試験概要
AIエンジニアとして実践的な知識があることの指標となる資格。概ね毎年2月と8月に試験が実施されています。
E資格体験講座を受講中
トーマさんのアドバイス
E資格試験を受験するには
協会認定の講座を修了する必要あり
E資格体験講座を受講中
トーマさんのアドバイス
私が受けたプログラムも日本ディープラーニング協会認定のものでしたが、独自の「演習課題」を準備してくれていました。私の場合はこの課題こそがE資格試験合格につながる実演演習になっていたなと思います。不安がある人は勉強の期間を長めにとっておいた方が良いので、いつでも場所や時間を選ばずに受講開始できるオンライン講座がオススメです。
協会認定の講座は自分に合ったものを選びたい
JDLA認定講座はさまざまな事業者が開催していますので、資格取得を目指している人はその中の1つを選んで受講することになります。費用や受講期間、オンライン対応など、各社サービス内容が異なりますので、自分にとって何を重要視するのかという部分をある程度見極めて比較することをおすすめします。
現役AIエンジニア5名が講座をレビュー
現役のAIエンジニア5名が、JDLA認定講座を受講し、レビュー。
良かった点も悪かった点も合わせてどんな人におすすめかを紹介しています。
今回受講した講座は、著名な講師による監修を受け、質の高い講座提供を行っている「zero to one」の講座を受講しています。
試験概要
ディープラーニングおよび機械学習における総合的な知識と動向を学ぶ指標となる検定。技術者だけでなく営業、マーケ職など幅広い職種の人が受験しています。
公式テキストを
利用した人の評判
公式テキストだけでは
検定合格できない！？
公式テキストを
利用した人の評判
G検定を開催している日本ディープラーニング協会では公式テキスト(通称白本)があるのですが、これだけを読めばG検定に合格できるわけではなく、テキストに書かれていないことも出てきます。あとは何より練習問題。合格を目指すのであればこれがあることがかなり重要かと思いますが、この本の練習問題は多くないので、もっと多くの練習問題に触れる機会が必要です。読みやすくまとまっていて、初学者がAIを理解する点では優れた本だと思うのですが…。
確実に合格を狙うなら講座を利用するべき
G検定の合格に向けては参考書やテキストなどを活用して独学で勉強することもできますが、企業が実施する対策講座を利用した方が知識の習得や理解が早まることがあります。
対策講座であれば、対面でもオンラインでもG検定の合格に向けたコンテンツが詰まっているので、それだけ効率的に対策を進められます。さまざまな企業や団体が対策講座を開催しているので、自分に合った講座を選んでみると良いでしょう。
人工知能の発展が目覚ましい昨今では、AIやディープラーニング、機械学習などに関する資格が増えてきています。ここでは、E検定やG検定の他にチェックしておきたい資格をご紹介します。
ディープラーニングに関する実装能力と知識を客観的に測れる検定試験。「AIを100万人が学ぶこと」を目的として設立されており、義務教育を受けている人であれば誰でも受験が可能です。
試験内容は、AIの中でもディープラーニング、さらに画像分類の実装スキルに焦点を当てていることが特徴。ディープラーニングの実装に必要な「数学の知識」「プログラミングの知識」「基礎理論の理解」について問われます。A級・B級・S級の3つのレベルがあり、「ディープラーニング実装師」の資格を取得できます（B級は2021年2月より試験開始）。
| 受験料 | A級：3,500円／B級：2,000円／S級：5,000円 ※税込 |
|---|---|
| 受験時間 | A級・S級：60分／B級：40分 |
| 問題数 | A級：小問60題／B級：小問30題／S級：小問50題 |
| 出題形式 | 全て多肢選択式 |
| 試験方式 | 全てオンライン（自宅受験） |
▪️A級 出題範囲
| AI（20題） | ニューラルネットワークの基礎的な構造の理解 （主要モデルや自然言語処理など） |
|---|---|
| プログラミング（20題） | Pythonと、数値計算をするための各種ライブラリの実装知識 入力層と出力層／Weight／順伝播の計算／行列の掛け算／バイアス項の導入／sigmoid関数 など |
| 数学（20題） | 集合と確率／数列と行列／関数と微分 |
| 出題形式 | 全て多肢選択式 |
▪️S級 出題範囲
| ディープラーニング （20問） |
【基本的な手法】 seq2seq／Transformer／HRED／Word2Vec (Skip-gram) 【モデル】 VGG16／VGG19／GoogLeNet-v1／ResNet-50, 101, 152, 18, 34／ResNeXt-50,101 など（主要モデルや自然言語処理など） |
|---|---|
| 画像処理 （30問） |
初歩的な画像処理の実装力を問う （「画像処理100本ノック」1-100問よりPythonによる実装を出題） |
ITパスポートは、2009年に開始した国家試験。ITに関する基礎的な知識が身についていることを証明できます。
試験では、AIやビッグデータ、IoTといった新しい技術や、アジャイルなどの新しい手法の概要に加え、経営全般の知識、IT知識、プロジェクトマネジメントなど、非常に幅広い分野に関する総合的な知識を問われます。
ITパスポートを取得することにより、「ITを正しく理解し、ITを活用できるIT力が身につく」というメリットがあります。
出題範囲は「ストラテジ系（経営全般）」「マネジメント系（IT管理）」「テクノロジ系（IT技術）の3つの分野に分けられます。
| 受験料 | 5,700円 ※税込 |
