深層学習教科書 ディープラーニング G検定（ジェネラリスト）公式テキスト 第2版（一般社団法人日本ディープラーニング協会 猪狩 宇司 今井 翔太 江間 有沙 岡田 陽介 工藤 郁子 巣籠 悠輔 瀬谷 啓介 徳田 有美子 中澤 敏明 藤本 敬介 松井 孝之 松尾 豊 松嶋 達也 山下 隆義）｜翔泳社の本
  1. ホーム >
  2. 書籍 >
  3. 深層学習教科書 ディープラーニング G検定（ジェネラリスト）公式テキスト 第2版

深層学習教科書 ディープラーニング G検定（ジェネラリスト）公式テキスト 第2版

監修
著
著
著
著
著
著
著
著
著
著
著
著
著
著

形式：
書籍
発売日：
ISBN：
9784798165943
定価：
3,080円（本体2,800円＋税10%）
仕様：
A5・404ページ
分類：
ベンダー資格
レーベル：
EXAMPRESS
シリーズ：
深層学習教科書

本書籍の他の形式を確認する

購入はこちら

  • このエントリーをはてなブックマークに追加

大好評！デジタル時代の必携リテラシー、G検定の「公式テキスト」の改訂版！

【本書の特徴】
・大ベストセラー、ディープラーニング G検定 公式テキストの改訂版。
・改訂された新シラバスに完全準拠。
・試験運営団体である「日本ディープラーニング協会」が監修。
・章末問題を大増量。分かりやすい解説付き。
・ディープラーニングに関する入門書としても最適。

【対象読者】
・ G検定を受験しようと思っている人
・ディープラーニングについて概要を学びたい人
・ディープラーニングを事業活用しようと思っている人 ・DX推進を検討している人

【G検定とは】
・内容：ディープラーニングを事業に活かすための知識を有しているかを検定する
・試験方式：知識問題（多肢選択式）、オンライン実施（自宅受験）
・日程：年3回（詳細は公式サイトにて公表）

【目次】
試験の概要
第1章 人工知能（AI）とは
第2章 人工知能をめぐる動向
第3章 人工知能分野の問題
第4章 機械学習の具体的手法
第5章 ディープラーニングの概要
第6章 ディープラーニングの手法
第7章 ディープラーニングの社会実装に向けて
Appendix　事例集 産業への応用


本書について

大ベストセラーとなったG検定公式テキストの改訂版！
ディープラーニングを事業に活かすための知識を測る検定（G検定）の試験の実施団体による書きおろしで、最新シラバスに完全に準拠。
検定対策のほか、最新の注目技術が学べるディープラーニングの入門書としても最適の１冊です。

改訂版が登場！
基礎から重要事項まで詳しく解説

基礎から重要事項まで詳しく解説

人工知能（AI）の基礎、「ディープラーニングとは何か」から、その手法、社会実装に向けての応用まで。

最新の活用事例も紹介

最新の活用事例も紹介

ディープラーニングの具体的な活用事例も併せて学習することができます。

豊富な章末問題

豊富な章末問題

章末についている豊富な問題を解き、詳しい解説を読むことで、検定試験対策ができます。

受験者の声

AIについての知識を学ぶ上で、よいきっかけとなる。AI作成に重要なのはプログラムスキルではなく、理論を理解していることなので、まず最初にこの資格勉強をするのは理にかなっていると思う。

G検定は会社の中でAI導入を検討する際に、どんなAIを検討するべきかとか、協力会社のAIデザインとの齟齬がないか、何かリスクが発生しないかを、何となく感じ取れる試験だと思う。

今後利用する機会が増えていくAIについて幅広く知識が習得できる。作る側、利用する側どちらの立場でもAIのメカニズムが理解する事が重要と感じた。

試験の方法や出題内容、合否の発表に至るまで細部に渡り計算されている素晴らしい試験だと思いました。これからもAIだけでなく他の分野においても主体的に学び続ける姿勢を持ち続けたいと思わせていただけるきっかけになりました。

