of Artificial Intelligence)

    • 全米人工知能学会
    • 倫理的・法律的課題の議論など人工知能に関する研究を広く扱う。
    • アイデア 2018 計928 米250 中240 日30
    • 米国における中長期展望と官民における取り組み
      Presidential Panel on Long-Term AI Futures: 2008-2009 Study

  • IEEE
    「倫理的AI」の設計に関するレポートを発表している。

  • 日本

    • 人工知能学会倫理委員会

政府政策

  • 経済成長戦略

    • 日本：新産業構造ビジョン
    • 中国：インターネットプラスAI3年行動実施法案
    • 英国：RAS分野の成長戦略（RAS 2020）
    • ドイツ：デジタル戦略2025

  • 取り組み

    • 米国：インダストリアル・インターネット
    • 日本：ソサイエティ5.0
    • 中国：製造2025
    • ドイツ：インダストリー4.0

  • 米国

    • DARPA
    • ...

  • 日本

    • ITSS＋

      • セキュリティ
      • データサイエンス
      • IoTソリューション
      • アジャイル開発

    • ３省体制

      • 総務省：情報通信研究機構 脳情報通信融合研究センター
      • 経済産業省：産業技術総合研究所 人工知能研究センター
      • 文部科学省：革新知能統合研究センター

    • AI戦略2019

      • 人間中心のAI社会原則
        ・基本理念（尊厳、多様性、SDGs）
        ・基本原則（人間中心、プライバシー、セキュリティ、公平/公正/教育）

      • 高校生に基礎習得させる（教育改革）

      • ...

国際会議

  • サイバネティクス（学術研究運動→学問）

  • NeurIPS (Neural Information Processing Systems)
    ICMLと並び機械学習の世界最高峰の国際会議

  • ICML (International Conference on Machine Learning)
    NeurIPSと並び機械学習の世界最高峰の国際会議

  • ICLR (International Conference on Learning Representations)
    ICLRは2013年にできた新しい国際会議で、そのレベルは世界トップレベル

  • AAAI (Association for the Advancement of Artificial Intelligence)
    倫理的・法律的課題の議論など人工知能に関する研究を広く扱っている
    世界トップレベルの国際会議

  • IJCAI (International Joint Conference on Artificial Intelligence)

  • AISTATS (International Conference on Artificial Intelligence and Statistics)

  • UAI (The Conference on Uncertainty in Artificial Intelligence)

  • COLT (Conference on Learning Theory)

https://mlmlai.com/ml-conference/

イベント

  • コンシューマー・エレクトロニクス・ショー（CES）
    毎年1月全米民生技術協会が主催し、
    ネバダ州ラスベガスで開催される電子機器の見本市

ベンチマーク

著名人系

  • 全般

    • アーサー・サミュエル：人工知能 (AI) の造語

    • トム・ミッチェル：人工知能 (AI) の定義

    • アンドリュー・ン：GPU
      （深層学習（deep learning）の該当節を参照）

    • カナディアン・マフィア

      • ジェフリー・ヒントン：ゴッドファーザー
      • ヤン・ルカン：弟子
      • ヨシュア・ベンジオ：孫弟子

  • 画像系

  • 言語系

  • ...

    • ジョン・サール：中国語の部屋
    • スティーブ・ウォズニアック：コーヒー・テスト
    • フランク・ジャクソン：メアリーの部屋、クオリア（経験の主観的、質的性質）
    • SF作家アイザック・アシモフ：
      ロボット工学三原則（人間への安全性、命令への服従、自己防衛）

  • 書籍

    • キャシー・オニール：Weapons of Math Destruction

    • マーティン・フォード：ロボットの脅威 人の仕事がなくなる日

    • ニック・ボストロム：スーパーインテリジェンス 超絶AIと人類の命運

    • アンドリュー・マカフィーとエリック・ブリニョルフソン：ザ・セカンド・マシン・エイジ

    • アンドリュー・パーカー：カンブリア紀大進化の謎を解く眼の誕生
      （深層学習（deep learning）の該当節を参照）

    • マイケル・オズボーン：雇用の未来
      今後10～20年間に、技術進歩により、

      • アメリカ国内の労働者の47％が仕事を機械にとって代わられるリスクが高い
      • (NRI)日本国内の労働者の約49％が仕事を機械にとって代わられるリスクが高い

