カテゴリー: G検定

[黒373]
画像生成(Text-to-Image等)は出来ない。
下記は出来る:
・Visual Question Answering
・Optical Character Recognition
・Image Captioning

参考文献: ***は、ページ番号。
[黒***] 『徹底攻略ディープラーニングG検定ジェネラリスト問題集』第3版

[黒369]
・VAE (Variational AutoEncoder, 変分オートエンコーダ): 画像生成などを行う生成ネットワーク (β-VAE、VAE/GAN、infoVAE、VQ-VAE [黒144])

・VAR (Vector AutoRegressive model, ベクトル自己回帰モデル): 複数の時系列データに関する回帰タスクを扱う手法

・VGG (Visual Geometry Group): 画像認識の協議会「ILSVRC」で2014年に高い評価を受けた畳み込みニューラルネットワーク。画像分類(物体認識 [テ318])を行うCNNであって、単体で物体検出はできない(単体で物体検出はできるのは、FPN、SSD、YOLO) [黒351]。

参考文献: ***は、ページ番号。
[テ***] 『深層学習教科書 ディープラーニング G検定（ジェネラリスト）公式テキスト』第3版
[黒***] 『徹底攻略ディープラーニングG検定ジェネラリスト問題集』第3版

Atari2600 をプレイ
・Rainbow [黒366]
・Agent57 (DQNベース)[黒393]

Dota2 をプレイ
・OpenAI Five (マルチエージェント強化学習。学習アルゴリズムはPPO, Proximal Policy Optimization)[黒393]

参考文献: ***は、ページ番号。
[黒***] 『徹底攻略ディープラーニングG検定ジェネラリスト問題集』第3版

2区分なら、訓練データとテストデータ。

[ 訓練・検証・テストデータの違い #DeepLearning – Qiita ]
・テストデータ
>汎化性能をチェックするために、最後に（理想的には一度だけ）利用する。

・検証データ
>ハイパーパラメータの性能を評価するために利用する。

[黒366]
・skip-gram: 周囲の単語を予測するためのネットワーク
・CBOW: 周囲の単語から対象の単語を予測するためのネットワーク

参考文献: ***は、ページ番号。
[黒***] 『徹底攻略ディープラーニングG検定ジェネラリスト問題集』第3版

畳み込みニューラルネットワークの正規化層

[テ225]
正規化処理: 平均0、分散1

[黒299,364]
・バッチ正規化: ミニバッチ内のすべてのデータを用いて、ある層のチャンネルごとに正規化を行う手法 (前層の出力を正規化 [黒121])
・レイヤー正規化: ある層のすべてのチャンネルを用いて、ミニバッチ内のデータごとに正規化…
・インスタンス正規化: ミニバッチ内のデータごと、チャンネルごとに正規化…
・グループ正規化

参考文献: ***は、ページ番号。
[テ***] 『深層学習教科書 ディープラーニング G検定（ジェネラリスト）公式テキスト』第3版
[黒***] 『徹底攻略ディープラーニングG検定ジェネラリスト問題集』第3版

[黒375]
・標準化: 平均0、標準偏差1
・正規化: 最小値0、最大値1

参考文献: ***は、ページ番号。
[黒***] 『徹底攻略ディープラーニングG検定ジェネラリスト問題集』第3版

[テ166]
データセットに含まれるデータ件数が少ない時に効果的。

←→ホールドアウト検証: 普通の方法(訓練データとテストデータを固定) [黒76]

参考文献: ***は、ページ番号。
[テ***] 『深層学習教科書 ディープラーニング G検定（ジェネラリスト）公式テキスト』第3版
[黒***] 『徹底攻略ディープラーニングG検定ジェネラリスト問題集』第3版

[黒388]
不正競争防止法における営業秘密3要件
　非公知性、有用性、秘密管理性

[テ365]
特許権の対象になる発明
　産業上の利用可能性、新規性、進歩性

参考文献: ***は、ページ番号。
[テ***] 『深層学習教科書 ディープラーニング G検定（ジェネラリスト）公式テキスト』第3版
[黒***] 『徹底攻略ディープラーニングG検定ジェネラリスト問題集』第3版

限定提供データ: 営業秘密の要件を満たさないデータを保護 [テ366]

参考文献: ***は、ページ番号。
[テ***] 『深層学習教科書 ディープラーニング G検定（ジェネラリスト）公式テキスト』第3版