|---|---|
| 受験時間 | 120分 |
| 問題数 | 小問100問 （ストラテジ系（経営全般）：35問程度／マネジメント系（IT管理）：20問程度／テクノロジ系（IT技術）：45問程度） |
| 出題形式 | 四肢択一式 |
| 試験方式 | CBT方式 |
▪️ストラテジ系 出題範囲
経営全般に関する内容を問われます。具体的には「企業と法務（企業活動・法務）」「経営戦略（経営戦略や技術戦略のマネジメント・ビジネスインダストリ）」「システム戦略（システム戦略・システム規格）」。35問程度の出題となります。
▪️マネジメント系 出題範囲
IT管理に関する内容を問われます。具体的な内容は「開発技術（システム開発技術・ソフトウェア開発管理技術）」「プロジェクトマネジメント」「「サービスマネジメント（サービスマネジメント・システム監査）」20問程度の出題です。
▪️テクノロジ系 出題範囲
IT技術に関する内容を問われます。具体的な内容は「基礎理論（基礎理論・アルゴリズムとプログラミング）」「コンピュータシステム（ソフトウェア・ハードウェアなど）」「技術要素（ヒューマンインタフェース・マルチメディアなど）」。45問程度の出題です。
ITエンジニアの登竜門ともいわれる試験。合格することにより情報処理を取り扱う技術者としての知識や技能が一定以上の水準に達している、と認定される国家試験です。
試験では、特定の機種や製品などに依存しない出題を行っている点が特徴。そのため、ITの技術に関する知識を幅広く習得できることから、ITに携わっている全ての人が活用できる試験といえます。
基本情報技術者試験は午前試験と午後試験に分かれているため、それぞれの試験に対する対策が必要です。
| 受験料 | 5,700円 ※税込 |
|---|---|
| 受験時間 | 午前：150分／午後：150分 |
| 問題数 | 午前：出題数80問（解答数80問）／午後：出題数11問（解答数5問） |
| 出題形式 | 午前：多肢選択式（四肢択一）／午後：多肢選択式 |
| 試験方式 | 午前・午後ともにオフライン形式 |
基本情報技術者の上位に位置付けられ、より実務知識を問われる試験。こちらも経済産業省が認定する国家資格です。同試験の合格率は20％程度となっていますので、難易度は高い試験であるといえるでしょう。
試験の対象は「高度IT人材となるために必要な応用的知識・技能をもち、高度IT人材としての方向性を確立した者」とされており、ITエンジニアとしてワンランク上の技術と知識・応用力を身につけることができます。
情報参照元：IPA公式HP(https://www.ipa.go.jp/about/press/20220624.html)
| 受験料 | 5,700円 ※税込 |
|---|---|
| 受験時間 | 午前：150分／午後：150分 |
| 問題数 | 午前：出題数80問（解答数80問）／午後：出題数11問（解答数5問） |
| 出題形式 | 午前：多肢選択式（四肢択一）／午後：多肢選択式 |
| 試験方式 | 午前・午後ともにオフライン形式 |
情報処理推進機構が運営する国家試験であり、データベースに関するプロフェッショナルであることを証明できます。データベース全般に関する高い知識・技術を問われることから、情報処理技術者試験の中でも難易度が高い試験の一つ。
午前中の試験は「テクノロジ系」「マネジメント系」「ストラテジ系」の内容、午後は「データベースシステムの企画・運用定義・開発・運用・保守」「データベース技術」に関する内容が問われます。
| 受験料 | 5,700円 ※税込 |
|---|---|
| 受験時間 | 午前Ⅰ：50分／午前Ⅱ：40分 午後Ⅰ：90分／午後Ⅱ：120分 |
| 問題数 | 午前Ⅰ：出題数30問（解答数30問） 午前Ⅱ：出題数25問（解答数25問） 午後Ⅰ：出題数3問（解答数2問） 午後Ⅱ：出題数2問（解答数1問） |
| 出題形式 | 午前Ⅰ・午前Ⅱ：多肢選択式（四肢択一） 午後Ⅰ・午後Ⅱ：記述式 |
| 試験方式 | オフライン方式 |
一般財団法人 統計質保証推進協会が実施している、統計に関する知識や活用力を評価する試験です。試験は1級・準1級・2級・3級・4級・統計調査士・専門統計調査士・統計検定データサイエンス基礎の8つに分かれています。受験資格はなく、自分のレベルに合わせた受験が可能です。
この試験は、統計の理論を学びたいと考えている方に向いているといえるでしょう。AI・ディープラーニングに必須ともいえる統計の知識を身につけることが可能です。
| 受験料 | 6,000〜10,000円（税込） |
|---|---|
| 受験時間 | 60〜120分 |
| 問題数 | 30問程度 |
| 出題形式 | 試験により異なる |
| 試験方式 | オフライン、CBT方式 |
エンジニアやプログラマや開発・研究者などを想定した検定。画像処理に関する基礎的な知識を測る「ベーシック」と専門知識の理解に加え、その知識を応用するための能力を測る「エキスパート」の2つに分かれています。
出題分野は基礎から画像信号処理、パターン認識・計測、メディア処理・符号化、画像処理システム、知的財産権などを対象としており、幅広い分野に関するソフトウェアやシステム、製品等の開発に必要な知識を測る内容となっています。
| 受験料 | ベーシック：5,600円／エキスパート：6,700円 ※税込 |
|---|---|
| 受験時間 | ベーシック：60分／エキスパート：150分 |
| 問題数 | 10問 |
| 出題形式 | マークシート形式 |
| 試験方式 | オフライン |
