Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
G検定 傾向と対策
Search
h-fkn
August 01, 2018
Technology
0
44
G検定 傾向と対策
2018年G検定に合格した時の勉強したことあれこれ
h-fkn
August 01, 2018
Tweet
Share
More Decks by h-fkn
See All by h-fkn
The advantages and disadvantages of using machine learning with enebular
fkn0839
0
270
ラズパイで写真を撮った話_IoTLT_vol.66_2200812.pdf
fkn0839
0
420
俺のNETFLIX season2 AmazonPersonalize
fkn0839
0
530
俺のNETFLIX season1
fkn0839
0
270
ゆるふわマシーンラーニング#2_内容調整中()
fkn0839
0
320
ゆるふわマシーンラーニング「❝ Google AutoML Tablesでお手軽AI ❞と題して話すつもりだったけど、実際に使ったらお手軽()だった件について5分以内で話す」
fkn0839
1
4.1k
データ分析プロセス/AIアプリケーションの基本設計
fkn0839
0
190
DataScienceBOOTCAMP5th_part1
fkn0839
0
2k
G'SACADEMY LAB5th DataScience
fkn0839
0
220
Other Decks in Technology
See All in Technology
Building Serverless AI Memory with Mastra × AWS
vvatanabe
0
610
AWS re:Invent 2025~初参加の成果と学び~
kubomasataka
1
200
Oracle Database@Azure:サービス概要のご紹介
oracle4engineer
PRO
2
200
Snowflake導入から1年、LayerXのデータ活用の現在 / One Year into Snowflake: How LayerX Uses Data Today
civitaspo
0
2.5k
Claude Skillsの テスト業務での活用事例
moritamasami
1
110
Agent Skillsがハーネスの垣根を超える日
gotalab555
6
4.5k
20251222_サンフランシスコサバイバル術
ponponmikankan
2
140
Authlete で実装する MCP OAuth 認可サーバー #CIMD の実装を添えて
watahani
0
200
