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
私が受けた講座も日本ディープラーニング協会の認定プログラムでしたが、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よ。
平均的な合格率は67.61%の中、合格率が70%を超える講座があります。合格率の高い認定講座を提供する事業者はこの3社です。最低受講料(2020年7月調査時点)も併せてまとめました。
合格率に表れる、対策講座の価値
12社程度の限られた事業者の講座しかないにも関わらず、上記の3社は平均64%に対して10%ほど高く、突出しているといえます。合格率の高さは、実用性の高いカリキュラムかつ学習をストレスなく進められるしくみづくりが他社よりなされていることを表しています。
上記の3講座はどれもオンライン講座にも対応しており、また3講座ともに習熟度に合わせた講座があるため初学者からE資格取得を目指すことも可能です。
認定プログラムとしては低価格で受講できるオンラインに特化した講座です。ディープラーニングを学ぶにあたって必要な基礎講座(数学、統計、Pythonなど)が全部で50種類以上あるため、弱い部分を補いながら資格取得に向けた勉強を進めることができます。合格率は2020年2月試験のデータ。
ディープラーニングを基礎から実務レベルまで学べる講座です。資格の取得という目的のみにとらわれず、実務者としてスキルアップするためにハンズオンを中心とした設計になっています。2019年8月試験の合格率は81.0%。
「全体像の把握、自分の言葉で説明、基礎をくり返し行う」の3つに重点をおき、現場で本当に使えるディープラーニングを学びます。3カ月で、応用数学や機械学習の基礎から現場で潰しが効く実践的な内容までを学んでいきます。i-studyと提携しており、同社ではStudy-AIのカリキュラムを元にしたコースを提供しています。
課題を80%提出することで合格を保証してくれることが特徴です。それでも万が一不合格の場合、次の試験まで無料でサポートを受けることができます。
低価格で実務までのスキルを身につけられる講座です。このほかにも、Pythonや数学、機械学習の講座が別で設けられているため自分のスキルにあわせて同時に受講するといいでしょう。E資格の受験資格を得るためには、ディープラーニングの講座に加えて数学と機械学習のテストを通過する必要があり、上記の価格にはこちらの受験費用が含まれています。2019年2月試験の合格率は74.4%。
3日間のハンズオンセミナーのほか、6カ月という長期のセミナーもあり、資格試験の内容のみではなく、1人でデータ収集・整理からアプリケーションの開発までできるようになるスキルが身につきます。
オンライン完結型の上記2つの講座を受講すると、E資格の受験資格を得ることができます。知識の習得に加え、自動採点つきのPythonコーディング演習など実際に手を動かしながら学べるため実務的なスキルもしっかり身につきます。
現在（2020年8月1日）、Standardでは、E資格の取得に向けた専用の講座・セミナーは行っていないようです。代わりに、AIプロジェクトに必要な人材を総合的に育成することを目的とした「AI Standard」というパッケージが用意されています。
一般販売されている専門書「深層学習(イアン・グッドフェローなど著)」を元に学ぶ5日間の講義です。同社はスカウト会社のため、キャリア面談を受けると特別価格で受講できます。
演習を中心とした講義内容で、受講後にはフルスクラッチでコードが書けるようになるまでのスキル習得を目指せます。ブラウザ上で演習を行えることも特徴です。
事前オンライン学習で数学やPython、機械学習の基礎知識を身につけたあと、ハンズオン形式で資格取得に必要な範囲を徹底カバー。新しいE資格講座の内容を、短い期間で身につけることを目指せる講習です。
E資格対策コースを受講したエンジニア達の記録
次のページでは、E資格に関するさまざまな情報をお伝えするとともに、E資格取得に向けて認定プログラムを受講した2人のフロントエンドエンジニアの体験談をまとめています。試験の1.5ヶ月前から学習を始めた2人。ディープラーニングにおいてはほぼ初学者の2人は何に苦戦し、どんな学びを得たのか…。これからE資格の取得を目指す人にとってのガイドアローとなるレポートとなっています。
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…。
G検定に限らず、試験を確実にパスするのに重要なのは、テストに近い練習問題をこなすことです。
