G検定攻略ガイド管理人です。
今回は「G検定の計算問題」について書いていきたいと思います。
G検定には毎回2~3問程度の計算問題が出題されます。
理系の学生なら秒殺で解けるようなレベルの問題ですが、「微分と聞くとアレルギー反応が出る」という数学嫌いの方や、「数学なんかできなくても生きている」というガチガチ文系の方にとっては少し嫌な分野の出題かもしれません。
このようなディープラーニングに必要な数学を解説している本も販売されたりしているので、今後も継続的にディープラーニング技術を学ぶ方はしっかりと基礎から学んでおいたほうが良いと思います。
ところが、G検定で出題される計算問題は決まった形であることが多いです。そのため、専用の対策を行っておけば、難なく解けるものばかりなのです。
今日はそのあたりを解説していきたいと思います。
【出題分野1】微分・偏微分
まず、G検定の計算問題で頻出なのが微分・偏微分の問題です。
こちらは高校で習うレベルの1変数の微分と、多変数の関数に対しての偏微分が出題されることが多いです。
こちらの問題は微分の基礎的なことが分かっていれば簡単に解くことができるでしょう。
基本的なことは下記のホームページでわかりやすく紹介されています。
また、偏微分に関しても考え方は同様です。
わかりやすいホームページがあったので、こちらも紹介しておきますね。
偏微分の意味とやり方
微分も偏微分も、数学的には重要な意味を持つ計算手法です。
しっかりと計算方法を理解するようにしましょう。
また、ディープラーニングでは「誤差逆伝播法」が偏微分で誤差関数の値を逆伝播させていくことで、ネットワーク全体の学習を行ってチューニングをしていきます。
実際にディープラーニングのどの部分で使われているかを理解することも重要ですので、都度確認するようにしましょう!
【出題分野2】行列演算
G検定の計算問題において、こちらも頻出の行列演算の問題です。
行列演算は計算ルールを覚えるしかありません(笑)
わかりやすく解説してくれているホームページを発見しましたので、こちらを参考に計算の方法を覚えましょう。
https://oguemon.com/study/linear-algebra/matrix-op/
行列行列とその和、スカラー倍、積、単位行列、逆行列に関する解説。www.sist.ac.jp
行列演算は、いわゆる「線形代数」といわれる分野の数学です。
実はニューラルネットワークの順方向・逆方向への伝播は内部的には行列の演算によって行われています。
ディープラーニングを実装する場合などには必須の知識なので、計算の方法はきっちりと理解しておきましょう。
あと、自己責任ですが次のようなホームページもこっそりと紹介しておきますね・・・。
生活や実務に役立つ高精度計算サイト
G検定は、試験中に調べたりできますからね…(小声)
【出題分野3】畳み込みニューラルネットワークの演算
これも最近よく出題されている分野です。
実際にフィルタと画像が与えられて計算していく問題や、画像の入力サイズとフィルタのサイズ・ストライドなどが与えられて、特徴マップのサイズを計算するものなどが出題されることがあります。
これまた結構マニアックな計算ですが、画像認識分野では非常に重要な畳み込み演算になっています。
こちらもわかりやすいホームページを見つけたので紹介しておきますね。
計算方法については、問題集などに掲載されていると思いますので割愛しますが、こちらも自己責任ですが次のようなホームページもこっそりと紹介しておきますね・・・。
G検定 Web模試 JDLA Deep Learning for GENERAL 練習テスト
いかがだったでしょうか。
今回はG検定に頻出の計算問題に関して紹介しました。
本格的にG検定受験以降もディープラーニングを学ぶ方は、下記のような本で基礎的な数学を一通り履修しておくことを強くお勧めします!
それでは、みなさんのG検定合格を祈っています!
合格目指してがんばりましょう!!!!!!!
////////////////////////////////////////////////////////
本NOTEでは、G検定合格に向けた情報発信を行っていきます!
みなさんの合格の手助けになるように更新していきますので、NOTEのフォロー・Twitterのフォローを是非お願いします。
【Twitter】
G検定攻略ガイド
@0g1iPOHDHaYBY67
////////////////////////////////////////////////////////
コメント