一般社団法人Pythonエンジニア育成推進協会が運営している、Pythonに関する試験です。試験では、Pythonの基礎からデータ分析の実装まで幅広い内容が問われるため、Pythonを用いたデータ分析を行う場合に必要とされる基本的な知識の確認ができる。
同試験はインターネット上で模擬試験の受験が可能となっています。
| 受験料 | 大人：10,000円／学割：5,000円 |
|---|---|
| 受験時間 | 60分 |
| 問題数 | 40問 |
| 出題形式 | 4択問題 |
| 試験方式 | CBT方式 |
AWS（Amazon Web Services）に関する知識やスキルを測るための試験である「AWS認定試験」のひとつ。AWS 機械学習専門認定資格は、開発やデータサイエンスに関わる業務に携わっている人を対象としており、AWSのデータベースを一般的な機械学習のスキルをAWS上で利用できるかを問う試験内容となっています。
具体的な試験内容は、データエンジニアリング・探索的データ解析・モデリング・機械学習の実装と運用。公式HPには試験の例題が掲載されています。
| 受験料 | 33,000 円（税込）／模擬試験 4,400 円（税込） |
|---|---|
| 受験時間 | 180分 |
| 問題数 | HPに記載なし |
| 出題形式 | 複数の選択肢と複数の答えがある問題 |
| 試験方式 | テストセンターまたはオンラインプロクター試験 |
ディープラーニングとは、人工知能(AI)を支える技術である機械学習のうちの一つの技術です。AIそのものの概念は1950年代からありましたが、ディープラーニングは2010年代より研究が進んだ新しい技術です。
ディープラーニングは機械学習における革新的な性能向上をもたらしています。
例えば「画像認識」においては、従来型の機械学習技術でも少しずつ性能が向上していましたが、2012年にディープラーニングの手法が登場してからは、画像認識の性能が一気に向上しました。その後も性能向上が続き、人間の平均的な画像認識精度を2015年に超えたことが話題となりました。（ヒトが5%程度間違える画像認識問題を、3.57%程度で認識できるようになった[※1]）。
[※1]Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun: Deep Residual Learning for Image Recognition, in arXiv: 1512.03385, 2015.
https://arxiv.org/abs/1512.03385
また、2015年に囲碁のプロ棋士にディープラーニングを用いた「Alpha Go」が勝利したことも話題となりました。オセロやチェスにおいては機械学習を用いてプロを下すこともありましたが、囲碁でAIがプロに勝つには10年先と言われていました。しかし盤面(局面)を画像として認識するディープラーニングを用いたことで、トッププロに勝利しました。
「色の認識」を例にとると、従来型の機械学習では人間が定義した「色情報」を元に、色の識別・学習をおこなうことで色を認識していました。
一方、ディープラーニングは与えられた大量のデータセットから、自動的にどの色がどういった特徴を持っているかを自ら抽出することが可能です。
つまり人が定義付けた情報がなくとも、どんな特徴を利用すれば情報の識別ができるのかを、自ら見つけ出して学習することができるといった点に、大きな違いがあるのです。
そのため、これまで人間の力では識別できなかった特徴を抽出できることになり、画像認識や音声認識の分野で幅広く活用されるようになりました。
現在のAIブームは1950年代から3回目のブームと言われています。このAIブームをけん引しているのは、ディープラーニングの技術といっても過言ではなく、人工知能に関するキーワードとして「ビッグデータ」が注目されているのも、ディープラーニングの技術における精度向上のためには多量のデータを持つことがカギとなるためです。
AIと聞いて一般的にイメージされるのは、人間の脳のような動きを機械が表現することのように思います。まさにディープラーニングは脳の神経細胞「ニューロン」をシミュレーションする技術です。赤ちゃんにいろいろな絵や写真を見せて学習させることは、ディープラーニングの「画像認識」そのものとなります。
ディープラーニングは脳の機能を機械再現する「ニューラルネットワーク」を用いた技術です。
脳のニューロンは他のニューロンとつながり、電気信号を伝える、または伝えないことで事象を認識します。ディープラーニングでは「入力」と「出力」の間に3層以上の中間層を持つニューラルネットワークが設計され、入ってきた情報に対して重み付けをして値を出すことを繰り返します。中間層の数は1000層、ニューロンの数は数千万個になることもあり、これの処理(乗加算)は多量になるのですが、GPUの登場によって高速に計算できるようになりました。
ディープラーニング技術を用いることで、技術開発のフローや必要とされる要素も変わっていきます。
従来の技術開発では仕様策定から機能ブロックに分解して設計をしプログラムにより各モジュールを実装、調整という流れでしたが、ディープラーニング技術においては、ニューラルネットワークを用意してデータを収集すれば学習をさせることで機能開発ができます。
従来の技術開発ではプログラム量が機能の複雑さに比例するのに対し、ディープラーニングではデータ量が実現できる機能に左右されるようになります。
このようにEnd-to-End開発といえるディープラーニングの技術は、汎用性の高い技術で、アイデア次第で様々な課題解決につなげることができます。
