情報系博士だけでも、基礎から学び直してみた
普段機械学習を用いて研究・会社での業務をしているわけですが、意外と根本的な部分の説明ってできてないなと思うわけです。この記事では根本の根本まで根本していきたいと思います！
📊 グラフ化
私は受験の3ヶ月前から準備を始め、平日は1.5〜2時間、休日は3〜5時間の学習を目標に進めました。
- 1ヶ月目：全体像を掴む、数式の理解、Python復習
- 2ヶ月目：各理論の深掘り、実装演習
- 3ヶ月目：模試・過去問・復習
📚 教材・参考書一覧
- AI実装検定向け公式講座（例：Aidemy Premium Planなど）
- 『深層学習（Goodfellow本）』
- 『ゼロから作るDeep Learning』シリーズ
- KaggleやGitHubでの実装コード参照
🧠 学習ノートまとめ
例）誤差逆伝播法
・出力層から順に微分していく手法。
・中間層の重み更新にはチェーンルールが使われる。
・勾配消失のリスクがあるためReLU活用。
・出力層から順に微分していく手法。
・中間層の重み更新にはチェーンルールが使われる。
・勾配消失のリスクがあるためReLU活用。
例）活性化関数の種類と特徴
– Sigmoid：出力が0〜1だが、勾配消失しやすい
– ReLU：計算が高速で深層学習で主流
– Sigmoid：出力が0〜1だが、勾配消失しやすい
– ReLU：計算が高速で深層学習で主流
⚠️ よくある注意点
- 講座受講だけでは理論の本質が理解しきれないことがある
- 「なぜそうなるのか？」を考えながら勉強すると吸収が早い
- 学習中に実装経験を積むと記憶に定着しやすい
✅ 試験直前チェックリスト
- 全セクションの復習
- 演習問題・模試の復習
- 試験形式の確認（CBT形式など）
📌 まとめ
E資格の合格には、深い理解＋手を動かした実践が欠かせません。特に、**数学的背景と直感的な理解**をセットで押さえることが鍵です。自分の言葉で説明できるかを常に意識しましょう。