株式会社ビザスク_AI__Engineering_Summit_Tokyo_2025_登壇資料.pdf
eikohashiba
1
120
意外と知らない状態遷移テストの世界
nihonbuson
PRO
1
270
Bedrock AgentCore Evaluationsで学ぶLLM as a judge入門
shichijoyuhi
2
270
ハッカソンから社内プロダクトへ AIエージェント ko☆shi 開発で学んだ4つの重要要素
leveragestech
0
240
Featured
See All Featured
Highjacked: Video Game Concept Design
rkendrick25
PRO
0
250
Building a A Zero-Code AI SEO Workflow
portentint
PRO
0
200
[SF Ruby Conf 2025] Rails X
palkan
0
640
Darren the Foodie - Storyboard
khoart
PRO
0
2k
Unsuck your backbone
ammeep
671
58k
Let's Do A Bunch of Simple Stuff to Make Websites Faster
chriscoyier
508
140k
Fantastic passwords and where to find them - at NoRuKo
philnash
52
3.5k
Gemini Prompt Engineering: Practical Techniques for Tangible AI Outcomes
mfonobong
2
230
The Success of Rails: Ensuring Growth for the Next 100 Years
eileencodes
47
7.9k
Rebuilding a faster, lazier Slack
samanthasiow
85
9.3k
The #1 spot is gone: here's how to win anyway
tamaranovitovic
1
870
Refactoring Trust on Your Teams (GOTO; Chicago 2020)
rmw
35
3.3k
Transcript
1ZUIPO HVJME)*%&'6,"/0 σʔλαΠΤϯεೖγϦʔζ ͱ ରࡦ +%-"%FFQ-FBSOJOHGPS(&/&3"-
ࣗݾհ ਂ ࢚ ʢ)JEF'VLBOPʣ !IJEFGLO ܦӦίϯαϧ ʢ`dʣ (`T"$"%&.: EFWظ 4UBSUVQ-FBEFSTIJQ1SPHSBN
ˠୀ৬ ϑϩϯτΤϯυΤϯδχΞ ʢ`dʣ %BUB4DJFODF#005$".1 ظ σʔλαΠΤϯςΟετ ݸਓࣄۀओ ʢ`dʣ ઃཱొه %456%*0 ཧࣄ