例えば音声を入力し、文字を出力すれば音声認識が可能となります。質問を入力し、求められている回答を出力とすればチャットボットの機能も。また、運動の習熟と画像認識を組み合わせれば、実を見分けて収穫するような機能をロボットに持たせることも可能です。「入力」と「出力」があれば、このようにさまざまな分野に応用できる可能性に満ちた技術なのです。
ディープラーニングの活用例としては、画像認識を挙げることができます。画像認識とは、映し出された物体や人の顔などを認識する技術のことです。人間が書いた文字を認識することも可能です。画像認識を使えば顔認証システムなどに活用することが可能で、セキュリティ強化などにも役立てられます。
音声認識では、人間の声をコンピューターに認識させることができます。例えば、スマートフォンに話し掛けるだけで応答するのも、音声認識の技術を活用しています。その他、コールセンターなどでの顧客対応にも活用可能であり、コンピューターが人間の代わりに指示や案内を行ってくれます。
自然言語処理とは、人間が書いた文字や話した音などをもとに意味の通る形でコンピューターが処理することを言います。自然言語処理を活用すれば、翻訳や文字変換といった技術に応用することができます。また、対話システムの構築も可能であり、スマートスピーカーやSiriといったアシストサービスにも自然言語処理の技術が活用されています。
レコメンデーションとは、その人に合った情報を提供することを言います。例えば、ECサイトなどで商品を閲覧している際に、おすすめの商品が提示されることがあります。これがレコメンデーションの技術であり、過去の購買履歴や閲覧履歴、SNSに投稿された情報などを参考に、その人に最も合っていると思われる情報を提供する仕組みです。
松尾氏は1997年 東京大学工学部電子情報工学科卒業後、スタンフォード大学客員研究員を経て、東京大学大学院工学系研究科准教授を務めました。2019年からは東京大学大学院工学系研究科の教授として活躍しています。人工知能やディープラーニングに精通した人物として知られており、日本ディープラーニング協会では理事長を務めています。ビッグデータ分析などにも精通しており、複数企業の取締役等も兼任しています。
巣籠悠輔氏はGunosy、READYFORの創業メンバーとしてエンジニアリングやデザインを担当するなど、インターネット分野における高い技術力を発揮してきた人物です。
人工知能を使った医療情報の分析やオンライン診療サービスを行う会社を創業するなど、AIを活用した事業を具現化する人物の1人としても注目を集めています。
2019年12月、「コミュニケーションとテクノロジー」をテーマにした「Communication Tech CONFERENCE 2019」が開催されました。
登壇した東京大学大学院工学系研究科教授の松尾豊氏によると、かなり近い将来AIは本当の意味で言葉を理解するようになるとのこと。「深層生成モデル」というディープラーニングの高次元な生成モデルが進化することで、言葉の意味処理がどんどん可能になってきているということです。
ソフトバンクグループは2019年6月、東京大学大学院工学系研究科教授の松尾豊氏を取締役に迎えました。
松尾氏はディープラーニングとWeb工学を専門とし、学習研究に熱心なかたわら産業界との橋渡し役としても積極的に活動しています。資金力が大きく先進的な投資を積極的に行う企業が、このような動きを取ったことで、日本におけるディープラーニング分野の進化と技術や人材に対する需要の高まりがさらに予想されます。
AI関連事業を行うAVILENの吉田拓真氏が、世界最弱のオセロを開発しました。人気Youtuberの「はじめしゃちょー」がこのAIと対戦する動画で話題になりました。
「わざと負けようとするオセロ」はいくつか開発されており、ここでは「石を少なく取るために最善の1手を取るAI」になっているのだそう。発表直後から有段者に動きを研究されて、最弱ながら「そこそこ勝たせられている」と、「アルファ碁」とはまた異なる人間vsAIの構図で盛り上がりを見せており、開発者としてこのような動きに興奮しているのだそうです。
山形大学がペルーのナスカの地上絵を新たに143枚発見しました。そのうちの1枚がAI技術による発見であったと発表されています。
IBMのディープラーニングプラットフォーム「IBM Watson Machine Learning Community Edition」でAIモデルを開発し、いくつかの候補が提示されたことで今回の発見にいたりました。今後も、過去10年に及ぶデータをAIで分析しながら新たな発見を目指すようです。
DeNAと人工知能開発のプリファード・ネットワークスが共同設立した「PFDeNA」は、少量の血液で癌の早期発見ができる研究を進めています。
癌には「ExRNA」という血液中の物質が大いに関係しており、この種類や量を分析することで14種類もの癌の早期発見が期待できます。ディープラーニングでそれぞれのパターンを深層学習することにより、癌の有無の判定ができるようになるとのことです。
次のページでは、自社でAI人材を育成したい企業に向けて人研修を行っているおすすめ事業者の紹介と、詳細について解説しています。またG資格などの資格取得ができる業者も含め16社紹介しているため、学習期間や金額など参考にしてください。
AIやディープラーニングといった分野では、まだまだ成長性が見込まれています。新しい技術でもあり、今後もますます開発競争が加速していくと予想されています。
そんな中で、GMOインターネット株式会社とディープラーニング開発企業(AVILEN)が協業を開始したように、ディープラーニングの開発企業と提携して協業しようとする企業も増えてきています。今後の協業状況からも目が離せません。
