E-Qualifikation gesponsert von der Japan Deep Learning Association JDLA-Zertifizierungsprogramm Study-AI Co., Ltd., bekannt für die Bereitstellung des Zertifikats /? Id = certificate_No04), hat ein Exekutivkomitee für die Zertifizierung der AI-Implementierung eingerichtet und als Qualifikation, um die Fähigkeiten zu erwerben, um die E-Qualifikation in Frage zu stellen. "AI-Implementierung Test ”hat begonnen. Ich habe die Prüfung abgelegt: cherry_blossom: Erfolgreich bestanden: cherry_blossom: Ja. Daher möchte ich Informationen wie Testvorbereitungen ausgeben, an denen ich tatsächlich gearbeitet habe, bevor mein Gedächtnis verblasst ist.

Tatsächlich erhaltene Passbenachrichtigungs-E-Mail

Das Problem mit Python scheint zu sein, dass Sie einen unachtsamen Fehler gemacht haben. .. ..

Diese Qualifikation ist ein Artikel von @ kazzy0099, der Past Article [[von Zeit zu Zeit aktualisiert] Zusammenfassung der Qualifikationen in Bezug auf Datenwissenschaft und maschinelles Lernen]( Ich fand es unter https://qiita.com/kazzy0099/items/d423491bda6fedbce196) und legte die Prüfung ab. Es wird von Zeit zu Zeit aktualisiert. Ich freue mich auf zukünftige Updates.

Motivation für die Prüfung

Ich habe die Prüfung mit folgenden Motiven abgelegt.

Weil ich mich für maschinelles Lernen und tiefes Lernen interessiere und es studiere
Weil ich in Zukunft die E-Qualifikation machen möchte
Weil ich dachte, dass die Qualifikation, die die Implementierung in den Mittelpunkt stellt, zu einer Stärkung der Implementierungsfähigkeit führen würde
Weil mein Hobby Qualifikationen bekommt, etc ...

Was ist ein AI-Implementierungstest?

Details finden Sie unter den unten stehenden Links.

Eine Skizze der Position des Tests wurde auf http://kentei.ai/ veröffentlicht.

Es besteht die Möglichkeit, dass in Zukunft andere Noten als die Note A formuliert werden, diesmal wurde jedoch nur die Note A eingestellt. Darüber hinaus ist dieser Test ein Test, der auf Ihrem Heim-PC durchgeführt werden kann. Insgesamt werden 60 Fragen gestellt, 20 für jeden der Bereiche Mathematik, Programmierung und Deep Learning. Die Testzeit beträgt 60 Minuten, daher kann ich es mir nicht leisten, darüber nachzudenken. In Bezug auf die bestandene Punktzahl scheint es, dass die Gesamtpunktzahl die für jeden Test angekündigte bestandene Punktzahl erreichen muss. Die Prüfungsgebühr beträgt ¥ 3.500. In letzter Zeit gibt es viele Qualifikationstests mit hohen Prüfungsgebühren, aber der Preis ist angemessen. (Ansicht des Autors)

: Warnung: AI-Implementierungstest bestanden A Note = Nicht für die E-Qualifikation qualifiziert. Als separate Voraussetzung für die Testberechtigung müssen Sie an [JDLA Certified Training] teilnehmen (https://www.jdla.org/certificate/engineer/#certificate_No04).

Nachtrag 2020/3/30 Über Erfolgsquote und Punktzahl

Bericht: AI-Implementierungstest [Note A] 1. Implementierungsergebnis, die Erfolgsquote liegt bei ca. 80%. Ich kann es nicht mit Sicherheit sagen, da die Punktzahl nicht bekannt gegeben wurde, aber was die durchschnittliche Punktzahl betrifft, möchten Sie vielleicht mehr als 80%.

Testbereich

Testfragebeispiel dient auch als Umfang der Prüfungsfragen. Es gibt auch einen Hinweis auf das Zusammensetzungsverhältnis aller 60 Fragen.

Test-Vorbereitungen

Ich möchte die Lehrmaterialien vorstellen, die tatsächlich für die Prüfungsvorbereitung verwendet wurden. Die Studienzeit war zeitweise, daher kann ich nicht genau sagen, aber wenn Sie etwas über neuronale Netze und tiefes Lernen wissen, können Sie in etwa zwei Wochen zwei Runden der offiziellen Lehrmaterialvideos drehen.

: Warnung: Wenn Sie von null Wissen gehen möchten, benötigen Sie eine bestimmte Studienzeit. (Besonders Mathematik) : Warnung: Ich bin ein Student der Naturwissenschaften und NN und Deep Learning sind ein bisschen Wissen in meinem Unterricht und meiner Forschung.