ࣗݾհ ਂ ࢚ ʢ)JEF'VLBOPʣ !IJEFGLO ܦӦίϯαϧ ʢ`dʣ (`T"$"%&.: EFWظ 4UBSUVQ-FBEFSTIJQ1SPHSBN
ϑϩϯτΤϯυΤϯδχΞ ʢ`dʣ %BUB4DJFODF#005$".1 ظ σʔλαΠΤϯςΟετ ݸਓࣄۀओ ʢ`dʣ ઃཱొه %456%*0 ཧࣄ
ܦӦίϯαϧ ʢ`dʣ (`T"$"%&.: EFWظ 4UBSUVQ-FBEFSTIJQ1SPHSBN ϑϩϯτΤϯυΤϯδχΞ ʢ`dʣ %BUB4DJFODF#005$".1 ظ
σʔλαΠΤϯςΟετ ݸਓࣄۀओ ʢ`dʣ ઃཱొه %456%*0 ཧࣄ ࣗݾհ ਂ ࢚ ʢ)JEF'VLBOPʣ !IJEFGLO ϓϩάϥϛϯά σʔλαΠΤϯε
+%-"ͬͯͬͯ·͔͢ʁ ը૾Ҿ༻ݩ63-IUUQXXXKEMBPSH
+%-"ͱ Ұൠࣾஂ๏ਓ ຊσΟʔϓϥʔχϯάڠձ +BQBO%FFQ-FBSOJOH"TTPDJBUJPO ຊڠձɺσΟʔϓϥʔχϯάΛத৺ͱ͢Δٕज़ʹΑΔຊͷ࢈ۀ ڝ૪ྗͷ্Λࢦ͠·͢ɻ ը૾Ҿ༻ݩ63-IUUQXXXKEMBPSH
ࢼݧ֓ཁ •తɿσΟʔϓϥʔχϯάʹؔ͢ΔࣝΛ༗͠ɺࣄۀ׆༻͢Δਓࡐ δΣωϥϦετ ͷҭ •֓ཁɿσΟʔϓϥʔχϯάΛࣄۀʹ׆͔ͨ͢ΊͷࣝΛ༗͍ͯ͠Δ ͔Λݕఆ͢Δ •ࢼݧ֓ཁɿɺ දࣔ͞ΕΔ ɺଟࢶબ ࣜɺΦϯϥΠϯडݧ
ࣗडݧ •डݧྉɿ ԁ ੫ࠐ
डݧ͠Α͏ͱࢥ͖͔͚ͬͨͬ Ͳͷ͘Β͍ͷ࣮ܦݧ͋Δͷʁ ʜࠓ͔ΒͰ͢
डݧ͠Α͏ͱࢥ͖͔͚ͬͨͬ େֶӃͰ౷ܭΛษڧͯͨ͠ͷʁ ʜͯ͠·ͤΜ
डݧ͠Α͏ͱࢥ͖͔͚ͬͨͬ ͍ͬͯ͏͔ɺए͍ΑͶʁେৎʁ ʜʢͦΕؔͳ͘Ͷʁʣ
None
None
डݧͷಈػ·ͱΊ σʔλੳ "*ΞϧΰϦζϜ։ൃۀΛߦ͏্Ͱɺ٬؍తͳεΩϧηοτΛ ༻ҙ͢Δ͜ͱʹΑͬͯɺΫϥΠΞϯτاۀʹ৴པͯ͠Β͍͍ͨ ΤϯδχΞϦϯάεΩϧ͕ڧ͍σʔλαΠΤϯςΟετͱࠩผԽΛ͔Δͱ ͯ͠ɺࣝϨϕϧҰఆͷ࣭Λ୲อ͔ͨͬͨ͠ ࠷ۙʹͳͬͯɺਓࡐͷूஂࣗମগͳ͍ͷʹ͔͔ΘΒͣɺҭ͢Δε
λϯεͷ͋Δاۀগͳ͘ɺ࣮Ҏ֎ͷ৴པͷ୲อΛ֫ಘ͍ͨ͠ डݧ͢Δ͔ʜ
߹֨ͨ݁͠Ռʜ
߹֨ͯ͠Α͔ͬͨ͜ͱ ࢲड͚Α͏ͱࢥͬͯͨΜͰ͢Αʂ ք۾ͷਓͱձͷ͖͔͚ͬʹͳΔ
߹֨ͯ͠Α͔ͬͨ͜ͱ ख๏બͷࠜڌʹࣗ৴͕࣋ͯΔΑ͏ʹͳͬͨ Ϟσϧߏங·ͰͷϓϩηεΛ಄ͷதͰඳ͚Δ Α͏ʹͳͬͨʢੳͷਐΊํͷޮԽʣ αʔϏε։ൃʹ͓͍ͯɺ%#ઃܭΛਫ਼៛ʹߟ ͑ΒΕΔΑ͏ʹͳͬͨ
࣮ͱݕఆͱͷڑײʹ͍ͭͯࢥ͏͜ͱ ͋͘·Ͱࣝͷཧͱͯ͠༗༻ ࣮ྗͷ୲อͳΒ&ݕఆ˞ʢͱ͍͑ʜ %FFQ-FBSOJOHΛ͏1+ʹग़ձ͑Δڥʹ͍Δ͔ ੳࢹͰ·ͣઆ໌ੑͷߴ͍ख๏͕Φεεϝ
