ディープラーニングの応用例（G検定 技術分野）

この分野で扱うこと

ディープラーニングが実際に何に使われているかを、分野ごとに学ぶ分野です。キーワードは131語と全分野で最も多く、当サイトの推計では出題の比重も最も大きい分野です。9つの中項目は、3つのまとまりで捉えると整理できます。

• 分野ごとの応用：画像認識、自然言語処理、音声処理、深層強化学習、データ生成。
• モデルを別の課題や複数の種類のデータに広げる技術：転移学習・ファインチューニング、マルチモーダル。
• 実際に使うための技術：モデルの解釈性、モデルの軽量化。

学ぶ順番

前の分野「ディープラーニングの要素技術」で学んだCNN、RNN、Attentionを先に押さえておくと、モデル名の意味がつかみやすくなります。キーワードが特に多い画像認識と自然言語処理から始め、音声処理、データ生成、深層強化学習と進みます。そのあと、転移学習とマルチモーダルで、大規模に事前学習したモデルを使い回す流れをつかみます。最後に、解釈性と軽量化で締めくくります。

つまずきやすいところ

モデル名を年表のように丸暗記しようとすると、覚えきれずに混ざります。各モデルについて「どの課題を解くか」「前のモデルの何を改良したか」の2点だけをメモし、系譜として覚えるのが近道です。たとえば画像認識なら、AlexNetのあと、層を深くしたVGGやGoogLeNet、スキップ結合でさらに深くしたResNetへと続きます。