第1章　人工知能（AI）とは
1-1.人工知能（AI）とは
1-2.人工知能研究の歴史

第2章　人工知能をめぐる動向
2-1.探索・推論
2-2.知識表現
2-3.機械学習・深層学習

第3章　人工知能分野の問題
3-1.人工知能分野の問題

第4章　機械学習の具体的手法
4-1.代表的な手法
4-2.モデルの評価

第5章　ディープラーニングの概要
5-1.ニューラルネットワークとディープラーニング
5-2.ディープラーニングのアプローチ
5-3.ディープラーニングを実現するには
5-4.活性化関数

第6章　ディープラーニングの手法
6-1.畳み込みニューラルネットワーク
6-2.深層生成モデル
6-3.画像認識分野での応用
6-4.音声処理と自然言語処理分野
6-5.深層強化学習
6-6.モデルの解釈性の問題とその対応

第7章　ディープラーニングの社会実装に向けて
7-1.AIと社会
7-2.AIプロジェクトを計画する
7-3.データを集める
7-4.データを加工・分析・学習させる
7-5.実装・運用・評価する
7-6.クライシス・マネジメントをする

Appendix　事例集 産業への応用
A-1.製造業領域における応用事例
A-2.モビリティ領域における応用事例
A-3.医療領域における応用事例
A-4.介護領域における応用事例
A-5.インフラ領域における応用事例
A-6.サービス・小売・物流領域における応用事例
A-7.農林水産業領域における応用事例
A-8.その他領域における応用事例

会員特典はこちら

書籍への問い合わせ

正誤表、追加情報をご確認の上、こちらよりお問い合わせください

書影の利用許諾について

本書籍に関する利用許諾申請はこちらになります

追加情報はありません。

ご購入いただいた書籍の種類を選択してください。

書籍の刷数を選択してください。

刷数は奥付（書籍の最終ページ）に記載されています。

現在表示されている正誤表の対象書籍

書籍の種類:

書籍の刷数:

