intellista

engineer's notes about application development, data analysis, and so on

【合格者談】G検定に一発で合格するまでの勉強方法、参考書、問題集のまとめ


G検定 2021#1 (2021/3/20受験) に合格しました。

(JDLA Deep Learning for GENERAL 2021#1)
これでようやく、機械学習やAIに関するスタートラインに立てた思いです。

合格までにやったこと(勉強方法、参考書、問題集)などまとめます。

なお、G検定の受験は今回が初めてですので、一発合格になります。
ですので、初めて挑戦される場合には特にご参考頂けると考えています。

やったこと

公式テキストと問題集2冊を1周+α

王道かもしれませんが、公式テキストを読み込み、有名な問題集を2冊やりました。
公式テキスト (通称「白本」) は1冊しか出ていないので1択です。
問題集はいくつかありますが、合格者のブログやAmazonのコメントを踏まえて、「黒本」と「赤本」を選びました。
それが終わったら、最新動向からの出題に対応するため、電子書籍の問題集 (Kindle本) を1冊やり終えました。

概要は次のとおりです。(詳細は後述します。)

No. 通称 種別 学習時期 学習回数
1 白本 テキスト 2019年4月~6月頃 1周半
2 黒本 問題集 2021年2月初旬~下旬 1周
3 赤本 問題集 2021年2月下旬~3月中旬 1周
4 (Kindle本) 問題集 2021年3月中旬~3/20(試験当日) 1周

感覚的には「白本」で40%、「黒本」で30%、「赤本」で20%、残りの方法で10%の知識を得られました。

Amazonのコメントについて

本を選ぶときに参考にしたひとつにAmazonのコメントがあります。
Amazonのコメントでは、受験者の意見のみ参考にしました。
Vine先取りプログラムメンバーのカスタマーレビュー」というレビューが最近目立ちますが、これは商品のサンプルをもらってレビューを書いている人たちです。コメント内容を見ればわかりますが、本の内容は褒めていますが、自身の受験については全く触れていません。資格本は受験した人の実体験が信用できると考えています。そのため、合否不明なコメントは参考にしませんでした。(とはいえ、合否も自己申告ではありますが・・・)

各書籍の進め方

それぞれの本をどう進めたのかを、ひとつずつ見ていきます。

白本 (公式テキスト)

「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」です。

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

通称「白本」です。私は初版2刷を使いました。
※私の受験後に新しい「第2版」が出版されたので、そちらの画像を貼っています。

私は初版を2019年初旬に購入し、通勤時など少しずつ通読しました。
黄色マーカを引きながら1周半ほど。
しかし、当時は半分ほどの理解にとどまり、少し興味を失って放置していました。
 
2021年に入り、引っ張りだしました。
再読するのではなく、後述の黒本、赤本の重要事項を、白本の該当箇所に補記(朱書き)しました。
また、表記ゆれや記述個所の散在が目立つので、訂正やページ参照を追記(これも朱書き)しました。
結果、書き込みのないページはほぼなく、3割くらいは真っ赤です。

大学受験の頃、東大生の勉強方法か何かの書籍に「ひとつの参考書を母艦に定める」という方法がありました。
上述のように、自分に合ったテキストを決めて、それに書き込みして自分用にしてしまう、という方法です。
自分には合う方法なので、今回もこの方法をとりました。

黒本 (問題集)

「徹底攻略 ディープラーニングG検定 ジェネラリスト問題集」です。

徹底攻略ディープラーニングG検定ジェネラリスト問題集 第2版 (徹底攻略シリーズ)

通称「黒本」です。初版7刷を使いました。
※私の受験後に新しい「第2版」が出版されたので、そちらの画像を貼っています。

個人的には、「黒本」の読破は必須だと思います。

1月末にG検定の受検を決めたとき、「白本」の復習から始めようとしました。
しかし1時間もせずに切り上げて、問題集「黒本」を注文しました。
「白本」は既に読了しているためか全く頭に入ってこないので、問題集から入る段階と判断したためです。

問題集は数冊ほど出ていますが、超定番かつどこでも高評価の「黒本」を1つ目の問題集に選びました。
2021/1/30に開始し2/20に完了。黄色マーカを引きながら1周。
「白本」に載っていない内容は「白本」の該当箇所に転記しました。

