[PYTHON] So studieren Sie den Deep Learning G-Test

Wie man für den Deep Learning G Test lernt

Ich habe den ** Deep Learning G (Generalist) Test # 3 **, der am 9. November 2019 stattfand, abgelegt und erfolgreich bestanden, möchte aber die Studienmethoden zusammenfassen.

Was ist ein G-Test?

・ Zweck: Um zu testen, ob Sie über das Wissen verfügen, um Deep Learning in Ihrem Unternehmen einzusetzen ・ Teilnahmebedingungen: Keine ・ Prüfungsbeschreibung: 120 Minuten, Wissensfragen (Auswahltyp für mehrere Gliedmaßen), Online-Implementierung (Heimprüfung) ・ Frage: Fragen von Shirabus

Zweck der Prüfung

Meine Hauptaufgabe ist ein Ingenieur für Produktionstechnologie. Ich arbeite auch in der Datenwissenschaft usw. und fertige Datenanalyse- und Bilderkennungssysteme mithilfe von maschinellem Lernen und Deep Learning. Ich lerne mit Büchern, habe aber die Prüfung abgelegt, weil ich systematisch neu lernen wollte. Mit meiner Qualifikation wollte ich auch zeigen, dass ich den Willen und die Fähigkeit habe, mich auf meine zukünftige Arbeit zu konzentrieren.

Studiendauer

Beginnen Sie 3 Wochen vor der Prüfung mit dem Lernen für die Prüfung.

Ich habe jedoch von Anfang an viele Bücher über KI gelesen und auch Erfahrung in der Implementierung von maschinellem Lernen und Deep Learning. Ich nehme seit mehreren Jahren an Udemy-Kursen teil. Daher dachte ich, ich wüsste es, also war ich ein wenig unvorbereitet und beschloss, kurz zuvor sofort für die Prüfung zu lernen. Als ich studierte, gab es viele empfohlene Bücher, und ich hatte nicht genug Zeit, um richtig zu lernen. Wenn Sie nur die Prüfung bestehen möchten, reichen drei Wochen aus.

Inhalt des Studiums

Ich fuhr mit dem Studium in den folgenden Büchern fort. ① "Deep Learning Lehrbuch Deep Learning G Test (Generalist) Offizieller Text" ② "Gründliche Erfassung Deep Learning G Test Generalist Problem Collection" ③ Empfohlene Bücher "AI White Paper 2019", "Lehrbuch für Deep Learning Utilization" usw. ④ kindle "G-Test zum Verständnis in der Praxis Deep Learning-Lehrbuch: Geheime Methode zum Bestehen in kürzester Zeit, die von G-Test-Passanten (Kamikusa Publishing) gelehrt wird" "Detaillierte Erklärung! G-Test zum Verständnis in der Praxis Web-Mock-Test-Handbuch"

Insbesondere wurde ①②④ etwa dreimal wiederholt. ③ ist ein Level, für das ich nicht genug Zeit zum Lesen hatte. Insbesondere der an ④ angehängte Web-Mock-Test war gut.

Nimm die Prüfung

・ Es gibt unerwartet viele rechtliche Probleme ・ Es gibt einige Probleme, die nicht im Text enthalten sind Diese überlebten die Google-Suche

Durch dreimaliges Wiederholen von ①②④ des obigen Buches konnte ich das Grundproblem mit der Geschwindigkeit des sofortigen Tötens lösen. Daher löste ich alle Fragen innerhalb von 15 bis 20 Minuten und löste die nicht sicheren Probleme einzeln bei Google Ich habe Zeit zum Suchen und Überprüfen. Was die Geschwindigkeit des Tests angeht, war es gut, dass ich den Test in einem sehr ähnlichen Format im Voraus erleben konnte, indem ich den Web-Mock-Test in (4) oben durchführte (es ist einfach mit dem Web-Mock-Test, es dauert mehr als 30 Minuten und 90% oder mehr können durchgeführt werden. ). Ich habe jedoch den Eindruck, dass die eigentliche Prüfung schwieriger ist (viele unbekannte Probleme, insbesondere rechtliche Probleme).

Wenn Sie vorerst Fragen haben, die Sie während der Prüfung nicht verstehen, wählen Sie eine Antwort aus und fahren Sie schnell fort. Es ist effektiv, nach der verbleibenden Zeit zu suchen und sicherzustellen, dass Sie sie erhalten. Aufgrund der großen Anzahl von Fragen war es wichtig, keine Zeit mit den grundlegenden Fragen zu verbringen, was beim wiederholten Training hilfreich war. Ich denke, es gab ein Problem, wie es in der Problemsammlung war.

Immerhin war es ein rechtliches Problem, das mit gesundem Menschenverstand nur schwer anzugreifen war. Ich denke, es lohnt sich, die neuesten Bücher wie das "AI White Paper" durchzulesen. Um ehrlich zu sein, ist es schwierig, hier zu lernen. Selbst wenn Sie es bei Google nachschlagen, können Sie es bestehen, wenn Sie Vertrauen in die Grundlagen haben. Es scheint, dass die Passlinie nicht für die Öffentlichkeit zugänglich ist, aber wenn Sie wiederholt anhand von Lehrbüchern und Problemkollektionen lernen, können Sie fast perfekt auf grundlegende und technische Probleme abzielen, sodass ich denke, dass Sie genug bestehen können.

