JDLA E資格を取った話
先月末に受けたディープラーニングのエンジニア向け資格 JDLA E資格に合格したので、自分がどんなテスト対策をしたのか簡単に書きたいと思います。
目次
JDLA E資格ってなに?
JDLA E資格とは、日本ディープラーニング協会(Japan Deep Learning Association)が提供するエンジニア向けの資格です。
JDLA認定プログラム
受験するには、「JDLA認定プログラムを試験日の過去2年以内に修了していること」という要件が課されています。これがなかなか曲者で、認定プログラムを受講するのに概ね数十万円が掛かります。
認定プログラムを自費で受講するのは金銭的に非常に辛い。企業にお勤めの方は、何とかして受講料を出して貰えるよう説得するのが、最初で最大の関門かも知れません。
どの講座を受けるかは、比較サイトなどを見て自分にあったものを選ぶと良いと思います。
ちなみに私は、「すうがくぶんか」さんで、以下の2講座を受講しました。
- Pythonで学ぶ機械学習入門
- Deep Learning入門
勉強方法
- 事前知識
- すうがくぶんかの講座
- 問題集
- アイシアさんの動画
- AVILENの模試
- まとめノート作成
事前知識
線形代数と情報、統計の基礎的な知識は元々あるのと、2018年に東大の松尾研のDeep Learning基礎講座を受けたり、ゼロから作るdeep learningシリーズを少し読んだりしてました。
すうがくぶんかの講座
詳しくはすうがくぶんかさんのホームページに記載されてますので、文字数の関係で割愛します。
問題集
主に問題集をやって、解説に詳しく載っていない箇所は、ネットで検索(Qiitaなど)したり、GoodFellow本などを参考にすれば概ね分かると思います。
Vtuber アイシアさんの動画
アイシアさんが、深層学習系の動画も充実させてくれていたので、非常に助かりました。 Transformerは必ず出題されるので必見です。他にもいろいろありますので、ご覧になってみてください。
AVILENの模試
これは受けておいた方が良いです。本番のテストと同様にブラウザ上で問題を解きます。 内容もさることながら、気後れしないように、同じ形式で問題を解く練習をしておくと良いと思います。 私は時間が足らなかったので解く順番の戦略を練らないといけないことが分かって助かりました。
まとめノート作成
上記の内容をすべてノート(HackMD)にまとめていました。 参考になるかはわかりませんが、文量的には数万字、リンクを張ったり、図面も付けたりしました。 HackMDも が使えるので数式を書くのに便利でした。
おわりに
JDLA E資格はエンジニア向けの資格なので、Pythonでの実装方法や環境構築の話なども試験範囲なので、普段は仕事でプログラミングを一切行わない非エンジニアの身としては、少々辛いところもありましたが、何とか合格出来てほっとしています。
ここ1年ほど薄く長くですが一定の時間を割いていた深層学習の学習が一段落したので、積み上げている他の勉強にシフトしたいと思います。
それでは、おやすみなさい。