あとで時間があればもう1周、と考えていましたが、結果的には1周で十分でした。
上記の「転記」や、他の問題集で十分に記憶できたのだと思います。

私の場合、「黒本」で最初から正解できたのは3割くらいです。残りの7割は不正解またはあやふや正解です。
この7割を集中して理解しました。

「白本」で意味不明だった内容が「黒本」で理解できたものも結構ありました。
受験した印象では、「黒本」は内容が非常に濃く、超効率的です。

ただし、この「初版」は2019年当時の内容なので、2021年の受験を考えると内容が古いです。
問題集はどれも似たような発売時期だったので、オンラインなどで最新の出題内容を知る必要があると考えました。
試験では「白本」「黒本」でカバーできる内容に加えて、「AI白書」(推奨図書のひとつ)などにある最新動向についても出題されるためです。
最新の出題内容については、後述のKindle本やオンライン過去問などで対策しました。

とはいえ、土台となる知識を固めるためには、「黒本」はとても効果的でした。

赤本 (問題集)

「最短突破 ディープラーニングG検定(ジェネラリスト) 問題集」です。

最短突破 ディープラーニングG検定(ジェネラリスト) 問題集

通称「赤本」です。初版2刷を使いました。
個人的には、やってよかったと思いますが、少しクセがあり一部取捨(後述)が要りました。

3/20の試験まで2ヶ月ほどあったので、「黒本」の進捗次第ではもう1つ問題集をやろうと思っていました。
「黒本」が終わり、「解説が充実している」と評判の「赤本」を選びました。
届くまでの数日間あったので、後述のオンライン過去問を解いて過ごしました。

ちなみに、一気に書籍を買うと圧倒されそうだったので、「終わったら次!」という感じで、本は1冊ずつ買うことにしました。
そうすることで、2冊目に行くときも「やれやれ1冊目が終わったよ、次はこの本か」ではなく、「よし、1つめ終わり!次いくぞ!」という気持ちで進めました。
この辺の進め方は好みかもしれませんが、ご参考まで。

2/24に開始し、3/14頃に完了。黄色マーカを引きながら1周。
「白本」に載っていない内容は「白本」の該当箇所に転記しました。

「黒本」を1周したあとだと、問題形式にはだいぶ慣れてきていることを実感できました。
「赤本」のほうが若干あたらしい内容が含まれていました。

私の場合、「赤本」で最初から正解できたのは4割くらいです。
「黒本」をやってはいたものの、初見の内容も多く苦戦しました。

章末の用語集が秀逸で、切り取って「白本」と保管しています。

ここで、前述した「一部取捨」が必要だった件を補足します。
例えば、3章後半の数式問題やAlphaGoのアルゴリズムについて過剰に詳しい問題などは「E資格に備えたものでは?」と判断し、未読としました。
そのままG検定を受験しましたが、結果的には正解でした。ここまでの知識は不要でした。
また、前半でAIとは明らかに無関係な選択肢についてまで用語解説があったりしましたが、これも飛ばしてOKでした。
5章の強化学習については、ちょっと日本語が厳しい解説も散見されましたが、意味不明なら読み飛ばしました。

G検定 ~厳選問題集~ by yuki (Kindle形式, 問題集)

「G検定 ~厳選問題集~ by yuki」です。

G検定 ~厳選問題集~ by yuki

Amazon(Kindle)で販売される電子書籍です。
個人的には、この問題集は「超必須」です。
ただし、最低限「白本」「黒本」をやった後でないと、解説の意味がわからなかったと思います。
「白本」「黒本」の後に解けば、「超高効率に総ざらい+超最新動向への対応」が可能です。

3月中旬~3/20試験当日の午前中まで、最後の約1週間で仕上げに1周しました。
これは本当にやっておいてよかったです。
似たような問題がいくつか出ました。
特に、試験では計算問題が3問くらい出ましたが、まさにそっくりな聞かれ方をしたので感謝しました。

「白本」「黒本」「赤本」にもない最新動向もしっかり補完できました。

ただし、特徴マップまわりの回答が誤っているように見えました。(すぐわかるので問題なかったですが・・・)

