凡人脱出ストーリー

ごえnoブログ

AI E資格

E資格体験談！最新のお得な取得方法、できるようになること、試験内容、勉強の仕方について解説！

更新日：

はじめに

今回AI、ディープラーニングについての知識を得ようと思い、2020＃2回のG検定を取得したのちより深く学ぶためE資格も取得しようと勉強し、2021年2月に2021年第一回の試験を受験し、合格しました。(得点率などは結果通知を受けてに画像とともにあります。)

試験を終えて自身の体験からE資格について、取得方法、自分の受けた講座、勉強の仕方、かかった時間、試験の感想など書いていこうと思います。
E資格の勉強するか迷っている方、試験について知りたい方は下の目次を参照してください。


E資格をうけようと考えている方ははじめから、
E資格受験前の対策を見たい方は自分が受けた受講講座の内容から読むとスクロールの手間が省けます。

E資格とは

E(エンジニア)検定とは、一般社団法人 日本ディープラーニング協会(Japan Deep Learning Association)が実施している民間のディープラーニング資格、検定試験の一つで、ディープラーニングの理論を理解し、適切な手法を選択して実装する能力を測る試験です。

JDLAの行っているG(ジェネラリスト)検定という試験の発展版で、より深くディープラーニング、AIについての知識を身に着けることができます。

G検定との違い

G検定は人工知能、ディープラーニングについての歴史やどのように発展してきたか、基本的な知識、応用例、政策などAIをめぐる動向などどちらかというと文系寄りの内容ですが、E資格は基本的なAIを実装するための知識や、背景の数学的な知識も勉強するのでより理系的な内容になっています。

E資格のシラバスは大まかに下の表のようになっています。

応用数学線形代数
確率・統計
情報理論
機械学習機械学習の基礎
実用的な方法論
深層学習順伝播型ネットワーク
深層モデルのための正則化
深層モデルのための最適化
畳み込みネットワーク
回帰結合型ニューラルネットワークと再帰的ネットワーク
生成モデル
強化学習
深層学習の適応方法
開発・運用環境
ミドルウェア軽量化・高速化技術

また、より詳細なシラバスについては
2020年度版はこちらから

さらに最新の情報については、JDLAの公式サイトのE資格ページで確認できます。

E資格でできるようになること

E資格の勉強をすることで

  • ディープラーニングと機械学習の違いがわかる
  • CNN、RNN、LSTMなどディープラーニングの基本技術がどういう経緯でどんなコンセプトで生まれたかがわかり、基本的な実装ができる。
  • AlphaGoなど強化学習のコンセプト、実装ができる。
  • データの集め方や精度を上げる方法などがわかる。
  • AIというのはまだ全知万能のツールではなく、どのようにデータを使い、アルゴリズムを選び、調整するのが簡単でないかわかる
  • TensorFlow、Pytorchなどのライブラリの超基本的な内容がわかる
  • AI、ディープラーニングを実際のデータで使うための新たな勉強をするための準備が整う。

E資格の勉強だけでできるようにならないこと

  • 実際のデータからライブラリなどを用いて一からAIを実装する。
  • EfficientNetやGPT-3など最先端の知識、技術に精通する。

E資格の取得がおススメな人、そうでない人

E資格のための勉強がおススメな人

  • AI、ディープラーニングの実装の基本について学びたい人
  • AIに興味がある学生
  • AIに興味がありかつAIを実装する仕事につきたい学生
  • 文系からSE職に就職が決まり、時間がある学生
  • AI分野やSEに転職を考えている人

E資格の勉強がおススメでない人

  • AIを実装するほどではないがAIについてどう使えて仕事にいかせるか知りたい人
  • ある程度の勉強時間が確保できない人
  • 数学が苦手で見るだけで頭痛がする人

AIを仕事に導入するにはG検定などで基礎的な知識を身に着けたうえでAIの活用の仕方などの本、情報で勉強するべきです。
E資格ではどう生かすかといった内容は学べません。
僕は取得後はより新しい研究やライブラリの勉強をしてkaggleなどに参加したりwebサイトでAIを組み込んでみるといいとお勧めされました。

取得方法

  • JDLA認定講座を修了する
  • テストに申し込む
    • 終了コードを発行する
    • ピアソンに登録する(テスト申し込み系のサイトで、G検定の時に登録するのとは別物。)
  • 受検する
  • 3週間くらいで結果