ੳͱ࣮ʹࣗ৴͕ͭ͘͜ͱ͚ͩͰे͔
1ZUIPO HVJME)*%&'6,"/0 σʔλαΠΤϯεೖγϦʔζ ͱ ରࡦ +%-"%FFQ-FBSOJOHGPS(&/&3"- ͜Ε͚ͩ(ݕఆ
ҙࣄ߲ͱલఏ ͋͘·ͰؒͰ߹֨͢ΔͨΊͷख๏ %-ͷຊ࣭Λֶͼ͍ͨͳΒদඌݚ(0ʂ ؔͷҙຯཧղͰ͖Δ ࣮ྗผ
গ͠ػցֶशʹ৮Εͨ͜ͱ͕͋Δ
ग़େ͖͚ͯͭ͘ ᶃਓೳʢ"*ʣجૅࣝ ᶄػցֶशͷੳख๏ ᶅσΟʔϓϥʔχϯά ɾ։ൃͷͨΊͷεϖοΫ ɾ$//ͱ3// ɾཱ֬·Ͱͷྺ࢙ ɾࣾձ࣮
ֶश͢Δॱং͜͏ʂ ਓೳʢ"*ʣجૅࣝ ػցֶशͷੳख๏ σΟʔϓϥʔχϯά ɾ։ൃͷͨΊͷεϖοΫ ɾ$//ͱ3// ɾཱ֬·Ͱͷྺ࢙ ɾࣾձ࣮ ᶃ ᶄ
ᶅ
ͬͺΓ%FFQ-FBSOJOHख๏ͷҰͭͰ͔͠ͳ͍ ਓೳ ػցֶश ఆྔԽ͍ͨ͠ ਓؒͷػೳ ˠ ը૾ೝࣝ ࣖ ˠ
Իೝࣝ ޱ ˠ ࣗવݴޠॲཧ ײ֮ͷఆྔԽʹ͓͍ͯ ৮֮ɾຯ֮ɾᄿ֮ɾମੑײ֮ݚڀதʁ ͱʹ͔͘ૉਓ͕͙͢ʹ࣮Ͱ͖ͳ͍ ઢܗճؼ ϩδεςΟοΫճؼ ܾఆ %5 47. ਂֶशʢ%-ʣ ֶशͱ ͚Δ͜ͱ ͚Δ͜ͱ͕Ͱ͖Δ͔ΒஅͰ͖Δ ࣄલʹஅͰ͖Δ ༧ଌͰ͖Δ
֓೦ΑΓઌʹֶशͱԿ͔ΛઌʹֶͿ ਓೳ ػցֶश ఆྔԽ͍ͨ͠ ਓؒͷػೳ ˠ ը૾ೝࣝ ࣖ ˠ
Իೝࣝ ޱ ˠ ࣗવݴޠॲཧ ઢܗճؼ ϩδεςΟοΫճؼ ܾఆ %5 47. ਂֶशʢ%-ʣ ਓೳͱԿ͔ʁΑΓ ઌʹֶशͱԿ͔ΛΔ
ਓೳͷݚڀͷྺ࢙͚͍ͩͬͯ͘ ਓೳ ػցֶश ఆྔԽ͍ͨ͠ ਓؒͷػೳ ˠ ը૾ೝࣝ ࣖ ˠ Իೝࣝ
ޱ ˠ ࣗવݴޠॲཧ ઢܗճؼ ϩδεςΟοΫճؼ ܾఆ %5 47. ਂֶशʢ%-ʣ ਓೳͱԿ͔ʁ ݚڀͷྺ࢙͔Βཧղ͢Δ
ݚڀͷྺ࢙Λ͏Α͏ʹ%-Λཧղ͍ͯ͘͠ ਓೳ ػցֶश ఆྔԽ͍ͨ͠ ਓؒͷػೳ ˠ ը૾ೝࣝ ࣖ ˠ
Իೝࣝ ޱ ˠ ࣗવݴޠॲཧ ઢܗճؼ ϩδεςΟοΫճؼ ܾఆ %5 47. ਂֶशʢ%-ʣ $//ʢΈࠐΈχϡʔϥϧωοτʣͱ 3//ʢ࠶ؼܕχϡʔϥϧωοτʣͷཧղ͕ ۩ମతʹਂ·͍ͬͯ͘
ࢦఆਤॻ ЋͰ࠷߹֨Λ࣮ݱ͢Δ
ࢦఆਤॻภΓա͗ ਓೳʢ"*ʣجૅࣝ ػցֶशͷੳख๏ σΟʔϓϥʔχϯά ɾ։ൃͷͨΊͷεϖοΫ ɾ$//ͱ3// ɾཱ֬·Ͱͷྺ࢙ ɾࣾձ࣮ ᶃ ᶄ
ᶅ
ิॆ͖͢Ұ͜Ε͚ͩ ਓೳʢ"*ʣجૅࣝ ػցֶशͷੳख๏ σΟʔϓϥʔχϯά ɾ։ൃͷͨΊͷεϖοΫ ɾ$//ͱ3// ɾཱ֬·Ͱͷྺ࢙ ɾࣾձ࣮ ᶃ ᶄ
ᶅ
ࢦఆਤॻ ЋͰ࠷߹֨Λ࣮ݱ͢Δ डݧʂ ఔͰ ͔ͬ͠Γप ௨ۈͷಡΈͱͯ͠͞Βͬͱ ཧʙ ྺ࢙͕ॏෳͯ͘͠ΔͷͰɺཧղ͕ਂ·Δ ˢްա͗ͯઌʹΔͱɺϝϯλϧ࣋ͨͳ͍ ˢઐతա͗ͯઌʹΔͱɺϝϯλϧ࣋ͨͳ͍
ɾΘ͔Βͳ͍୯ޠάάͬͨ΄͏͕٢ ɾྺ࢙ɺ۩ମతͳݚڀऀཱ֬͞Εͨ ख๏ϊʔτʹ·ͱΊΔ
