この 1 冊で合格! ディープラーニング G 検定集中テキスト & 問題集
コノイッサツデゴウカクディープラーニングジーケンテイシュウチュウテキストアンドモンダイシュウ
- 著者:
- ノマド・ワークス(ノマドワークス)
- 注目:
- 総合 2273 位
- 出版社:
- ナツメ社
- 出版日:
- 2021年06月16日頃
- ISBN:
- 9784816370472
- 在庫:
- 在庫あり
なぜ注目されているか
書籍紹介
ITC 社会の未来を担うためにぜひ取得したい、ディープラーニング G 試験のテキスト & 問題集です。わかりやすい図解と、節ごとの○×チェック、章末問題、巻末模擬試験で、知識がしっかり定着。試験対策だけでなく、人工知能、機械学習、ディープラーニングの基礎知識把握にも役立つ 1 冊です。
第 1 章 人工知能 (AI) とは
第 2 章 人工知能をめぐる動向
第 3 章 人工知能分野の問題
第 4 章 機械学習の具体的手法
第 5 章 ディープラーニングの概要
第 6 章 ディープラーニングの手法
第 7 章 ディープラーニングの研究分野
第 8 章 ディープラーニングの応用に向けて
技書の森解説
『この 1 冊で合格! ディープラーニング G 検定集中テキスト & 問題集』 (ノマド・ワークス 著、ナツメ社、2021 年 6 月刊) は、日本ディープラーニング協会の G 検定に向けて、解説のテキストと問題集を 1 冊にまとめた試験対策書です。版元の紹介文は、わかりやすい図解と、節ごとの○×チェック、章末問題、巻末模擬試験で知識の定着を図る作りと案内し、試験対策に加えて人工知能、機械学習、ディープラーニングの基礎知識の把握にも役立つとしています。
人工知能の定義からディープラーニングの応用までの全 8 章
目次は、第 1 章「人工知能 (AI) とは」、第 2 章「人工知能をめぐる動向」、第 3 章「人工知能分野の問題」、第 4 章「機械学習の具体的手法」、第 5 章「ディープラーニングの概要」、第 6 章「ディープラーニングの手法」、第 7 章「ディープラーニングの研究分野」、第 8 章「ディープラーニングの応用に向けて」の全 8 章です。
機械学習とディープラーニングの用語
機械学習は、データから規則性を学び、予測や分類に使う手法の総称で、正解の付いたデータから学ぶ教師あり学習、正解なしでデータの構造を見つける教師なし学習、試行錯誤と報酬から行動を学ぶ強化学習があります。ディープラーニング は、層を深く重ねた ニューラルネット を使う機械学習の手法で、出力と正解の誤差を誤差逆伝播法で各層へさかのぼって伝え、重みを少しずつ調整して学習します。
G 検定の試験範囲
日本ディープラーニング協会の G 検定のページは、試験範囲 (シラバス) を技術分野と法律 / 倫理分野に分けて掲げ、法律 / 倫理分野には個人情報保護法、著作権法、AI 開発委託契約、AI 倫理 / AI ガバナンスなどの項目が並びます。同じページは、詳細な試験範囲を G2024#6 から適用するシラバスとして示し、G2024#5 までの適用分を旧シラバスとして分けています。
IT 資格の参考書の選び方は IT 資格の参考書と技術書の使い分けガイド にまとめています。本書は、人工知能の定義と研究の動向から、機械学習の手法、ディープラーニングの概要、手法、研究分野、応用までを全 8 章に収めています。
この本に興味がある方におすすめ
関連する本
関連記事
ディープラーニング本の選び方 - 原理 / 理論 / 実装 / 数学の 4 系統で整理 (2026 年 8 月時点)
ディープラーニング本の選び方を 4 系統 (原理を手で理解する本 / 理論を体系的に学ぶ本 / フレームワーク実装本 / 数学を補う本) に整理。2026 年 8 月時点の定番書を目的別 / レベル別に紹介し、賞味期限の見極め方も解説します。
ゼロから作る Deep Learning シリーズの読む順番 - 全 6 巻の内容と選び方を整理
ゼロから作る Deep Learning シリーズ全 6 巻 (基礎 / 自然言語処理 / フレームワーク / 強化学習 / 生成モデル / LLM) の読む順番を解説。各巻の内容 / 発売年 / 前提知識を一覧表で整理し、目的別にどの巻から読むべきかを案内します。
機械学習 / ディープラーニング本ガイド - エンジニアが読むべき AI 技術書の選び方
機械学習の基礎から実践まで学べる技術書の選び方を紹介。「Python ではじめる機械学習」などのハンズオン本を軸に、数学が苦手な人向けの学習ルート、ディープラーニング本への進み方、ML 本の賞味期限の見極め方を解説します。
関連用語
DeepLearning
多層のニューラルネットワークで複雑なパターンを学習する機械学習の一手法
Protocol Buffers
Google が開発した効率的なバイナリシリアライゼーションフォーマットで gRPC の標準データ形式
TensorFlow
Google が開発した深層学習フレームワーク。研究から本番運用まで幅広く対応
フィーチャーストア
機械学習の特徴量を一元管理し、学習時と推論時で一貫して提供するためのデータ基盤
ニューラルネットワーク
脳の神経回路に着想を得た数理モデル。深層学習や AI の中核を担う仕組み
PyTorch
研究現場で広く使われる深層学習フレームワーク。柔軟な記述と動的計算が特徴