徹底攻略ディープラーニングE資格エンジニア問題集 第2版
6,050円(本体 5,500円+税10%)
- 品種名
- 書籍
- 発売日
- 2021/5/31
- ページ数
- 520
- サイズ
- A5判
- 著者
- スキルアップAI株式会社 小縣 信也 著/スキルアップAI株式会社 斉藤 翔汰 著/スキルアップAI株式会社 溝口 聡 著/スキルアップAI株式会社 若杉 一幸 著/杉山 将 監修
- ISBN
- 9784295011583
内容精査して再登場!「E資格」対応問題集
内容を精査して再登場!AIエンジニアは必携の資格【ディープラーニングE資格(エンジニア)】対応の問題集。◆JDLA認定プログラムの第1号事業者であるスキルアップAIの講師陣が執筆!◆業界の第一人者 杉山 将氏(理化学研究所 革新知能統合研究センター センター長/東京大学 教授)監修◆ていねいで分かりやすく解説。正答も誤答も技術解説しているので知識吸収も加速!◆出題傾向を徹底分析した模擬問題を収録で合格力がさらにアップ!
- 電子版を買う
-
「読者アンケートに答える」「読者プレゼントに応募」の場合もこちらをご利用ください。
書籍の内容に関するお問い合わせはこちら。お答えできるのは本書に記載の内容に関することに限ります。
学校・法人一括購入に関するお問い合わせはこちらへ。
著者紹介
▼小縣 信也(おがた・しんや)
スキルアップAI講師。スキルアップAI株式会社取締役。大阪市立大学工学部卒業後、建材メーカー、設備設計事務所に勤務。2010年、OpenFOAM勉強会for beginner(現オープンCAE勉強会@関東)を立ち上げ3年間幹事を務める。建築環境に関する数値シミュレーション、電力量や温湿度などのセンサーデータに関する分析が専門。1級建築士、エネルギー管理士。2013年、国土交通省国土技術政策総合研究所 優秀技術者賞受賞。日本ディープラーニング協会が実施するE資格2020#1ほか合格、E資格2018にて優秀賞受賞、E資格2019#1にて優秀賞受賞。
▼斉藤 翔汰(さいとう・しょうた)
スキルアップAI講師。横浜国立大学大学院 環境情報学府 情報メディア環境学専攻(現:情報環境専攻)修了。修士(情報学)。高専時代に画像認識に対して興味を持ったことがきっかけで、現在は深層学習や機械学習、進化計算などの人工知能分野におけるアルゴリズムの研究開発やコンサルティングに従事。日本ディープラーニング協会が実施するE資格2020#1ほか合格、G検定2020年#1ほか合格。
▼溝口 聡(みぞぐち・さとし)
スキルアップAI講師。東京大学工学部計数工学科卒業。東京大学大学院情報理工学系研究科システム情報学専攻修了。修士(情報理工学)。学生時代に数理統計学と統計的信号処理に触れたことがきっかけで、深層学習や高次統計量分析を利用した音声強調技術の研究開発や画像処理などを含む機械学習コンサルティングに従事。日本ディープラーニング協会が実施するE資格2020#1ほか合格、G検定2019年#1合格。実用数学技能検定1級。統計検定1級、統計応用(理工学)成績優秀賞受賞。
▼若杉 一幸(わかすぎ・かずゆき)
スキルアップAI講師。東京工業大学電気電子工学科を卒業後、同大学院総合理工学研究科創造エネルギー専攻を修了。修士(工学)。大学卒業後は機械メーカにてパワーエレクトロニクスや情報・制御に関する研究開発に従事し、その後機械学習を活用した予測システムの開発や多数のデータ分析業務に従事。2010年電気学会産業応用部門で優秀論文発表賞受賞。日本ディープラーニング協会が実施するE資格2018にて優秀賞受賞、G検定2018年#1合格。
■監修
▼杉山 将(すぎやま・まさし)