͜Ε͚ͩσʔλαΠΤϯε ڭࢣ͋Γֶशͱڭࢣͳֶ͠शɺڧԽֶशͷҧ͍Λ ख๏ Έͦͷ෦ҐͰώτʹ͑Β͑Δ͔ʁ σʔλΫϨϯδϯάɾਖ਼نԽ͢Δཧ༝ΛཧղͰ͖ ͍ͯΔ͔ʁ ख๏͝ͱͷಘҙɾෆಘҙ͕େ·͔ʹཧղͰ͖͍ͯ
Δ͔ʁྨͱճؼͷ͍Ͳ͜Ζʁ
͜Ε͚ͩσʔλαΠΤϯε ڭࢣ͋Γֶश ओʹখ͕୲͏ɻֶशऀʹର͠ɺڭࣔऀ͕໌ࣔతʹਖ਼ྫΛఏࣔͨ͠ΓɺֶशऀͷޡΓΛࢦ ఠ͢Δ͜ͱͰɺֶशऀ͕ਖ਼͍͠ղΛಘΔ͜ͱΛॿ͚Δ ڭࢣͳֶ͠श ओʹେൽ࣭͕୲͏ɻ౷ܭతੑ࣭ɺ͋Δछͷ߆ଋ݅ʹΑΓೖྗύλʔϯΛྨͨ͠Γɺ நԽͨ͠Γ͢Δֶशɻ
ڧԽֶश ओʹɺେجఈ͕֩୲͏ɻ࠷ऴ݁Ռ్͘͠தܦաʹରͯ͠ɺͲͷఔΑ͔͔ͬͨΛࣔ ͢ʮใु৴߸ʯʹج͖ͮɺ͜ΕΒͷใुΛͳΔ͘େ͖͘͢ΔΑ͏ʹ୳ࡧ͢Δ
͜Ε͚ͩσʔλαΠΤϯε ڭࢣ͋Γֶश ޡࠩٯ๏˞ͱ͍͏ΞϧΰϦζϜΛཧղͭͭ͠ɺܾఆʢ%FDJTJPO5SFFʣͳͲΛʜ ڭࢣͳֶ͠श ओੳɺࣗݾ৫ԽϚοϓͳͲͷ࣍ݩѹॖʢ%JNFOTJPOBMJUZ$PNQSFTTJPOʣख๏ ڧԽֶश %2/
%FFQ2/FUXPSL͘͠ %FFQ2-FBSOJOH/FUXPSL %%2/ "$ "TZODISPOPVT"EWBOUBHF"DUPS$SJUJD
͜Ε͚ͩਓೳͷྺ࢙ ϒϨʔΫεϧʔΠϕϯτͰྺ࢙Λྨ ϒʔϜऴᖼͷཧ༝͕ɺख๏ͷ՝ཧղʹͭͳ͕Δ ຊ͕ੈքʹউͭͨΊʹʮମੑʯͷ֫ಘ ˠ ཁϩϘοτͷ࣮
͜Ε͚ͩਓೳͷྺ࢙ ୈ࣍"*ϒʔϜʮ୳ࡧɾਪͷ࣌ʯʢʣ ˠ τΠɾϓϩϒϨϜղ͚ͯɺݱ࣮ͷղ͚ͳ͍ ୈ࣍"*ϒʔϜʮࣝͷ࣌ʯʢʙʣ ˠ ֶशͰ͖Δ͕ɺΊͬͪΌ͔͔࣌ؒΔΜʢӬԕʜʣ ୈ࣍"*ϒʔϜʮػցֶशͱಛදݱֶशͷ࣌ʯ ˠจࣈೝࣝͳͲͷύλʔϯೝࣝͰج൫ٕज़͕ੵ σʔ
λ͕૿Ճ ˠ ίϯϐϡʔλ͕ࣗΒಛྔΛ࡞Γग़͢
͜Ε͚ͩσΟʔϓϥʔχϯά ը૾ ΈࠐΈχϡʔϥϧωοτʢ$//ʣ ࣗવݴޠʢςΩετʣ Ի ࠶ؼܕχϡʔϥϧωοτʢ3//ʣ
ͦͷ΄͔ʢྺ࢙ɺ૯ʣ ॱܕɺࣗݾූ߸ԽثɺӅΕϚϧίϑɺFUDʜ
͓ΘΓʹʜ࠷ۙࢥ͏͜ͱ ྲྀߦ͍ͬͯΔ͔Β ֶΜͰΈͨͱͯ͠
͓ΘΓʹʜ࠷ۙࢥ͏͜ͱ ֶΜͩࣝ Θͳ͍ͱΕΔ
͓ΘΓʹʜ࠷ۙࢥ͏͜ͱ ࣮͠ͳ͖Όͳʜ
࣮ʹ͚ͯ ͠ɺ͋ͳ͕ͨػցֶशʢ͋Δ͍%-ʣΛ͍͍ͨͳΒʜ ʢࢲ͕ɺػցֶशͱXFCΞϓϦΛབྷΊΔ্Ͱ࠷ۙॏཁͩͳͬͯࢥ͍ͬͯΔ͜ͱʣ ԿΛ༧ଌ͍͔ͨ͠ʁΑΓઌʹɺԿΛྨ͍͔ͨ͠ʁ ࣾձͰʮ͚Δਫ਼ʯ͕͍໘͔Βݟ͚ͭΑ͏ உঁͷ͚ํΛػցֶशͰ༧ଌ͢Δඞཁ͕͋Δͷ͔ʁ
σʔλ͕͋Δ͔ʁ͋Δ͍ɺೖख͍͔͢͠ʁ ఏڙऀɺ͋ͳͨʹσʔλΛఏڙ͢ΔϝϦοτ͕͋Δ͔ʁ ങ͍͍ͨͷΛઌಡΈͯ͘͠ΕΔͳΒɺങ͍ཤྺڭ͍͍͑ͯʁ
1ZUIPO HVJME)*%&'6,"/0 σʔλαΠΤϯεೖγϦʔζ ͱ ରࡦ +%-"%FFQ-FBSOJOHGPS(&/&3"- ͓ΘΓ