  • その他

    • ロドニー・ブルックス：MIT、ロボティクス、ルンバ（iRobot）
    • ジェンスン・フアン：NVIDIA共同設立、社長兼CEO
    • アレックス・グレイブス：ニューラル チューリング マシン

企業、組織名

  • DeepMind
    https://ja.wikipedia.org/wiki/DeepMind

    • 2010年に起業、2014年にGoogleによって買収。
    • 2015年、Googleの親会社であるAlphabetの完全子会社となった。
    • AlphaGo（強化学習（Reinforcement Learning）の該当節を参照）を開発。

  • Coursera
    https://en.wikipedia.org/wiki/Coursera

    教育技術の営利団体。

    • 設立
      スタンフォード大学コンピュータサイエンス教授

      • Daphne Koller
      • Andrew Ng
        Google Brainの共同設立者、Baiduの元チーフ サイエンティスト

    • Massive Open Online Courses (MOOCs)の代表的なプラットフォームの一つ

      • edX
      • gacco
      • OUJ MOOC

  • 中国系

  • 医用

    • IBM
      Watson for Oncology（ガン治療方針を提案）

    • 画像診断

      • IDx
        米国の糖尿病性網膜症AI自動診断システムを開発

      • Enlitic
        米国のAIを応用した医用画像診断システムを開発

      • Imagen Tech
        手首の骨折を検出するOsteoDetectを開発

      • Lunit
        韓国の医療AIスタートアップ

  • ゲーム（強化学習）

    • テーブル・ゲーム

      • 前述のDeepMind

    • ビデオ・ゲーム

      • OpenAI Five（Dota2をプレイする）
      • DeepMind AlphaStar（StarCraft2をプレイする）

  • ロボティクス

    • OpenAI
      ロボット・ハンド Dactyl

    • Blue River Technology
      スマート農業機械

    • Moley Robotics
      調理ロボットを製造

    • Nuro
      自動運転の米スタートアップ

    • SoftBank Robotics
      除菌清掃ロボット Whiz i

  • 自動運転

    • 日本：自動車会社、ZMPなど
    • 中国：Baidu（百度）、SenseTime（商湯科技）
    • 米国：NVIDIA DRIVE、Comma.aiなど
    • イスラエル：Mobileye
    • ハンガリー：aiMotive

  • AI社

    • Tencent、2017/6の調査

      • 計：2542社
      • 米：1078社
      • 中：592社
      • 他：872社

    • State of AI 2018 Report - CB Insights Research

      • 計：152億ドル
      • 米：48％
      • 中：38％
      • 他：14％

    • The Complete List Of Unicorn Companies - CB Insights（2018）

      • 計：278社
      • 米：132社
      • 中：79社
      • 他：67社

システム, ソフト

  • 画像系

    • 画像認識・
      物体検出系・
      領域検出

    • GAN系（pix2pix、CycleGAN）

    • AutoDraw

      Googleが提供している無料の自動描画ウェブサービス

    • OpenPose

      • リアルタイムに複数人の関節を同時に推定し姿勢推定するボトムアップ型。
      • （トップダウン型は人物をインスタンス・セグメンテーションしてから処理）
      • Confidence Maps：関節を推定
      • PAFs：正しい関節の組合せ推定

    • GQN
      DeepMindの2D画像を3D画像化する

      • 表現ネットワーク(The representation network)と呼ばれる層で、
        二次元の画像から三次元の情報を把握
      • 生成ネットワーク(The generation network)と呼ばれる層でその特徴を元に、
        物体を三次元空間に出力

  • 言語系

  • 音声系

  • チャットボット

    • ELIZA（人工知能（AI）の該当節を参照）
      • チャットボット、 おしゃべりボット
      • ELIZA効果：意識的にはわかっていても、
        無意識的にコンピュータの動作が人間と似ていると仮定する傾向。
    • Tay、りんな、Xiaoice