Da ein breites Spektrum an Kenntnissen erforderlich ist, konnte ich systematisch verstehen, was ich in verschiedenen Büchern gelesen und gelernt hatte, und meine Gedanken organisieren. Um ehrlich zu sein, bin ich froh, dass ich es erhalten habe. Es ist ein Bereich, der sich stetig weiterentwickelt, daher möchte ich Informationen sammeln und mein Wissen erneut aktualisieren.

Als nächstes kommt die E-Qualifikation

Nachdem ich den G-Test bestanden habe, werde ich die ** E (Ingenieur) -Qualifikation ** anfechten, für die ich sie implementieren muss. In naher Zukunft wird es im Februar 2020 eine Prüfung geben, so dass nur noch etwa 3 Monate übrig sind. Darüber hinaus ist es erforderlich, den für die Prüfungsqualifikation festgelegten Kurs der Programmierschule zu absolvieren. Aufgrund der Auswahl nehme ich an einem AI-Job-Curry-Kurs bei COSPA teil (der kurz zuvor sogar noch günstiger war). Ich erhalte es und es schreitet mit beträchtlicher Geschwindigkeit voran. Ehrlich gesagt ist es ein harter Eindruck für Anfänger wie Python. Derzeit kann ich Python verwenden und habe Erfahrung in der Datenwissenschaft, damit ich mithalten kann. Es wird jedoch ein ziemlich enger Zeitplan sein, die Abschlussprüfung von 3 Kursen in den letzten 3 Monaten zu bestehen und die E-Qualifikationsprüfung abzulegen. Trotzdem habe ich Kenntnisse im G-Test und möchte diese Gelegenheit nutzen, um sofort die E-Qualifikation zu erhalten. Ich werde in kurzer Zeit mein Bestes geben!

Recommended Posts

So studieren Sie den Deep Learning G-Test
Wie man für den Deep Learning Association G-Test (für Anfänger) lernt [Version 2020]
Wie man das Bukkit Plugin studiert
Einführung in Deep Learning ~ Lernregeln ~
Tiefe Stärkung des Lernens 1 Einführung in die Stärkung des Lernens
Einführung in Deep Learning ~ Backpropagation ~
[Django] So testen Sie Form [TDD]
Einführung in das tiefe Lernen ~ Funktionsnäherung ~
Tiefes Lernen, um ohne GPU zu beginnen
Einführung in Deep Learning ~ Codierungsvorbereitung ~
Einführung in Deep Learning ~ Dropout Edition ~
Einführung in Deep Learning ~ Forward Propagation ~
Studiere gründlich Deep Learning [DW Tag 0]
Einführung in Deep Learning ~ CNN Experiment ~
Sammeln von Daten zum maschinellen Lernen
Tiefes Lernen
Einführung in das maschinelle Lernen: Funktionsweise des Modells
scikit-learn Verwendung der Zusammenfassung (maschinelles Lernen)
Verbessertes Lernen, um von null bis tief zu lernen
Ich habe Python 3.5.1 installiert, um maschinelles Lernen zu studieren
Einführung in Deep Learning ~ Falten und Pooling ~
Verwendung von Google Test in C-Sprache
Wie man einen Taschentest mit Python macht
Bildausrichtung: von SIFT bis Deep Learning
Wie man Coursera / Maschinelles Lernen genießt (Woche 10)
So testen Sie auf einer von Django authentifizierten Seite
[Python] So testen Sie den Befehlszeilen-Parser-Klick
Deep Learning von Grund auf neu ① Kapitel 6 "Lerntechniken"
Studie aus Python Hour7: Verwendung von Klassen
Starten Sie Deep Learning
Python Deep Learning
Einführung in Deep Learning ~ Lokalisierungs- und Verlustfunktion ~
Deep Learning × Python
[Für Anfänger] Wie man Programmierung studiert Private Memo
So installieren Sie das Deep Learning Framework Tensorflow 1.0 in der Windows Anaconda-Umgebung
So führen Sie das Lernen mit SageMaker ohne Sitzungszeitlimit durch
[Deep Learning Association E-Qualifikation] Was tun, um zu erhalten?
Learning Deep Forest, ein neues Lerngerät, das mit DNN vergleichbar ist
Künstliche Intelligenz, maschinelles Lernen, tiefes Lernen zu implementieren und zu verstehen
Ich habe versucht, Dropout zu erklären
[TF] Speichern und Laden von Tensorflow-Trainingsparametern
Verwendung von xml.etree.ElementTree
Wie benutzt man Python-Shell
Erstes tiefes Lernen ~ Kampf ~
Hinweise zur Verwendung von tf.data
Verwendung von virtualenv
Schaben 2 Wie man kratzt
Verwendung von Image-Match
Wie man Shogun benutzt
So installieren Sie Python
Verwendung von Pandas 2
Python: Deep Learning-Praxis
Deep Learning / Aktivierungsfunktionen
Wie man PyPI liest
So installieren Sie pip
Verwendung von Virtualenv
[Deep Learning] Untersuchen Sie, wie jede Funktion des Faltungsnetzes verwendet wird [DW Tag 3]
Verwendung von numpy.vectorize
So aktualisieren Sie easy_install
So installieren Sie archlinux