突然ですが日本ディープラーニング協会（通称：JDLA）というのをご存知でしょうか？
そして、この協会が「DeepLearningの基礎知識を有し、適切な活用方針を決定して事業応用する能力を持つ人材」として認定するG（Generalist）資格と呼ぶ試験を執り行いました。この第一回の資格試験に私も無謀ながら挑んでみました。
結果は、タイトルの通り合格しました。合格までの道のりを書いてみます。参考にならないと思いますが、DeepLearningの理論と殴り合ったさまを楽しんで読んでいただけたら幸いです。
Contents
JDLA？
日本のディープラーニングの業界を盛り上げ、ディープラーニングに関する知識を有し、事業活用する人材（ジェネラリスト）と、ディープラーニングを実装する人材（エンジニア）の育成を目指して今年の6月に発足した団体です。
www.jdla.org
この協会は、2020年までにジェネラリストを10万人育成することを目的に掲げているそうです。そして、この協会が昨年の12/16にディープラーニングのジェネラリストの資格として第一回のG資格試験を開催しました。（２０１８年６月にも第２回の試験を執り行っていました。）素人プログラマーで、下手の横好きでディープラーニングを学んでいた私も今どれぐらい理解しているのかを客観的に知るいい機会かと思い受験をしたということです。
試験内容（シラバス）
まずは、HPに書いていたシラバスを見てみると以下の内容が出題されるとの事。
- 人工知能（AI）とは（人工知能の定義）
- 人工知能をめぐる動向
- 探索・推論、知識表現、機械学習、深層学習
- 人工知能分野の問題
- トイプロブレム、フレーム問題、弱いAI、強いAI、身体性、シンボルグラウンディング問題、特徴量設計、チューリングテスト、シンギュラリティ
- 機械学習の具体的手法
- 代表的な手法、データの扱い、応用
- ディープラーニングの概要
- ニューラルネットワークとディープラーニング、既存のニューラルネットワークにおける問題、ディープラーニングのアプローチ、CPU と GPU
- ディープラーニングにおけるデータ量
- ディープラーニングの手法
- 活性化関数、学習率の最適化、更なるテクニック、CNN、RNN
- 深層強化学習、深層生成モデル
- ディープラーニングの研究分野
- 画像認識、自然言語処理、音声処理、ロボティクス （強化学習）、マルチモーダル
- ディープラーニングの応用に向けて
- 産業への応用、法律、倫理、現行の議論
簡単にまとめてしまうとAIの歴史から機械学習ってどんなものなのか、今流行っている手法がどういったものなのか。どういう考え方で学習を進めるのか？いろんな手法の名前を問うものなどが予想されるようなラインナップでした。
受験勉強開始？
まず、驚くほどに初動が遅かった。理由は以下の二つ
- 第一回目の試験なので過去問の様なものはもちろんない。
- 久々に試験というものに取り組むことにしたので何から始めようかな…→まだいいか。
というループを繰り返し、気付けば試験の三日前。
そこにいたのは結局何もせず呆けているバカな男である。
推薦図書を買う（挫折編）
さすがに試験三日前というおしりに火が付いた状態になり、ようやく重い腰を上げた私は「推薦図書を買おう」と思い立った。（そもそもなぜまだ買ってないのか）
とりあえず、JDLAが推薦している図書がどんなものかを確認しに書店へ向かうことにした。
(Amazonに飛びます。)
本棚に並ぶ3つの本、これらの本の違和感に気付いてほしい。
著者が、
JDLAの協会の理事長と理事である。
まさかの満場一致で買わない一択。そして帰宅後、頭を抱える。なぜ買わなかったのか。
二度目だが、試験三日前の出来事だ。（しかも受験後に結局2冊購入して読んだ。）
どうするべきか考えるしかない。
過去問はない、参考書は手元にない（自分のせい）
仕方ないので、シラバスをもとに自分の知識について客観的に捉えることにしよう。シラバスのタイトルだけで、中身を説明できるものを消していこう。
人工知能（AI）とは（人工知能の定義）人工知能をめぐる動向探索・推論、知識表現、機械学習、深層学習人工知能分野の問題トイプロブレム、フレーム問題、弱いAI、強いAI、身体性、シンボルグラウンディング問題、特徴量設計、チューリングテスト、シンギュラリティ- 機械学習の具体的手法
- 代表的な手法、データの扱い、応用
ディープラーニングの概要ニューラルネットワークとディープラーニング、既存のニューラルネットワークにおける問題、ディープラーニングのアプローチ、CPU と GPU- ディープラーニングにおけるデータ量
ディープラーニングの手法活性化関数、学習率の最適化、更なるテクニック、CNN、RNN- 深層強化学習、深層生成モデル
- ディープラーニングの研究分野
画像認識、自然言語処理、音声処理、ロボティクス （強化学習）、マルチモーダル- ディープラーニングの応用に向けて
- 産業への応用、法律、倫理、現行の議論
自分に足りないのがピックアップできた。あとはこれを調べればいいだけ。。。
よし、Wikiだな。
ということで、13000円した試験をWiki一本で乗り切ろうとする大バカモノがここに生誕した。
試験当日
結局、Wikiで適度な情報を仕入れたのみで受験に挑むことになった。
事前情報で100問を120分で解くという圧倒的な問題数が提示されていたので、一問にかけられる時間は1分程度と踏んでいた。が、試験ページに行くとそこには1問の中に数問含まれており、結果232問解けと言う鬼畜仕様だった。Webでの試験だったので、ネットなどで調べる余裕を与えない為の策だったのかもしれない。
ともかく始まってしまった。
次から次へ出てくる問題に対して、なぜか順調に答えていく。このままいけるのでは？とか調子に乗り始めた矢先にある事件が起こる。
推薦図書は推薦ではなく課題だった件
ある問題の文章の最後に
『推薦図書（実際には図書名）より抜粋』
が添えられているのである。三日前の自分を呪った。なぜ買わなかったのか。仕方ないので、文脈から推察して答える。
本を買わなかった腹いせかと思うぐらいに、次から次へと推薦図書から抜粋された問題。媚びは売っておくべきだったかと後悔しつつ推察して答えるしかなかった。
試験結果
正直言って何故受かったのかわかりませんが、このように受かることができました。頑張れば、Wikiだけで戦えます。
でも課題図書読んどきましょう。