E資格（エンジニア資格）はディープラーニングの実装技術に関するAI資格であり、一般社団法人日本ディープラーニング協会(JDLA)が認定しています。ここではE資格の対策方法について様々な観点からまとめました。
東北大学・東北大学大学院で教授職に就く岡谷貴之氏によってまとめられた参考書です。ディープラーニングについて読みやすさと分かりやすさを考慮しながら、基礎的な部分から応用範囲まで総合的に解説されている点が特徴です。初心者でもディープラーニングについて学びやすいことからおすすめの一冊としてすすめられています。
ヨシュア・ベンジオ氏やイアン・グッドフェロー氏などディープラーニングの専門家らによって共同執筆された参考書であり、ディープラーニングについて入門書としての使いやすさを保ちながら、執筆当時の最先端分野まで幅広く網羅している一冊です。写真や図表といった視覚的に解説する要素も盛り込んでおり、軽快な語り口も特徴です。
東京大学卒業後、オンライン学習サービスなどの開発を行っている石川聡彦氏が執筆した、AIプログラミングに関連した高校数学・大学数学の解説書です。専門的な勉強を行っていこうとする人に対して、基礎的な範囲からAIプログラミングに必要な数学について解説しており、数学に苦手意識を持っている人にもおすすめとして紹介されています。
一級建築士として設計事務所などに勤めながら、AIジェネラリスト基礎講座の講師としても活躍する小縣信也氏の書籍です。E資格の受験を想定してまとめられた問題集であり、AI人材育成の観点から技術解説や問題文の説明が行われています。E資格試験の傾向を考慮した模擬試験なども掲載されており、実践的な試験対策を進めることが可能です。
徹底攻略ディープラーニングE資格エンジニア問題集について見る
コンピュータビジョンアプリの機械学習研究者であるアンドレアス・C.ミュラー氏によって書かれた、機械学習ビギナーのための入門書です。最初に実践的な項目について論述された後、改めて理論解説によって補強することで、読者の理解や成長を促しています。モデルの評価や改善に関して豊富な解説がまとめられていることも特徴です。
本書は、株式会社ブレインパッドのAIビジネス本部で副本部長の職に就く韮原祐介氏によってまとめられた機械学習プロジェクトの解説書です。機械学習システムの導入準備から実装、その後の運用ノウハウに至るまで丁寧に解説されており、具体的なケーススタディを交えて成功例に関する説明がまとめられていることもポイントでしょう。
東京大学大学院修士課程を修了後、株式会社Preferred Networksで人工知能の研究開発に携わっている斎藤康毅氏の著書です。ITエンジニア向けの参考書として受賞歴も有しています※1。ディープラーニングの原理について基礎から学べる解説書であり、誤差逆電波法や畳み込みニューラルネットワークなどに関しても実装レベルで学べます。
※1参照元：_ITエンジニアに読んでほしい技術書・ビジネス書大賞2017（https://www.shoeisha.co.jp/campaign/award/2017/result）
※1参照元：_ITエンジニアに読んでほしい技術書・ビジネス書大賞2019（https://www.shoeisha.co.jp/campaign/award/2019/result）
ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装について見る
E資格の取得を目指して独学で学習していくことは可能です。ただし、実際に資格を取得するには「一般社団法人日本ディープラーニング協会（JDLA）」が認定している講座を修了した上で、資格試験に合格する必要があります。そのため、全てを独学で終えることはできず、必ず認定講座へ参加して受験資格を取得しなければなりません。
E資格は「一般社団法人日本ディープラーニング協会（JDLA）」によって認定されている資格制度であり、ディープラーニングを実装できるAIエンジニアとして専門的な知識やスキルがあると客観的に評価されている証明でもあります。E資格を取得していると示すことでAIエンジニアとしての実力を伝えられるため、就職活動でも有利に働きます。
AIエンジニアとしてディープラーニングの実装を行うためには、一定レベルの数学の知識が必要です。そのため、E資格の取得試験においても基礎数学から応用数学まで広範囲の数学的知識が出題され、エンジニアとしての知識や理解が審査されます。E資格の試験範囲としてカバーしておくべき数学のテーマや内容についてまとめて解説しています。
E資格の受験資格を得られる一般社団法人日本ディープラーニング協会（JDLA）の認定プログラム講座は、複数の事業者が主催しており、資格取得を目指す人はそれらの中から自分に適した講座を選択して修了するという流れです。E資格の認定講座について、それぞれの内容を比較検討できる一覧表を作成しましたので参考にしてください。
AIエンジニアとして活躍していきたい人や、人工知能などに関して専門的に学んでいきたいと考えている人々のために、様々な事業者が研修やセミナーを主催しています。ここではAIエンジニア向け研修を主催している事業者をまとめました。
JDLA「E資格」向け認定プログラムとして開講されている講座であり、オンライン完結型のため自宅にいながら学習することができます。機械学習やディープラーニングに関する基礎知識、AI分野における基礎知識や新規技術などを幅広く網羅したカリキュラムとなっており、およその目安学習時間は60～100時間となっています。講座を修了することでE資格について受験資格を得られることもポイントであり、AIエンジニアを目指す人にとっても有用です。