E資格を受験するにはまず過去2年以内にJDLAの認定プログラムを受講し、終了しなければなりません。
また、E資格試験は例年、年二回２月と８月に開催されています。

なので僕がお世話になった理系ナビはじめ大体半年程度をめどにする講座が多いように思われます。

JDLA公式サイトを見ると様々な機関が提供する講座がありますがどの講座も基本有料で、動画講座、対面授業、短期間講座などサービスも様々で、負担額としては5～40万円とピンキリですが決して安いものではありません。



自分が自己負担を受験料のみで済ませたお得な取得方法

自分は今回理系学部生、院生向けの就活情報サイト「理系ナビ」が学生を対象に行っている「ディープラーニングエンジニア トレーニングプログラム」に応募して、zero to oneさんの講座を受講しました。

理系ナビのイベントということで受講費は理系ナビが負担してくれ、かかった費用としては受験料2万2千円だけでした。
受験料も学生は申請することで通常3万3千円かかるのを2万2千円で試験をうけれます。

さらに理系ナビは試験に合格すると受験料の半額を負担してくれるので1万1千円で取得することも可能です。

昨夏は募集がなかったので今年がどうかわかりませんが、理系ナビのサイトのイベント欄を定期的に確認しましょう。

また、理系ナビは「ISID(電通国際情報サービス)」との協賛でディープラーニング取得プログラムを行っているようで、オンラインで全部で3回イベントを開催してくれて、E資格の勉強の仕方、AIについてどう実務で使っているかなどいろいろな話を聞くことができました。
特に最後のイベントでE資格取得後に向けてどうするか、どうしてきたかなど具体的な内容を聞けたので次どうしたらいいかが明確になるなど、価値あるイベントでした。

理系ナビは総じてほとんど干渉がなくslackで質問を受け付けてくれていたが質問できるのは週一回、1時間半だけなので、基本的に自力でという感じで、その点も楽でもあり、大変な部分でもあると思います。

ただ、zero to oneの演習はヒント機能なども充実しているし、ググればほとんど理解できるレベルだったので質問している人はほとんどいませんでした。

他にも「E資格　インターン」という感じでググると、学生対象でスキルアップAIや、zero to oneなどE資格受講資格を得られる長期インターンを開催しているところもあります。受験料も負担してくれるところもあるようです。
上記のように学生は自己負担を少なく受験できる選択肢が多くあります。

理系ナビのサイトはこちら

スキルアップAIのインターンサイトはこちら

zero to oneのインターンサイトはこちら

zero to one の講座を受けてみて

講座は1本3～6分の動画講座が各章20～30本あるのを見て、章の最後に演習でjupyter notebookを使ってコードを書いて実装をするというないようでした。
ブラウザ内で演習も作業が完結するのでPython用の環境構築など面倒な作業は全くありません。

機械学習とディープラーニングは同じような内容で復習も兼ねるような内容もありますが、演習の難易度が上がっているので、所要時間としてはディープラーニングのほうが自分は長かったように思います。

zero to oneの講座でいまいちだった点は、動画はいつでも視聴できるけど、演習は毎日2～5時でメンテナンスが入るのでその時間でいじれなくなるのは夜型の自分としては少し鬱陶しかったです。


他にもところどころの誤字脱字や、演習で同じ内容なのにエラーが出たりでなかったりといった不具合？、動画の音の調整範囲が小さいなど気になるところはありましたが、ストレスフルになるようなレベルのことはなかったです。
クーポンコードで6万円が無料になっていたので本来は6万円の講座であると思われます。

講座の選び方

料金はもちろんだが、独学ならオンラインでどれだけ質問できるか(勉強のこと、AIのこと)、どういう人たちがサービスを作っているか、など総合的に見て決めるべきと思います。
自分で調べて一人で勉強できるなという人は質問サービスは重要視しなくてもよいかなという感じです。
ただ、情報を仕入れる意味でもSNSなど活用した方がモチベーションもあがるし良い。


学生は理系ナビもおススメだし、インターンだとより人から話を聞く機会も多く、取得後のビジョンがより明確に描けると思います。

zero to oneの講座内容

講座の内容は下記で、どんなことをするのか等E資格受けようと思っている人は是非参考にしてください。
「機械学習」の演習を正解し終了すると、「ディープラーニング」の講座を受け始めることができ、「ディープラーニング」も終えると、「E資格パッケージ」が受講でき、すべて終了すると修了者ナンバーが発行され、試験申し込みができるようになります。

