G検定学習範囲（技術編）～ディープラーニング概要/要素技術～

こんにちは！G検定マスターです💡
今回はG検定の新シラバスでの試験範囲であるディープラーニングの部分を解説していきます！

前提

・今後旧シラバスではなく、新シラバスに沿った情報提供を行っていきます。
・新シラバスは下記URLをクリックし、詳細な試験範囲はこちら（G2024#6から適用）から資料をダウンロードして参照ください。

G検定とは

出題分野-新試験

・今日は新試験の技術編の出題分野の内、”ディープラーニングの概要”、”ディープラーニングの要素技術”の2つを取り上げます。
・まず上記2つのテーマの新シラバスの内容は下記のとおりです。

1.ディープラーニングの概要

2.ディープラーニングの要素技術

出題分野からわかる旧シラバスからの変化点

それでは旧シラバスから変わった点を解説していきたいと思います。
※旧シラバスからの変更度合は⭐の数（0個～3個）で表しています。

1.ディープラーニングの概要
・11.ニューラルネットワークとディープラーニングの章は双方の関係の説明が追加されました。またGPU、TPUの特徴及びディープラーニングの学習・推論に適する理由の説明も追加されました。（⭐）

・13.誤差関数の章が新たに追加されました。また誤差関数の詳細な理解と実務活用が追加されました。さらにContrastive loss, Triplet Loss, カルバック・ライブラー情報量 (KL)、平均二乗誤差がキーワードとして追加されました。（⭐）

・14.正則化の章が新たに追加されました。また正則化の詳細理解と実務での適切な選択が追加されました。さらにL0～L2正則化、ラッソ回帰、リッジ回帰がキーワードとして追加されました。（⭐⭐）

・15.誤差逆伝播法の章が新たに追加されました。さらに連鎖律、勾配爆発がキーワードとして追加されました。（⭐）

2.ディープラーニングの要素技術
・19.正規化層の章が新たに追加されました。また代表的な正規化手法の理解、正規化層の役割が追加されました。さらにグループ正規化、レイヤー正規化、インスタンス正規化がキーワードとして追加されました。（⭐⭐）

・20.プーリング層の章が新たに追加されました。さらに不変性の獲得がキーワードとして追加されました。（⭐）

・21.スキップ結合層の章が新たに追加されました。（⭐）

・22.回帰結合層の章が新たに追加されました。またRNNの詳細理解（モデル、学習方法、課題）が追加されました。さらにエルマンネットワーク、勾配爆発問題、教師強制、ジョルダンネットワークがキーワードとして追加されました。（⭐）

・23.Attentionの章が新たに追加されました。またRNNの問題解決としてのAttentionの理解が追加されました。さらにMulti-Head Attention、キー、クエリ、バリューがキーワードとして追加されました。（⭐）

・24.オートエンコーダの章が新たに追加されました。またオートエンコーダの代表的な亜種の理解が追加されました。さらにVQ-VAE、info VAE、β-VAEがキーワードとして追加されました。（⭐⭐）

・25.データ拡張の章が新たに追加されました。また代表的なデータ拡張手法の理解、ディープラーニングにおけるデータ拡張の役割が追加されました。さらにContrast、Brightness、Crop　noising,paraphrasing,RandAugument,Random Flip,Rotateがキーワードとして追加されました。（⭐⭐）

まとめると、新シラバスはディープラーニングの要素技術それぞれが章立てされており、詳細な理解が求められると考えられます📚 また様々なモデルが実務ではどのように活用されるか確りとおさえる必要があると思います。

それでは次回はディープラーニングの応用編の試験範囲について触れていこうと思います💡