本で理解しきれない点を動画講習でカバーでき、多くの練習問題が用意されているG検定対策講座からお得に受講できる事業者を比べてみました。G検定の受験料は13,200円。この価格であれば、講座を受けて確実に合格を目指す方がコスパに優れているのではないでしょうか（価格はすべて2020年7月調査時点、税別)。
AVILENではG検定対策として「全人類がわかるG検定対策コース」を実施。スマホでも視聴が可能なオンライン講義は1講義が10分未満に細分化されており、教材にはデザイナー監修の図解入りで分かりやすいテキストを採用。仕事が忙しく時間を作れない方や、これからAIを学び始める人にとっても、自分のペースで効率的にAIの知識を習得できるプログラムとなっています。
万一試験に落ちてしまった場合は全額返金保証サービスもあります。それだけ信頼できるプログラムであり、G検定合格に向けておすすめの講座です。
資格スクエアのG検定対策では、日本ディープラーニング協会の有識者である浅川伸一氏の講義を受講できるところに特徴があります。有識者の言葉には説得力があり、理解も促進されやすくなります。
オンライン講座では自分のペースで必要な知識を身に付けることができます。また、問題集もついているので、インプットした知識をアウトプットする際にも最適です。テキストはオールカラーで、図やイラストも豊富に掲載されているので、視覚的にもインプットしやすい内容となっています。
AI研究所のG検定対策ディープラーニング講座では最新のG検定に対応。カリキュラムは試験対策を中心に組まれています。AIの基礎知識、機械学習や深層学習（ディープラーニング）の仕組みやニューラルネットワークについて学習できます。ライブウェビナーにより自宅や職場で効率よく学べます。また特別顧問として、東京大学大学院情報理工学系研究科AIセンターの松原仁教授や電気通信大学人工知能先端研究センターの栗原聡教授が特別顧問となっています。
スキルアップAIでは、「AIジェネラリスト講座」と呼ばれるG検定対策講座を実施しています。オンライン受講であれば80,000円から受講できます。
オンライン講座の場合は13時間の講義動画を好きな時に閲覧することができます。対面講座も実施しており、その場合は16時間の講義を受けることができます。
内容は公式テキストを元に、初学者が独学で理解することが難しい機械学習やディープラーニングの分野に特化して解説します。機械学習や深層学習の概念を特に深く理解したい人におすすめです。
また、同社には同じく一般価格37,000円で「G検定1発合格を目指す！ G検定試験対策問題集」という973問の練習問題集を発行しています。
ARKの「AIジェネラリストG検定受験セミナー」でも対策を進めることができます。3日間、合計は21時間の研修期間が用意されています。その中で試験に合格するための知識やノウハウを身につけることができます。
基本的にG検定のシラバスに準拠した内容で講義を行うので、AIやIoTの基本から体系的に知識を習得できます。
Study-Aiでは不定期でG検定対策セミナーを開催しています。2時間程度の講座にE資格取得のための説明会がついて参加費は無料です。機械学習やAIの基本的な知識を説明することが多く、まずG検定に向けて必要な知識やノウハウを身につけたいという方におすすめです。
導入の部分として活用するのが有効であり、その後は参考書などを活用して理解を深めていく必要があります。
zero to oneでのG検定対策は「G検定実践トレーニング」と呼ばれるもので、練習問題を解きながら試験への対策を進めていきます。価格は15,000円(税別)で、購入後60日間にわたってオンライン上で練習問題や模擬試験を解くことができます。
全部で600題以上の練習問題が用意されているので、試験に向けてトレーニングを積みたい方にはおすすめです。
富士通ラーニングメディアでは、eラーニングの形でG検定対策を行うことができます。「日本ディープラーニング協会（JDLA)G検定対応プログラム AIリテラシー習得講座」というコースを受講できます。
4週間にわたってオンライン上で必要な知識を習得できます。機械学習やディープラーニングを事業に活用したい方にもおすすめの講座です。
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。
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、このようにあらゆる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。