  • 機械学習
    • イントロダクション
      • コース概要
      • 機械学習の種類(教師あり学習、教師なし学習、強化学習)
      • 線形代数(トレース、ノルム他)
      • 確率(ベイズの定理、平均、分散他)
      • Python
      • 演習(jupyter notebook、 Python、Numpyの使い方)
    • 回帰
      • 回帰問題(単回帰、重回帰線形)
      • 線形回帰モデルの学習(最急降下法、正規方程式他)
      • 実践のために(特徴の選び方、改善の仕方)
      • 演習(線形回帰の基礎、scikit-learnを用いた線形回帰)
    • 分類
      • 分類問題とは
      • ロジスティク回帰とは(シグモイド関数、目的関数、決定境界など)
      • 実践のために(適合率、再現率他)
      • 演習(ロジスティク回帰の基礎、実装)
    • ニューラルネットワーク(NN)
      • NN(NNをなぜ使うのか、NNの歴史、ニューロンモデル)
      • なぜ隠れ層が必要か(AND、OR、XNOR、NOT回路他)
      • NNの学習(フォワードプロパゲーション(FP)、バックプロパゲーション(BP))
      • 演習(MNISTの手書き数字認識、ロジスティク回帰とNNの違い)
    • 機械学習モデルの実践のために
      • 学習時に発生する問題
      • オーバーフィッティング(OF)対策(正則化など)
      • モデルの選択(ハイパーパラメータの決め方他)
      • データの前処理(スケーリング、正規化)
      • データの集め方
      • 演習(OFと正則化の実装)
    • サポートベクトルマシン(SVM)
      • SVMとは
      • カーネル法とは
      • SVMの実践のために(使いかたなど)
      • 演習(線形、非線形SVMの実装)
    • 教師なし学習
      • k-meansクラスタリング(k平均法、エルボー法他)
      • 主成分分析(PCA)(次元削減、特異値分解他)
      • 演習(PCA、k平均法の実装)
    • ディープラーニング(DL)
      • DL の基礎(バックプロパゲーション(BP )についてkwsk)
      • DL の応用例
      • DLの主なモデル(CNN、LSTM他)
      • 演習(3層のNNの実装、手書き文字認識)
  • ディープラーニング(DL)
    • イントロダクション
      • DLとは
    • ニューラルネットワーク(NN)の基礎
      • NNの基礎
      • 単純パーセプトロン(AND、OR、XNOR、NOT回路他)
      • ロジスティク回帰
      • 多クラスロジスティク回帰(ソフトマックス関数)
      • 多層パーセプトロン(ReLU、XOR回路他)
      • モデルの学習(計算グラフ、コスト関数、最適化、正規化、初期化、学習とテスト他)
      • 演習(XOR、MNIST多クラス分類の実装)
    • NNの改善
      • NNの改善(DL、勾配消失問題)
      • 活性化関数(シグモイド、tanh、ReLU他)
      • 正則化(ドロップアウト、ノイズ、半教師あり学習他)
      • 最適化(最適化の課題、モメンタム、Adagrad、Adam、RMSprop他)
      • TensorFlowの使い方
      • 演習(正則化、データの水増しの実装、TensorFlow、Kerasの使い方)　
    • 畳み込みニューラルネットワーク(CNN)
      • はじめに
      • 畳み込みとプーリング
      • CNNの応用(効率的な畳み込み、特徴量他)
      • CNNの構造(AlexNet,VGG,ResNet,GoogLeNet)
      • 演習(CNN、オートエンコーダ、CNNによるMNISTの分類)
    • 回帰結合型ニューラルネットワーク(RNN)
      • RNNとは(RNNの計算グラフ、順伝播、逆伝播の仕方)
      • RNNのさまざまなモデル(有向グラフィカルモデル、双方向RNN、Attentionモデル他)
      • 長期依存性(LSTM、GRU、スキップ接続他)
      • 演習(RNN、双方向RNN、教師強制、seq2seq、エコーステートネットワーク、LSTM、GRUの実装)
    • 生成モデル
      • 生成モデルのための前提知識(確率、ベイズの定理、潜在変数他)
      • 深層生成モデル(VAE、GAN、それらの目的関数他)
      • 演習(VAE,DCGAN,conditional GANの実装)
    • 強化学習
      • 強化学習とは(方策、収益、価値、探索他)
      • 強化学習の定式化(マルコフ決定過程、価値関数他)
      • 動的計画法(価値反復法、方策反復法他)
      • モデルベースとモデルフリー(Sarsa、Q学習、モンテカルロ法他)
      • DQN(Deep Q-Networkとは、DQNの改良他)
      • 方策勾配法(REINFORCE、Actor-Critic他)
      • 演習(価値反復法、方策勾配法、DQNの実装)
  • E資格パッケージ
    • 追加資料
      • 情報理論
      • CNN(MobileNet、セグメンテーション他)
      • RNN(ニューラル言語モデル、自然言語処理)
      • 生成モデル(VAE、DCGAN他)
      • 強化学習(AlphaGo他)
      • 軽量化、高速化技術(分散処理、量子化他)
    • クイズ
      • 応用数学
      • 機械学習
      • NN
      • CNN
      • RNN
      • 生成モデル
      • 強化学習
      • 模擬試験

