E資格のシラバス!試験範囲全説明（仮）!!

この記事は日本ディープラーニング協会（JDLA）主催のE資格（ディープラーニングエンジニアリング試験）のシラバス2022の説明です。

正式情報はこちらのサイトをご確認ください。
改訂内容も併せてご確認ください。
今後、シラバスに合わせて随時、学習記事をアップしていきます。

E資格のシラバス

PytorchとTensorFlowの選択

2022#2シラバスからPytorchとTensorFlowのどちらかを選ぶようになっています。
問題内容としてはあまり影響はないかなと思いますので、
実装経験がある方を選べばいいと思います。

応用数学

一般的な確率分布

ベルヌーイ分布多項分布

ガウス分布

ベイズ則

情報理論

情報量

関連

情報理論情報量エントロピー【E資格対策】

機械学習

学習アルゴリズム

教師あり学習

教師なし学習

半教師あり学習

転移学習

関連

教師あり事前学習最適化戦略【E資格対策】

機械学習課題

能力、過剰適合、過少適合

次元の呪い

ハイパーパラメータ

検証集合

学習データ、検証データ、テストデータ

ホールドアウト法

k-分割交差検証法

最尤推定

条件付き対数尤度と平均二乗誤差

性能指標

ハイパーパラメータの選択

手動でのハイパーパラメータ調整

グリッドサーチ

ランダムサーチ

モデルに基づくハイパーパラメータの最適化

強化学習

方策勾配法

価値反復法

関連

REINFORCE 方策勾配法【E資格対策】

深層学習

e資格試験の中で一番比率が高かったように感じました。
しっかり復習して幅広い理解を得ましょう。

順伝播型ネットワーク

全結合型ニューラルネットワーク
損失関数：最尤推定による条件付き分布の学習

関連

全結合型ニューラルネットワーク【E資格対策】

活性化関数：
シグモイド関数、Softmax関数、ReLU, Leaky ReLU、tanh

誤差逆伝播法およびその他の微分アルゴリズム
計算グラフ
微積分の連鎖率
誤差逆伝播のための連鎖律の再起的な適用
シンボル間の微分
一般的な誤差逆伝播法

関連

誤差逆伝播法（Backpropagation）【E資格対策】

深層モデルのための正則化

パラメータノルムペナルティー
L2パラメータ正則化
L1正則化
データ集合の拡張
Rnadom Flip・Erase・Crop・Contrast・Brightness・Rotate, MixUp
ノイズに対する頑健性：出力目標へのノイズ注入
マルチタスク学習
早期終了
スパース表現
バギングやその他のアンサンブル手法
ドロップアウト

深層モデルのための最適化

学習と純粋な最適化の差異 ：バッチアルゴリズムとミニバッチアルゴリズム
基本的なアルゴリズム ：確率的勾配降下法モメンタム
パラメータの初期化戦略
適応的な学習率を持つアルゴリズム
AdaGrad
RMSrop
Adam
最適化戦略とメタアルゴリズム
バッチ正規化
Layer正規化
Instance正規化
教師あり事前学習