受講者の学習スタイルやレベルに応じて「一般コース」と「プレミアムコース」が用意されており、一般コースはE資格の受験資格認定に必要とされるカリキュラムをまとめた月額制コースになっています。一方のプレミアムコースは最初から全てのカリキュラムが公開されておりオンデマンド形式のコースとなっており、法人向けならではの講座として質問対応などのサービスが付帯されています。どちらもE資格の受験資格を取得することが可能です。
インソースではAIに関して基礎的に学びたい人向けのオンライン講座「ビジネス活用のためのAI・人工知能研修」と、プログラミング言語「Python」を活用したより実践的かつ専門的な研修を提供しており、受講者のレベルや動機に応じて選択することができます。前者のオンライン講座は「半日間×2回」という短期間で修了できるカリキュラムですが、AI活用事例やコストパフォーマンス、AI技術のビジネス転用など実践的な内容を学べる点が強みです。
AI（人工知能）について、基礎から応用まで全体像を把握したい人のための研修です。学習時間は7時間がベースとなっており、希望に応じて変更することもできます。AIに関して全体的な内容をカバーすることで、幅広い分野への応用性や発展性について学びながら、具体的な処理過程に関する理解度を同時に深められることが魅力です。また、研修費について10秒で見積依頼を行える上、明確な料金体系によって学習コストの費用対効果も追求できます。
人材育成のアウトソーシング企業であるトレケノートでは、ディープラーニングや機械学習について基礎から応用まで複数の研修講座を用意しており、短いものであれば2日間でそれぞれの分野を学ぶことができます。トレケノートの講座は基本的に「AIビジネスプランナー」と「AIエンジニア」の育成を前提としたカリキュラムとなっており、AIエンジニアとして基礎から学習したい人のためのコースが用意されていることもポイントです。
AIを中心にしたDX人材や組織の育成開発に注力しているアイデミー。オンラインで学べるDXラーニングを提供しています。さまざまなコースを用意しており、自分のスキルや学びたい内容によって選ぶことが可能。E資格に対応したコースや、G検定対策向けコースのほか、AIを数学や統計学から体系的に身につけられるコースもあります。また、受講者に合わせてカリキュラムを作成しているため、自分のレベルに応じた学びも可能にしています。
AIスタンダードは、AI技術をコアにしたDXに人材育成から収益化までワンストップで対応している会社です。提供するディープラーニング関連のコースは主にG検定向きで、AIリテラシーについてしっかりと学べます。また、AIスタンダードではケーススタディを大切にしており、開発プロセスごとの課題解決を通して、AIスキルを身につけられます。教材はPythonに関する書籍を執筆した著者が携わっており、分かりやすさを重視しています。
AI研究所は、AI人材の育成に向けた講座を複数提供しています。E資格対策ディープラーニング短期集中講座は、E資格の取得に対応した講座で、短期間で受験資格を得ることが可能です。G検定対策ディープラーニング講座はAIの基礎から学べるため、体系的な学びを必要とする方に適しています。各種講座はコストを抑えており、リーズナブルな価格設定が魅力。セミナーを受講すると、無料で個別相談が可能なチケットも貰えます。
データサイエンティストから学べる講座を提供しているAiジョブカレ。E資格に対応したディープラーニング講座のほか、Pythonと機械学習に必要な数学の講座や、機械学習のについて学べる講座などがあります。学習はハンズオン形式を採用しており、実際に手を動かしながら学べるのが特徴。ハンズオンによる学びを通して、実務でも活きる知識とスキルが磨けます。また、講座の価格はリーズナブルで、抑えめになっているのもポイントです。
データ活用の豊富な実績を持つアルベルト。社内教育で培われたノウハウを活用した、データサイエンティスト育成サービスを提供しています。研修・講座もデータサイエンティスト育成に関連したもので、受講者のレベルや目的に応じてプログラムを選んでくれるのが魅力。データ処理の基礎から統計学、分析手法まで、幅広い知識を身につけられます。実務経験豊富なデータサイエンティストも多数在籍しており、実践的な内容を学べる点も特徴です。
AIに関するさまざまな講座を提供しているアーク。多数の合格実績を有しています。G検定に関する講座のほか、開発言語であるJuliaについて学べる講座も提供しています。他にも、データサイエンティストに関連した講座もあり、現場で活かせるスキルを磨けます。また、研修費用の低価格化にも取り組んでおり、手頃な費用で受講できるのもポイント。コンサルティングやアセスメントに関する相談も可能です。
デジタル開発やAI実装のソリューションを提案していアヴィレン。E資格とG検定に関する講座を提供しています。いずれの講座も内容の分かりやすさを重視しており、Pythonや数学など、AIに必要な基礎知識から学べるのが特徴です。また、短期間で学べるように設計されているため、短期集中で資格取得を目指したい方に適しています。他にも、法人向けに実務で使えるデータサイエンティストコースや、OJT研修なども提供しています。
DeepSquareは、未経験者でもAIについて理解できるように、基礎講座から学べるのが特徴です。AI関連講座や社内のAIチーム立ち上げ実績が多数あり、AIエンジニアに必要な知識・スキルの習得をサポートしています。講座はG検定やE資格に対応。ディープラーニングの概要から深層学習まで、ハンズオンやオンラインを通して学ぶことができます。また、MBAホルダーが在籍しており、ビジネスの課題解決力を持つAI人材の育成も可能にしています。