勉強時間

勉強時間の内訳は、
動画講座　約25時間
演習　約120時間
クイズ他　10時間
講座自体の復習　約20時間
追加の本など　約40時間

講座自体は150時間くらいでした。ただ演習でエラー解決できなくて1問に5時間とか使ったこととかあったのでできる人はもっと早いはずです。


理系ナビでは試験の1か月前までに全講座終了しなければいけなかったのですが、開始3か月くらいで講座をすべて終わらした人もいたようですが、じぶんは割とギリギリまでかかりました。
講座終了後は図書館でAI関係の本を借りてきて読む。、動画教材の復習、E資格公式問題集を解くという勉強が基本でした。

試験内容、試験の感想

試験内容は口外が禁じられているようなので詳しくは書けませんが、シラバスにのっとったまじめな(悪意のある問題がない)内容でした。


テストセンターにもよると思いますが、パソコンの画面がテレビくらいあって、かつ問題文もフォントが大きく画面構成と大きさ的に非常にみにくさがありました。椅子の高さが調節できなかったのも腰痛持ちとしてきつかったです。


試験会場には身分証と配布されたメモしか持ち込めません。ポケットの中身もすべて出します。マスクの裏に何も書いてないかも確認されました。カンニングはテレパシーとかしか無理な感じです（笑）
付け加えるなら、公式問題集はやはり公式なだけあって役に立つと思います。


また、120分で100問程度で時間が厳しいという意見がググると見かけますが、G検定の半分くらいの問題数で、自分は30分くらい余って、見直しを2回くらいできたかなという感じです。

試験結果通知を受けて

分野別の得点率は画像の通りです。

応用数学が壊滅的で、公式問題集でも特異値分解とか固有値などの計算のところの理解度はいまいちだったのでまあ予想通り。

機械学習は問題ないなし。ゼロから作るディープラーニング１を読み込んだのもあって、即アウトプットレベルまで落とし込めていたかと。

深層学習は個々アルゴリズムに関して広く浅くスタイルだったのでこちらも想定内でした。開発環境は得点率的に６問で１問間違いっぽいのでこちらも想定内です。

100問程度で4分野の内訳の詳しいところがわからないですが、受けた感じでは機械学習、深層学習の割合が多いです。計算、開発環境をパーフェクトにするより、機械学習、深層学習を詰めましょう。

講座以外で追加で読んだ本

基本的に認定講座で試験範囲は網羅されていますが、より理解を深めるために僕が勉強するときに読んで役に立った本を紹介します。

1・ゼロから作るディープラーニング１-Pythonで学ぶDLの理論と実装

パーセプトロンから畳み込みニューラルネットワーク(CNN)までの内容で、機械学習、ディープラーニングについてゼロから詳しく解説されています。事前知識がない状態でも、講座で軽く説明されていた計算グラフやim2colなど、わかりやすく説明されていて、誤差逆伝播法はこれでマスターしました。
2・ゼロから作るディープラーニング２　自然言語処理編

言語の処理の仕方から、RNN,LSTMなどの使い方など詳しく解説されています
zero to oneの講座ではあまり詳しく触れられなかったword2vecなど自然言語処理、回帰結合型ニューラルネットワーク、Attentionについてわかりやすく説明されているので、そのあたりの内容はこれを読んでおけば間違いないです。