本書に誤りまたは不十分な記述がありました。下記のとおり訂正し、お詫び申し上げます。

対象の書籍は正誤表がありません。

最終更新日:2021年12月02日
発生刷 ページ数 書籍改訂刷 電子書籍訂正 内容 登録日
1刷 007
CONTENTS　6-3の1		 2刷 未
誤 物体識別タスク
正 画像認識タスク 220ページの小見出しも同様に修正します。
2021.10.07
1刷 024
下から3行目		 未 未
誤 第1次ブームで主役だった推論や検索も、
正 第1次ブームで主役だった推論や探索も、
2021.12.02
1刷 048
ページ全体		 2刷 未
誤 p48_修正前
正 p48_修正後
備
考		 P48の内容に訂正があります。PDFをご参照ください。
2021.08.05
1刷 068
3行目		 未 未
誤 データ量少なくても学習できる機械学習が主流でした。
正 データ量が少なくても学習できる機械学習が主流でした。
2021.08.04
1刷 077
第2章　章末問題　問題5の選択肢3		 2刷 未
誤 Mini-Max法はαカット、βカットという枝刈りを行うことで探索効率を上げる方法である。
正 Mini-Max法はαカット、βカットという枝刈りを行うことで探索効率を上げることができる。
2021.10.15
1刷 078
問題5の解説1行目～4行目		 2刷 未
誤 探索木の枝を切り落とすことで探索効率を上げる方法をMini-Max法と呼びます。Mini-Max法では、スコアが大きいものが現れた時に行う枝刈りをαカットと呼び、スコアが小さいものが現れた時に行う枝刈りをβカットと呼びます。
正 Mini-Max法の探索木の枝を切り落とすことで探索効率をあげる方法をαβ法と呼びます。αβ法では、スコアが小さいものが現れた時に行う枝刈りをαカットと呼び、スコアがお大きいものが現れた時に行う枝刈りをβカットと呼びます。
2021.08.04
1刷 112
問題３　選択肢４		 2刷 未
誤 50年以内に質問者が5問質問した後
正 50年以内に質問者が5分間質問した後
2021.05.07
1刷 117
問題９　解説　3行目		 2刷 未
誤 2049年だと予想しています
正 2045年だと予想しています
2021.05.07
1刷 131
下から2行目		 2刷 未
誤 vector augoregressive mode
正 vector autoregressive model
2021.05.07
1刷 158
リード文		 2刷 未
誤 そしてなぜ今になってディープラーニングを実現するうえでの難しさは
正 そしてディープラーニングを実現するうえでの難しさは
2021.05.07
1刷 193
問題5　解説　2行目		 2刷 未
誤 自動符号化器は
正 自己符号化器は 同様に以下の箇所も修正します。 3行目 誤：変分自動符号化器では 正：変分自己符号化器では 194ページ　問題6　2行目 誤：自動符号化器によって 正：自己符号化器によって
2021.10.07
1刷 208
「6.データ拡張」5行目		 2刷 未
誤 （車、飛行機、机、椅子、ユリ、キノコ、イヌ、ネコなどなど）
正 （車、飛行機、机、椅子、ユリ、キノコ、イヌ、ネコなど）
2021.10.08
1刷 214
1行目		 未 未
誤 Residual Blockような塊にする工夫を導入したNASNetや、
正 Residual Blockのような塊にする工夫を導入したNASNetや、
2021.08.04
1刷 219
1行目		 未 未
誤 そこの畳み込みニューラルネットワークを採用したものを
正 そこに畳み込みニューラルネットワークを採用したものを
2021.08.04
1刷 220
1行目　5行目		 2刷 未
誤 1行目：画像識別タスクは、 5行目：識別タスクとして
正 どちらも、画像認識タスクに修正します。 以下の箇所にある「画像識別タスク」「識別タスク」も 「画像認識タスク」に修正します。 221ページ 下から2行目：人間が画像識別した場合、 222ページ 下から5.6行目 ディープラーニングが画像識別タスクで 画像識別タスクのように 225ページ 下から3行目：識別タスクを
2021.10.08
1刷 221
下から2行目		 2刷 未
誤 エラー率はおおよそ0.05です。
正 エラー率はおおよそ5%です。
2021.10.08
1刷 225
図6.17の名称		 2刷 未
誤 YOLO（セグメンテーションの種類）
正 セグメンテーションの種類
2021.10.08
1刷 228
図6.21の図と名称		 2刷 未
誤
（画像クリックで拡大）
正
（画像クリックで拡大）
2021.10.08
1刷 264
「■シミュレータの利用」1行目		 未 未
誤 強化学習を用いたロボットの制御方策を学習では、
正 強化学習を用いたロボットの制御方策の学習では、
2021.08.04
1刷 282
問題21　選択肢4 		未 未
誤 CBOW（Continuous Bag-og-Word)
正 CBOW（Continuous Bag-of-Word)
2021.09.10
1刷 296
「図7.7　縦軸の目盛り」上から2つ目　		 未 未
誤 20,000
正 200,000
2021.08.04
1刷 376
4.1 全自動お片付けロボットシステム		 2刷 未
誤 トヨタ自動車株式会社/株式会社Preferred Networks 取り組み事例 ・一般的な生活環境の中でロボットが自ら学習し、様々なタスクを遂行できるレベルのサービスロボット開発を目指す取り組み。
正 株式会社Preferred Networks 取り組み事例 ・一般的な生活環境の中でロボットが自ら学習し、様々なタスクを遂行できるレベルのサービスロボット開発を目指す取り組み。
2021.04.28
1刷 396
索引「か」の項目　2列目　上から5.6行目		 2刷 未
誤 画像データ‥‥‥‥‥202 活性化関数・‥‥‥‥129
正 画像データ‥‥‥‥‥202 画像認識タスク‥‥‥220 活性化関数・‥‥‥‥129
2021.10.08
1刷 397
索引「こ」の項目　11行目		 2刷 未
誤 誤差逆伝播学習法‥‥‥‥‥‥‥71,130,160 誤差逆伝播法‥‥‥‥‥‥‥･･･・‥‥‥205
正 誤差逆伝播法‥‥‥‥‥‥‥‥‥‥71,130,160,205
備
考		 「誤差逆伝播学習法」の項目は削除し、この項目に掲載しているページ数は全て「誤差逆伝播法」にまとめます。
2021.05.24
1刷 399
索引「ふ」の項目　13行目		 2刷 未
誤 物体識別タスク‥‥‥‥‥220
正 上記を削除します。
2021.10.08
1刷 399
索引　「ブルートフォース 」「プレイアウト」のページ数		 2刷 未
誤 ブルートフォース‥‥‥‥50 プレイアウト‥‥‥‥‥‥50
正 ブルートフォース‥‥‥‥51 プレイアウト‥‥‥‥‥‥50
2021.10.15

​