2001年東京工業大学大学院情報理工学研究科博士課程修了。博士(工学)。2014年より東京大学大学院新領域創成科学研究科教授、2016年より理化学研究所革新知能統合研究センター長を兼任。機械学習の理論・アルゴリズム・実世界応用に関する研究に従事。2015年に機械学習に関する国際会議Neural Information Processing Systems Conferenceの共同委員長プログラム委員長、2016年に共同実行委員長を務める。『機械学習プロフェッショナルシリーズ』(講談社)編者。
目次
第01章 線形代数
第02章 確率・統計
第03章 情報理論
第04章 機械学習の基礎
第05章 前処理・特徴選択・性能指標
第06章 モデルの評価・正則化・ハイパーパラメータ探索
第07章 教師あり学習の各種アルゴリズム
第08章 教師なし学習の各種アルゴリズム
第09章 強化学習の各種アルゴリズム
第10章 深層学習の概要
第11章 順伝播計算と逆伝播計算
第12章 最適化手法
第13章 畳み込みニューラルネットワーク
第14章 再帰型ニューラルネットワーク
第15章 深層学習を用いた自然言語処理
第16章 深層学習を用いた生成モデル
第17章 深層学習を用いた強化学習
第18章 開発・運用環境
第19章 総仕上げ問題
付録 覚えておくべきPython/NumPyの知識
関連書籍
ダウンロード
本製品の読者さまを対象としたダウンロード情報はありません。
お詫びと訂正
誤記のためにご迷惑をおかけし、誠に申し訳ございません。
- 153ページ 問5 設問文の下から3行目、2行目
- [誤]
学習では通常、エポックごとに(ウ)ため、その場合には毎回のイテレーションで(イ)が異なる。 - [正]
学習では通常、エポックごとに(ウ)ため、毎回のイテレーションにおいて目的関数に入力されるデータが異なる。 - 【 第5刷にて修正 】
- [誤]
- 175ページ ソースコード内の11行目
- [誤]
delta[Z == 0] = 0 - [正]
delta[Z <= 0] = 0 - 【 第2刷にて修正 】
- [誤]
- 191ページ ソースコード内の11行目
- [誤]
delta[Z == 0] = 0 - [正]
delta[Z <= 0] = 0 - 【 第2刷にて修正 】
- [誤]
- 251ページ 下から4行目
- [誤]
縦方向にはy_maxまでstride刻みで値を取得し、縦方向にはx_maxまでstride刻みで値を取得します。 - [正]
縦方向にはy_maxまでstride刻みで値を取得し、横方向にはx_maxまでstride刻みで値を取得します。 - 【 第4刷にて修正 】
- [誤]
- 262ページ 下から7行目以降
- [誤]
この式は、「ある再現率rに対応する適合率は、そのrよりも大きな(~中略~)を意味します。たとえば、再現率0.6に対応する適合率を決定したい場合、0.6よりも大きな(~中略~)。よって、再現率0.6の適合率は(~後略~)。 - [正]
この式は、「ある再現率rに対応する適合率は、そのr以上の(~中略~)を意味します。たとえば、再現率0.7に対応する適合率を決定したい場合、0.7以上の(~中略~)。よって、再現率0.7の適合率は(~後略~)。 - 【 第2刷にて修正 】
- [誤]
- 297ページ 13行目
- [誤]
次に、Ct-1とF,G,Oを用いてCtを計算します - [正]
次に、Ct-1とF,G,Iを用いてCtを計算します - 【 第4刷にて修正 】
- [誤]
- 298ページ 最終行の数式
- [誤]
※下記参照 - [正]
-
備考:
【誤】
【正】
- 【 第3刷にて修正 】
- [誤]
- 299ページ 1行目
- [誤]
のように、G、I、F、Oを求めます。 - [正]
のように、I、F、Oを求めます。 - 【 第3刷にて修正 】
- [誤]
- 299ページ 2行目
- [誤]
※下記参照 - [正]
-
備考:
【誤】
【正】
「G=~」の数式を削除
- 【 第3刷にて修正 】
- [誤]
お問い合わせ
書籍の内容に関するお問い合わせはこちら。お答えできるのは本書に記載の内容に関することに限ります。