Offizielle Unterrichtsmaterialien

Es wird in Offizielles Lehrmaterial zum AI-Implementierungstest veröffentlicht. Diesmal waren es 3.000 Yen. [^ Text] für eine begrenzte Zeit. Es ist ein Unterrichtsmaterial, das nur von Prüflingen ohne Kommentar des Lehrers (mit Videokommentar + Quelle) erworben werden kann. Es scheint, dass die offizielle Version mit Videokommentar in Zukunft veröffentlicht wird. Der Preis beträgt 45.000 Yen. Es scheint, dass das Video dieses Lehrmaterials nur bis zum 30. Juni angesehen werden kann.

: Warnung: Dieses Unterrichtsmaterial wird hauptsächlich als Unterrichtsmaterial für KI und Programmierung im Prüfungsbereich verwendet. Für Bereiche, die nicht in Mathematik und offiziellen Unterrichtsmaterialien enthalten sind, sind separate Maßnahmen durch Selbstlernen erforderlich.

Offizielle Gliederung des Unterrichtsmaterials

Von http://kentei.ai/introduction/howto

★ Bambi β-Stier (Abschnitt 1 Grundlagen) Wenn Sie mit den Grundlagen von Python und der Bedienung Ihres Computers fortfahren möchten, beginnen Sie hier. Erfahren Sie, wie Sie Numpy und Matplotlib verwenden, Bibliotheken, die zum Zeichnen von Funktionen und numerischen Berechnungen erforderlich sind, die für neuronale Netze unerlässlich sind.

★ Bambi β-Gemini (Abschnitt 2 Grundlagen) Hier beginnen die Grundlagen der Vorwärtsausbreitung neuronaler Netze.

★ Bambi β-Krebs 1 (Abschnitt 3 Anwendung) Backpropagation des neuronalen Netzes. Anfänger werden ihren Abschluss machen, wenn Sie diesen Punkt erreichen.

★ Bambi β-Krebs 2 (Anwendung in Abschnitt 3) Kettengesetz des neuronalen Netzes. Wenn Sie dies verstehen können, sind Sie eine Zwischenperson.

★ Bambi β-Leo (Abschnitt 4 Anwendung) Es handelt sich um eine Implementierung vom Typ Update, die eine Zwischenschicht einführt. Der Quellcode wird ebenfalls verteilt. Bewegen Sie also bitte Ihre Hände, um ihn zu "lernen". Wenn Sie dies tun können, werden Sie eine sehr talentierte Person sein.

★ Bambi β-Virgo 1 (Abschnitt 4 Anwendung) Implementieren Sie Deep Learning mit handgeschriebenen Zeichendaten. Wenn möglich, werden fortgeschrittene Studenten ihren Abschluss machen. Sie können ein Niveau erreichen, in dem Sie tiefes Lernen lernen können, selbst wenn Sie selbst lernen.

★ Bambi β-Virgo2 (Anwendung in Abschnitt 5) ← Der Inhalt von Abschnitt 5 liegt außerhalb des Testumfangs, ist jedoch interessant, sodass es sich lohnt, an zu arbeiten Implementieren Sie Deep Learning mit handgeschriebenen Zeichendaten. Wenn möglich, werden fortgeschrittene Studenten ihren Abschluss machen. Sie können ein Niveau erreichen, in dem Sie tiefes Lernen lernen können, selbst wenn Sie selbst lernen. Am Beispiel von Austauschdaten werden wir sie in fünf Sprachen und Frameworks implementieren. (Chainer, NumPy, PyTorch, TensorFlow, Keras) Für den Austausch von Daten ist auch das Konzept des Umgangs mit Zeitreihen namens RNN aufgetaucht, das über die Welt von Bambi hinaus bis in die fortgeschrittene Ebene reicht.

Beispielproblem

Ich habe auch das Problem von Testfragebeispiel auf der offiziellen Website gelöst. Da es keine Antwort gab, habe ich eine grobe Referenzlösung erstellt.

Eingabeebene und Ausgabeschicht: (a) Eingabe
Berechnung der Vorwärtsausbreitung: Frage 1 Farbcode, Frage 2 27
Matrixmultiplikation: (H) 2, 8
Einführung des Bias-Begriffs: Option 1

Programmierung

Numpy 1. Frage: Option 1 (Es gibt jedoch einen Tippfehler, bei dem w und x vertauscht sind)
Numpy 2. Frage: (c)
Pandas: read_csv
scikit-learn: Unterteilt in Zugdaten und Testdaten

Mathematik

Zahlenfolge und Matrix 1. Frage: Fehler bei der Problemstellung?
Zahlenfolge und Matrix 2. Frage: A: 10 B: 22
Zahlenfolge und Matrix 3. Frage: A: 6 B: 10 C: 14

Kommerzielle Bücher

Einführung in das selbstgemachte neuronale Netzwerk (geschrieben von Tariq Rashid, übersetzt von Hiroyuki Shinno)

Dies ist die japanische Version des Buches Make Your Own Neural Network.

makenn

Als ich es nach dem offiziellen Unterrichtsmaterial noch einmal las, war ich begeistert davon, wie einfach es ist, Theorie und Logik zu erklären, und unter Beibehaltung der Strenge das neuronale Netzwerk mit einer gekauten Erklärung, die für den Leser leicht zu verstehen ist Ich erkannte wieder einmal, dass es ein ausgezeichnetes Buch war, das erklärte. Dieses Buch ist eine japanische Übersetzung, daher möchte ich das Original lesen.