  • スマート・スピーカー

    • Amazon - Echoシリーズ（Alexa）
    • Google - Google Homeシリーズ（Assistant（Duplex））
    • Apple - HomePodシリーズ（Siri）
    • Xiaomi - XiaoAIスピーカーシリーズ
    • Baidu - DuerOSスピーカーシリーズ
    • Alibaba - Tmall Genieスピーカーシリーズ
    • Sonos - Sonos Oneスマートスピーカー
    • Harman Kardon - Invokeスマートスピーカー
    • JBL - Linkスマートスピーカーシリーズ
    • Lenovo - Smart Displayシリーズ
    • Microsoft - Cortanaは生産停止

  • IoTソリューション

    • GE：Predix
    • 京セラ：SIGFOX
    • オムロン：i-BELT
    • ファナック：Field System
    • コマツ：スマート・コンストラクション

  • SaaS

    • Google > GCP > Vertex AI（AutoML と AI Platform）
    • Amazon > AWS > Amazon SageMaker
    • Microsoft > Azure > Azure Machine Learning

  • 情報信用、信用スコア

    • みずほ銀行・ソフトバンク > J.Score
    • アリババグループ > アントフィナンシャル > 芝麻信用（ジーマ信用）

  • SLAM
    自分が何処にいるのか、周辺がどうなっているのか、を把握する自動運転向きの認識技術

  • World Models
    反射行動など迅速な運動系タスクを行うため
    脳内を抽象化した環境世界を学習する予測モデルのアルゴリズム

  • Logic Theorist（1955-1956）

    • 人間の問題解決能力を真似するよう意図的に設計された世界初のプログラム
    • プリンキピア・マテマティカの冒頭の52の定理のうち38を証明、
      一部に新たな洗練された証明方法を発見。

その他（全般）

  • D-Wave：量子アニーリング
  • ソフトバンク・ビジョン・ファンド
  • テレイグジスタンス：遠隔臨場感、遠隔存在感
  • ダイナミック・プライシング：価格を需要と供給の変動に合わせて調整
  • A/D変換：アナログデジタル変換

参考

カンペ用語集

模擬テスト

YouTube

移行メモ

  • PukiWiki のページ内アンカ（#xxxxxxxx）は GitHub Wiki では再現できないため、

    • 同一ページ内のアンカは、見出しから生成されるアンカに張り替え、
    • 他ページのアンカを指すリンクは「〜（ページ名 の該当節を参照）」の形に置き換えた。

  • 元 Wiki で見出しそのものが他ページ・同ページ内へのリンクになっていた箇所 （「実施概要」「歴史」「エンコーディング」「量子化」「活性化関数」 「RNN、LSTM」「言語処理」「音声処理」「強化学習」「蒸留モデルと特許」「OpenAI」）は、 GitHub Wiki では見出しからアンカが生成されるため、 見出しをプレーン・テキストとし、リンクは直下の箇条書きに置いた。

  • 同名の見出しが複数あり GitHub Wiki ではアンカが衝突するため、 括弧で文脈を補って一意にした （「自動運転（技術）」「自動運転（法制度）」、「その他（深層学習）」「その他（全般）」、 「強化学習（深層）」）。

  • 元ページの誤記を修正した。 「MINST」→「MNIST」、「制限付きボルツマンマシン（RBN）」→「（RBM）」、 「大脳基底核の働きを模倣の働きを模倣」→「大脳基底核の働きを模倣」、 「大脳皮質の働きを模倣の働きを模倣」→「大脳皮質の働きを模倣」、 「ドロニー・ブルックス」→「ロドニー・ブルックス」、 「エリック・ブリィニョルフソン」→「エリック・ブリニョルフソン」、 「湯科技」→「商湯科技」、「アポロン」→「アポロ」、 「ソフトバン」→「ソフトバンク」、「学習データの」→「学習データの取り扱い」。

  • CB Insights のユニコーン企業数（2018）は 「計：278社／米：132社／中：79社／他：1社」となっていたが、 合計と一致しないため「他：67社」に修正した。

  • 本ページは 2023 年 3 月の受験時点の情報である。

Tags: 移行, G検定, 資格, AI, ディープラーニング, 試験対策, JDLA

このWikiは「Open棟梁Project」,「OSSコンソーシアム 開発基盤部会」によって運営されています。

NetDevInfraWiki

マイクロソフト系技術情報 Wiki
Open 棟梁 Wiki

（未着手）

開発基盤部会 Wiki

移行管理: DONE ／ TODO

Clone this wiki locally