企業向けにDX・AI関連の講座や、人材育成サービスを提供しているiLect。戦力となる人材の育成から社会実装までワンストップでサポートしています。AIに関連する講座は複数提供しており、網羅的に学べるのが魅力。講座はE資格の受験資格の取得が可能で、G検定の試験範囲に対応しています。また、コンペ形式の課題など、実務課題を想定した実践型プログラムを取り入れており、実務で活かせる知識やスキルを身につけられます。
NECアカデミーは、2013年に大手家電メーカーのNECが開校したスクール。実務で活かせる知識とスキルの習得ができるよう、実装実験などの場を提供しています。AI関連した講座は複数あり、AIプロジェクトに関するマネジメントを基礎から学ぶことが可能。20日間という短期でデータサイエンティストを目指せる、ブートキャンププログラムも提供しています。他にも、多数の専門プログラムを通してAI人材に必要な知識・スキルを習得できます。
クエスト形式によって段階的にAIに関する知識・スキルの習得を目指せるシグネイトクエスト。基礎的な内容を学べるGymと、演習問題を交えたQuestの2つに分かれています。多種多様な講座が提供されており、一からしっかりと身につけられるのがポイント。AIやディープラーニングの基礎から学べるため、初心者の方でも気軽に始められます。カリキュラムは全てオンラインで完結しており、場所を問わずに学習できるのも魅力です。
SIGNATE Quest(シグネイトクエスト)について見る
ビジネスのAI活用まで考えられる人材育成をサポートしているスタディエーアイ。E資格に関する講座のほか、AIの活用スキルを育成する講座も提供しています。E資格に関する講座は、現場で活きる実践的なスキルを身につけることが可能です。3ヶ月の時間をかけ、基礎からしっかりと学べます。また、G検定の模擬試験も提供しています。無償でテストと解答・解説まで利用できるため、本番前に挑戦しているのもよいでしょう。
ITやDXに関するさまざまな講座・研修を提供しているテックアカデミー。現役のエンジニアから学ぶことが可能で、オンラインに特化したスクールです。AIやディープラーニングの講座も豊富。プログラミング言語のPythonを学べるコースや、データサイエンスについて学習できるコースも提供しています。また、研修を受ける一人ひとりに専属のメンターが付き、マンツーマンのメンタリングや課題レビューを通し、学びとモチベーションをサポートします。
AIやディープラーニングに関する講座に特化した神田AIラーニングセンター。AI入門講座や、PythonでAIを開発する流れを学べる講座などを提供しています。また、E資格も提供しており、数ヶ月でAIやディープラーニングを体系的に学べます。カリキュラムを完了した後はE資格の受験資格を得られます。講座の受講方式は対面授業とオンラインのハイブリッド。経験豊富な講師が在籍しており、丁寧なサポートを受けられます。
データサイエンスやデータエンジニアなど、AI関連の講座・研修を提供しているキカガク。E資格に関する講座はJDLAの認定を受けており、データの収集・分析やアプリケーション開発など、実務で必要なスキルを習得できるカリキュラムになっています。一方、3日間でディープラーニングを実装することを目的としたセミナーも提供。AIの歴史やディープラーニングの基礎から学び、ワークショップで実践できるのが特徴です。
オーダーメイドカリキュラムを提供している侍エンジニア。あらかじめ決められたカリキュラムがなく、一人ひとりに合わせて作成しています。自分の理解度や、学びたい領域に合わせてカリキュラムを組むことが可能です。コースの学習は、プロの現役エンジニアがマンツーマンで指導を実施。学習する時間や曜日、ペースなどは柔軟に決めることができます。ライフスタイルに合った学びが可能になるでしょう。なお、講座修了まで、エンジニアが寄り添いながら学習をサポートします。また、いつでもチャットで質問できる機能や、スピーディな回答のQ＆A掲示板など、さまざまなサービスを提供しています。
資格スクエアは、G検定に関する口座を提供しています。日本ディープラーニング協会（JDLA）の有識者会員が講師を務めており、AIの基礎から機械学習の具体的手法まで、幅広く学ぶことが可能です。講座で使用するテキストは初心者向けの内容で、JDLAが監修しているのが特徴。AIを取り巻く事例や、重要なポイントもしっかり押さえています。オンライン講座のため、いつでも好きなタイミングで受講できます。スマホにも対応しているため、通勤中などスキマ時間を有効利用可能です。繰り返し視聴すれば、分からない部分をじっくり学ぶことができます。
JDLAのE資格に対応した講座を提供しているすうがくぶんか。ディープラーニングの入門講座で、基礎からじっくりと学ぶことが可能です。カリキュラムはニューラルネットワークの概論から始まり、畳み込み・再帰型ニューラルネットワークへと、徐々にステップアップしていくのが特徴。最終的に機械学習の説明可能性について触れ、Grad-CAMなど実践的な手法を身に付けられます。講座はオンラインで開催されており、毎回録画したものは一定期間何度でも視聴可能としています。オンライン講義だけでなく、動画視聴のみの受講にも対応しています。
スキルアップAIは、E資格向けのディープラーニング講座や、G検定向けのAIジェネラリスト講座を提供しています。E資格の講座はJDLAの認定を受けており、現場で活かせる実践的な内容を学べるのが特徴。豊富な実務経験や、AI導入・開発分野で活躍する講師陣を揃えており、実践レベルでの研修を提供しています。また、グループワークやハンズオン形式でアウトプットする機会を用意しています。アウトプットの機会が増えることで、より実践的なスキルを磨けます。学習の進捗状況はプラットフォームで確認しており、受講生一人ひとりにきめ細かなフィードバックを行っています。