Eindrücke von der eigentlichen Prüfung

Die eigentliche Prüfung besteht aus jeweils 20 Fragen in der Reihenfolge Mathematik, Programmierung und KI. Die erste Mathematik erfordert hauptsächlich Kenntnisse der linearen Algebra. Zunächst mag es ärgerlich sein, aber da es sich um einen Test handelt, bei dem keine Zeit zum Nachdenken und Lösen von 60 Problemen in 60 Minuten vorhanden ist, müssen Sie entscheiden, ob Sie Berechnungsprobleme verschieben oder wegwerfen möchten, die einige Zeit in Anspruch nehmen können. Wird sein. Da es im Programmierproblem Scikit-Learn im Bereich gibt, wurde es mit einer guten Rate gefragt. Der KI-Teil war eine Frage, die in etwa mit den offiziellen Unterrichtsmaterialien übereinstimmte. (Ich liebe die Gradientenabstiegsmethode) Es mag sein, dass es sich um eine Qualifikation handelt, die sich der Vorbereitung des E-Tests bewusst ist, aber wie auf der Testseite erwähnt, habe ich den starken Eindruck, dass es sich um einen Test handelt, bei dem Implementierung und Argumentation im Vordergrund stehen. Danach ist es besser, Papier und Stift vorzubereiten, damit Sie das Berechnungsproblem von Hand schreiben und lösen können. Ich habe bisher viele Qualifikationsprüfungen abgelegt, aber dies ist das erste Mal, dass ich die Prüfung zu Hause abgelegt habe. Es kann das perfekte Format für die heutige Welt sein.

Ein Artikel von @ PoppeDwarf Impressionen und Memorandum des AI-Implementierungstests wurde veröffentlicht. Der Autor dieses Artikels kommentierte das Gleiche wie ich.

: Warnung: Einige Tage vor dem Testdatum wird eine E-Mail gesendet, in der eine Voranmeldung beim Testsystem und eine Bestätigung des Betriebs angefordert werden. Es wird empfohlen, sich vorher anzumelden und zu überprüfen, ob es ordnungsgemäß funktioniert. Zuvor sendet Study-AI Ihnen plötzlich eine Seite zur Verwendung von Lerninhalten und Anmeldeinformationen [^ studyai], die die Anmeldeinformationen für das Testsystem darstellen. Zu diesem Zeitpunkt dachte ich, es sei Spam und zögerte, es zu öffnen.

Zusammenfassung

AI-Implementierungstest Eine Note wird zusammengefasst. Ich denke, diese Prüfung war sehr bedeutsam, da ich dieses Mal wieder etwas über das Neuronale Netz lernen und erneut bestätigen konnte, dass mein Verständnis schwach war. In Zukunft möchte ich weiterhin die neuesten Themen wie maschinelles Lernen, tiefes Lernen, Quantencomputer, deren Theorie schwer zu verstehen ist, und quantenmaschinelles Lernen lernen. Dieser Artikel ist der 20. Artikel seit letztem August. Ich möchte weiterhin aktiv Informationen verbreiten.

Nachtrag 2020/4/13 Das Passzertifikat ist eingetroffen

Ich habe eine Passbescheinigung erhalten. Er wird mit dem Titel Deep Learning Implementer ausgezeichnet. Es ist vielleicht das erste Mal in meinem Leben, dass ich eine Qualifikation und einen Titel habe.

合格証.png

Zwei Arten von Pass-Logos wurden ebenfalls angehängt, daher habe ich beschlossen, das Qiita-Symbol durch das Pass-Logo-Bild von heute zu ersetzen.

Zukünftige Ziele

Ich möchte die Prüfung ablegen, wenn die S-Klasse erscheint.
Deep Learning von Grund auf neu lesen
Abschluss von Deep Learning 2 von Grund auf neu
Lineare Algebra neu lernen (hauptsächlich nur der Teil, der für maschinelles Lernen benötigt wird)
Master of Model Implementation mit Tensor Flow, PyTorch
Sichere Anforderungen an die E-Qualifikationsprüfung
Erstellen Sie Ihr eigenes neuronales Netzwerk (auch zum Lernen von Englisch)
Wenn ein Buch zur Herstellung eines Quantencomputers veröffentlicht wird, werde ich versuchen, es usw. zu erstellen ...

[^ text]: Zum zweiten Mal werden auch begrenzte Unterrichtsmaterialien für 3.000 Yen verkauft. Dies kann auch nur von Testteilnehmern erworben werden, und der Betrachtungszeitraum ist ebenfalls begrenzt.

[^ studyai]: Der Betreff der E-Mail lautet "Hinweis von Content Learning AI (Study-AI)".

[PYTHON] Ich habe den ersten AI-Implementierungstest [Note A] bestanden und verschiedene Dinge ausprobiert