なお、500円とリーズナブルですが、Kindleのキャンペーンで「2か月99円読み放題」だったので、この本を買うために申し込みました。

番外編: AIStudy (オンライン過去問集)

「G検定 模擬テストと公式例題解説」です。
study-ai.com
個人的には、あくまで時間があれば慣れるために、という感じです。

有名な過去問サイトです。
公式サイトからもリンクされているので、お墨付きなのかもしれません。
それで安心して取りかかったのですが「おやっ?」と思われる箇所が目立ち、50問くらいで中断しました。
「白本」「黒本」をひととおり完了したあとだったので、いろいろ気づけたと思います。
それが確認できた、という意味合いはありました。

番外編: 推薦図書

数ある推薦図書のひとつ「人工知能は人間を超えるか ディープラーニングの先にあるもの」です。

人工知能は人間を超えるか ディープラーニングの先にあるもの

現在日本の第一人者と言われている松尾豊氏の本で、同氏はG検定の公式テキストである「白本」の監修者でもあります。
この本は、G検定向けとしては「白本」でカバーできる(というか白本の前半と内容がほぼ同じです)ので、試験向けには不要だと思います。(あくまで「試験向け」としては、です。)
私は運良く近くの図書館で借りられたので、全体を流し読みしました。もちろん「白本」には記載のない内容もありますので、読み物としては面白かったです。

数学の対策について

G検定では、次の分野の初歩中の初歩的な知識が必要でした。

具体的には、次のような目安です。

  • 線形代数
    1行3列と3行1列の行列の積を計算できればOK
  • 微分積分
    偏微分できればOK
  • 確率・統計
    P(B|A) = P(A|B)P(B)/P(A)といった記法の意味がわかればOK

「白本」(G検定の公式テキスト)には、数学に関する説明はありません。
「黒本」や「赤本」では、いくつか説明はありましたが、割とあっさりしています。
なので、他の方法で理解して置くのが無難だと思います。

ガッツリとした数学の参考書は不要だと思います。
私は、既に持っていた「Pythonによるあたらしいデータ分析の教科書」という本に、このあたりのやり方が概ね載っていたので、おさらいしました。
ちなみにこの本は、一般社団法人Pythonエンジニア育成推進協会が主催する「Python 3 エンジニア認定データ分析試験」の公式教材です。

Pythonによるあたらしいデータ分析の教科書

私は幸運にも大学が情報系だったので、おさらい程度でちょうど良かったのかもしないです。
もし、似たような経歴であれば、ご参考頂ければと思います。

なお、この本は実務でも役に立っています。
Numpy, pandas, Matplotlib, scikit-learnといったデータ分析には基本かつ必須のライブラリについて、ゼロからある程度体系的に概要を把握できました。

やっておけばよかったこと

やれなかったことはないのですが、「早めに」やっておけばよかったことが1つあるので、挙げます。
それは「正誤表」のチェックです。

正誤表のチェック

これは必須かつ最初にやるべきことです。
私はすっかり失念しており、かなり後半にやりました。
そのため、正誤表の訂正対象の箇所のほとんどは、既に複数の書籍で学んだ結果から朱書きで訂正している箇所でした。
もっと早く、できれば最初にやっておけば間違えて覚えてから訂正する、ということはなかったと思います。

白本

https://www.shoeisha.co.jp/book/detail/9784798159737
私の初版2刷では致命的な誤りが2箇所あって、「黒本」をやるまで完全に間違えて覚えていました。
正誤表の確認は重要です。
書店で最新版をみたら訂正されていました。

やらなかったこと

AI白書

数ある推薦図書のひとつ「AI白書」です。

AI白書 2020

多くの合格者のブログで、試験向けにはやっていませんでした。
私ももし時間があればくらいに考えて、結局やりませんでしたが、問題なかったです。

その他の所感

37.7秒/問と、時間との闘い

今回受験した「2021 #1」は、191問でした。
2時間の試験時間なので、37.7秒/問となります。

例年200問程度(36秒/問)と聞いていたので「30秒で1問」くらいの気合いでした。
受験した感想としては、やはり時間との闘いです。
他のサイトにもあるとおり、わからなければ「暫定の選択肢」を選んだうえでチェックをつけ、後でまとめて見直す、としました。