E資格対策や機械学習、深層学習など、多種多様な講座を提供している富士通ラーニングメディア。E資格などの受験対策はもちろん、AIや機械学習について基礎から学ぶことも可能です。自分の理解度や、学びたい領域に合わせて講座を選択できます。講座の受講形態もさまざまで、決まった日時に対面で受講する形式から自宅で学べるeラーニングまで、幅広いスタイルを提供しています。講座の受講期間も数日から数週間と多彩で、きめ細かなニーズに対応しているのも魅力といえるでしょう。
ディープラーニングの検定試験、G検定とは、日本ディープラーニング協会が提供するディープラーニング活用のための知識・知見を持ち得ているのかを確認するための民間試験です。ここではG検定の対策方法について様々な観点からまとめました。
G検定の対策を行っている業者を一覧にして比較しています。G検定は独学よりも、講座を受講した方がポイントを抑えた学習が可能ですが、対策を行っている講座は複数あります。そこで、それぞれの業者のおすすめポイントや教材監修者、強みを一覧にしていますので、どこでG検定対策を行うべきなのかを考えている方は、まずはこちらの一覧表を見て、それぞれの強み・特徴を把握してみましょう。自身にマッチしたG検定講座が見つかるかもしれません。
2020年7月のG検定合格率は68.96％です。10人に7人合格するかしないかの割合です。こちらでは過去の合格率のデータも記載しています。改めて過去の合格率を見ることで、G検定の難易度を客観的に理解できるでしょう。また、年々受験者が増加している点も注目です。G検定の注目度が高まっているからこそですが、無事に合格するための勉強法や講座等も併せてご紹介していますので、これらが気になる方はぜひご覧ください。
ディープラーニングG検定の問題集を紹介しているページです。ある程度学習を進め、基本的な知識を得たら問題集を解いていきましょう。得た知識の確認と共に、試験にはどのような問題が出題されるのかを確認できます。おすすめの問題集や、その著者、それまでの経歴、さらには問題集の口コミまで紹介していますので、自身にあった問題集なのか、どれだけの効果が期待できるのかなどを踏まえ、問題集をチェックしてみてはいかがでしょうか。
人工知能に関する国内外の動向を把握できる一冊「AI白書2020」を紹介しています。独立行政法人情報処理推進機構（IPA）より刊行されている一冊は、AIとは何かといった基礎的な点から技術面の解説、導入事例、さらにはAI白書2020の口コミも紹介しています。ちなみにこちらはG検定の参考図書ともなっていますのでG検定の学習の一環としてはもちろんですが、AIの「今」を知ることができる貴重な書籍です。
東京大学大学院工学系研究科人工物工学研究センター・技術経営戦略学専攻教授であり、日本ディープラーニング協会会長を務めている松尾豊氏の著作です。いわば日本の人工知能学会のトップランナーである松尾豊氏が、人工知能に対して正しい知識を求めた一冊です。分かりやすさはもちろんですが、加熱する人工知能ブームとは一線を画した冷静な視点も特徴。トップランナーだからこその客観的な意見は、ディープラーニングを正しく理解できます。
AI人材育成事業・AI技術開発事業・G検定対策講座・E資格認定プログラムなどAIに関する幅広い事業を手がける株式会社AVILEN。同社の取締役を務める高橋光太郎氏著書の最短突破 ディープラーニングG検定(ジェネラリスト) 問題集について内容や口コミをまとめています。口コミの中には最短突破 ディープラーニングG検定(ジェネラリスト) 問題集だけの勉強で一発合格したとの声もあり、G検定に向けて期待の持てる一冊となっています。
Double Bind代表取締役である瀬谷啓介氏はRed Had認定エンジニア、理論物理学学士、物性物理学修士といったAIに役立つ資格を多数保有しています。そんな瀬谷氏を著者の一人に招いているディープラーニングG検定公式テキストは、日本ディープラーニング協会による公式テキストとなっています。最新シラバスとなっている「JDLA Deep Learning for GENERAL 2018」に準拠した、注目の一冊となっています。
G検定は必ず講座を受講しなければならないものではありません。独学にて知見を深め、検定を受けることもできます。このページでは独学で合格するための学習方法や内容をまとめています。また、独学でG検定に合格した人の特徴や試験本番でのコツ、時事問題や法理問題対策・独学でのG検定突破を手助けしてくれる書籍もまとめています。独学でのG検定合格を目指している人は是非チェックしてみてください。
G検定合格を目指している方は多いことでしょう。しかし何となく、あるいは会社の指示で合格を目指している方もいるかもしれません。そこでG検定に合格することでどのようなメリットが待っているのかをまとめています。注目を集めているディープラーニングの知見を深めることで就職・転職に役立つ点や、自己のディープラーニングのスキルの証明といった点が挙げられます。また、他にもさまざまなメリットを記載しているため参考にしてみてください。
ディープラーニングでは「微分・積分」「線形代数」「統計学」といった、いわゆる数学を領域とした知識が求められます。そのため、数学が苦手な方にとってはディープラーニングの学習はハードルの高い者に感じているかもしれません。ここでは実際にG検定で求められる数学のレベルについてをまとめています。文系出身者にとっては、「数学がある」だけでディープラーニングを諦めてしまうかもしれません。実際には文系出身者でもG検定合格者がいるため、決して理系でないと合格できないというわけではないのです。