この本についてより深く書いた記事はこちら

[商品価格に関しましては、リンクが作成された時点と現時点で情報が変更されている場合がございます。]

ゼロから作るDeep　Learning　2／斎藤康毅【3000円以上送料無料】
価格：3960円（税込、送料無料) (2021/2/28時点)

また、1，2は実装用のコードも載っていて、自分で構築もできるし、E資格試験でもコードをみて解く問題もあるのでとても練習になります。
また、これらの本は買うと軽く3～4千円しますが理系学部のある大学なら図書館にほぼ100％置いてあるので探してみましょう。

３・深層学習

この本は、松尾豊さんが中心に訳されたもので、原書は英語で、ディープラーニングの権威である方々によって執筆されたものです。
機械学習、ディープラーニングについて理論的に基礎から学ぶ人のための本となっています。
B5サイズで580ページあり、ディープラーニングについてはこれを読んでおけば基礎的なことは大体わかるくらい網羅されています。
ただ、E資格の講座より踏み込んだ内容も多く、論文のような、堅苦しい文で書かれているので正直少し読みづらいのが難点です。

時間がある方は最初から最後まで読み込めば力になること間違いなしだが、多大な労力を要することも間違いないです。

さらにこの本はE資格のシラバスの細項目に書いてある内容がそのままの題名で書かれているものが多くあるので、自分はいったんこの本でシラバス範囲を確認して、わからないところをネットで調べました。

この本もゼロつくと同じく図書館でまず探しましょう。おそらく誰にも借りられないままあると思います。

4．E資格公式問題集

JDLAから出ている公式問題集で出題範囲を網羅し、模擬試験もついて、丁寧な解説もされています。
自分は固有値分解や特異値分解など計算問題が講座には簡単な問題しかなく、計算問題の練習はこの問題集に助けられました。
他にも文章量やコード形式の問題など、より試験に近い内容になっているので試験前の総仕上げにうってつけです。
分野ごとで章が分かれているので進行度合いの確認にも使えます。

結論試験に受かりたい人なら即購入、活用しない理由が皆無です。
(5500円で安心を買え、受験料も考えれば安いものかと)

5500円⁺税するのがネックですが、メルカリやラクマなどフリマアプリでも5500円前後で売買されているので実質500円ほどにすることも可能です。
試験の合否がわかる3月、9月にフリマアプリに数多く出品されるので受けることを考えている人は早めに確認しておきましょう。

この本は僕の大学にはありませんでした。
1～3の本も自分の大学の図書館になくても、特に国公立大学なら地元民に一般開放されているところが多いのでそちらも探してみましょう。(コロナの影響で現在一般開放していないところは多い)
５．ディープラーニングの動きを理解するための数学入門

この本は機械学習において使われる関数や情報量、そのほか使われ方など題名の通り文系の微分とは？くらいの人でもわかりやすい内容になっています。
自分がこの本で一番参考になったのは隠れ層を増やすことでニューラルネットワークの表現力が増すことが数式の観点からわかりやすく説明されていたところです。

詳しくはこちらの記事で詳しく書いています。

画像認識コンペに参加した

勉強の一環としてE資格試験一週間前にインスタの広告で出てきたPeakersという団体の画像認識イベントに参加しました。詳しい内容については別記事にしますが、E資格に受かるための勉強と実際にAIを実装して使うというのは別物だなという感想です。
ライブラリでさえいくつもあって、さらにアルゴリズムもめちゃくちゃあって、正直ついていけなかったです。
E資格はスタートラインで、そこから使えるようになる、自分で構築するにはさらに勉強がいります。
ただ、E資格だけで満足しそうになっていた自分に刺激を与えれたので挑戦してみて良かったです。

前述しましたが、応用に入る前にまずライブラリ(TensorFlow,Pytorch)などの勉強をする方がいいです。

最後に

今回はE資格のことについて書いてきました。
E資格のために勉強すればはAIの実装、基礎知識についてしっかり身につきます。
AIはこれからの社会において、適用範囲がさらに広がり、研究分野だけでなくIoT、DX分野でより身近に、効果的、支配的に使われていくことは間違いありません。
そしてE資格でその知識技術について学ぶことは価値のある人材になるために非常に有効な方法の一つです。

迷っているなら挑戦していきましょう！
最後までお読みいただきありがとうございました。

-AI, E資格

© 2020 ごえnoブログ All Rights Reserved.