  • わかるものは瞬殺して次へ
  • 不安なものは「暫定の選択肢」を選んだうえでチェックをつけ次へ
  • 検索すればわかりそうなものは検索する
    • わかったら答えて次へ
    • 20秒たってもわからなければ「暫定の選択肢」を選んだうえでチェックをつけ次へ
  • 最後に「問題一覧」を表示して、チェックをつけた問題を順に確認する

私の場合、最後の確認は残り5分ほどになってしまい、20個ほどチェックをつけたうち5個くらいしか確認できませんでした。
なお、検索した問題は7~8問くらいでした。

格通知はエイプリルフールに

受験日は2021/3/20で、合格通知は3/31~4/2の間にメール通知される、とのことでした。
4/1の13:00ちょうどに、通知のメールが来ました。
開封すると「合格」と記されており、ホッとしました。

よく考えると4/1なのでドッキリの可能性も...と、そんなことはないですよね...
合格証が送られてくるのはさらに2週間後以降とのことです。

2021年4月20日 追記:
無事に合格証が届きました。メールに合格証のPDFが添付されてきます。

合格率は6割前後ですが油断は禁物

合格率は概ね6割前後で、今回は63%くらいです。
他の資格試験に比べるとかなり高い合格率ですが、割と難しい印象でした。
情報系出身でアプリ開発の仕事をしていますが、G検定のテキストを読んでも最初はわからないことだらけでした。
そのため腰を据え、きちんと勉強する必要がありました。

私には理解すべきことが多かったので油断せず取り組めました。
最初に、テキストや問題集、過去問サイトなどで「どのような知識が必要か」を確認すると安心だと思います。

受けてよかったこと

G検定向けの勉強を通じて、ディープラーニングやAIの知識を広く体系立てて把握できました。
最近はデータ分析の仕事にも関わっており、実務にも役立っています。

まとめ

長文お付き合い頂きありがとうございます。まとめます。

  • 「白本」「黒本」+問題集をやるべき
  • その上で「G検定 ~厳選問題集~ by yuki」での最終確認は本当によかった
  • 書籍の正誤表チェックは最初にやってください

合格をお祈りします!

2021年11月16日 追記
合格者にデジタルバッジが発行されるようになりました。取得方法を次の記事でご紹介しています。
intellista.hatenablog.com


資格試験は、体系的に学習できたりキャリアアップに役立つというメリットや、自身のスキルの証明にも使えます。
次の記事では、G検定のほかにも、IT系の資格試験に合格した勉強方法のコツをご紹介する記事をまとめています。
是非、チェックしてみてください!
intellista.hatenablog.com


なお、本記事では書籍やWebサイトの活用を中心にご紹介していますが、「オンライン講座」という選択肢も有効だと思います。
オンライン講座は色や動きもあって視覚的、直感的に優れますし、スマホでで隙間時間にいつでもどこでも勉強できるメリットがあります。
下記の資格スクエアは、「IT×脳科学」をフル活用したオンライン資格講座です。
下記のリンクから無料で会員登録できますので、こちらも是非ご検討ください。


FY2020 振り返り

f:id:parupuntist:20210331224326p:plain
今年度の自分について振り返りました。

できたこと、できなかったこと、ありました。
後者は継続したいので、やり方や目標値など見直して取り組む予定です。

新しいことにもいくつか取り組めたのがよかったです。
環境やライフステージなどの変化により、いろいろ整理できたことも大きかったと思います。

来年度も、新たな取り組みをいくつか追加しつつ、引き続きチャレンジしようと思います。

Power Automate Desktop の勉強会

f:id:parupuntist:20210523160807p:plain
Power Automate Desktop のオンライン勉強会がとても有意義でした。
メモしておきます。
www.youtube.com

勉強会のなかで次の解説動画も紹介されていました。
英語ですが、日本語字幕があります。
www.youtube.com

Youtube LIveはリアルタイムでコメントできる良さもありがながら、後で見られるところも良いですね。
子育てや家事などの事情で、遅れたり早く切り上げる必要があっても、後できちんと見て各自補完できるところがとてもいいです。

Power Automate Desktop を触ってみた記事は下記です。

2画面で快適効率化!良い点3つ!「開発+検索」「オンライン会議」「ハンズオン」


プライベート&在宅勤務の2ndディスプレイとして、モバイルディスプレイを買いました。
「I-O DATA」の15.6インチ モバイルディスプレイ「EX-LDC161DBM」です。

I-O DATA モバイルモニター EX-LDC161DBM (15.6インチ, ADSパネル, PS4/Xbox/Switch/PC対応)

2万円くらいでした。
非常に快適で、もっと早く買っていればと思いました。

モバイルディスプレイは取り回しが良い!

HDMIケーブル接続1本でパソコンとつなげられます。
電源もパソコン本体のUSBから給電できますので、計2本のケーブルでパソコンとつないで使っています。
短いケーブルならかなりシンプルになります。

在宅勤務中は社用のパソコンに、それ以外は私用のパソコンに、と簡単に付け替えています。
据え置きのパソコンを家族が使っているときは、モバイルモニタとノートPCを持って移動する、という取り回しのよさを活かせる点も気に入っています。

2画面の良さとは?

メイン画面(パソコン)とサブ画面(モバイルディスプレイ)の2画面あると、「同時に」(相互に行き来する)作業の効率が鬼速になります。
例えば、次のような作業が効率化します。

1.「メイン作業+補助作業」

メインの作業とそれを補助する作業を高速に行き来することで、作業が鬼速化します。
例えば、「開発+検索」のように、メイン画面でプログラムを書きながらサブ画面で調査(検索やAPIドキュメントの確認など)するケースです。

2.「オンライン会議+検索や議事録」

一方の画面でZoomやTeamsなど表示しながら、もう一方の画面で議事やメモを取ったり気になる点を検索したりできます。

3.「オンライン・ハンズオンの視聴+演習」

一方の画面でハンズオンの先生の画面を表示しながら、もう一方の画面で自分の演習ができます。

1つの画面だと辛い...

これらを1つの画面でやろうとすると、かなり辛いです。
特に会議やハンズオンなど動画系のものはリアルタイムに進むので、1画面で切替しながらでは非常にストレスです。

2つの画面なら、同時並行できて快適

2画面なら切り替えもいらず、かつ片方を見ながらもう片方ができるので、非常に効率的です。
他、同時の必要はないけれど、「メイン画面でメインの作業をしながら、サブ画面にメーラやスケジューラを表示しておく」「リモートデスクトップ(開発環境)とローカルデスクトップ(事務環境)を2画面で表示する」といった使い方も効率が良かったです。

まとめ

メイン画面(パソコン)とサブ画面(モバイルディスプレイ)の2画面あると、「同時に」(相互に行き来する)作業が効率化します。
特に、

  • 「メイン作業+補助作業」
  • 「オンライン会議+検索や議事録」
  • 「オンライン・ハンズオンの視聴+演習」

といった2つの作業がストレスなく進められます。

後記

5年ほど前は会社で「ノートPC+据え置きモニタ」で鬼速快適なことがありました。
その後は1画面で仕事をしていましたが、体感的な効率ダウンはかなりのストレスでした。
ようやくまた2画面に戻れたといった感じです。

アプリケーション開発におけるフロントエンド技術の勉強会「Front-End Study」


Front-End Study という勉強会を聴講しました。
www.youtube.com

アプリケーション開発におけるフロントエンド技術に関する勉強会です。
個人的には、基調講演の2020年代のフロントエンド技術(React推し)が、色々総括されていて面白かったです。

Youtube Liveでの配信は、仕事や家庭の事情で少し間に合わなかったとしても、後からその部分を再生できるので、本当に助かります。

ちなみに前回(2021年2月26日)も聴講しました。
こちらも貼っておきます。
モックアプリをつくるツールを使ってのプレゼンや、デザイン批評に関する内容が良かったです。 
www.youtube.com

Tabulator


JavaScriptベースでフロントエンドを担当しているエンジニアの方には、是非検討してもらいたいライブラリがあります。
表を簡単、かつ柔軟に導入できるライブラリ「Tabulator」です。
tabulator.info

APIドキュメントも充実しており、サクサク入れ込めました。
tristate(昇順→降順→なし)、や複数行のヘッダにも対応している点も、要求を満たせて助かりました。

数年前はjQueryベースでしたがそれもなくなり、単体で強力に使える印象です。
Vue.js、Vuetifyと組み合わせて活用していました。