国または地域と言語

    国または地域と、言語を選んでください。

    おすすめ

      すべての国と地域

        キャラクターを選ぶ

        上部のバーとプロフィールに表示されます。いつでも変更できます。

        G検定 模擬試験 第1回

        145問を100分で解きます。目標は102問正解で、これは当サイトの練習の目安です。

        G検定の学習用に、層を重ねたニューラルネットワークの図、グラフのカード、天秤のアイコンを描いたイラスト。
        問題数
        145
        時間
        100分
        目標
        102 (70%)
        モード
        時間制限あり・なし
        利用
        無料

        このテストにはJavaScriptが必要です。問題は次のとおりです。

        1. 文字の読み取りや経路案内のように、かつては知的な処理と考えられていた技術も、実用化されて仕組みが知られると「単なる自動処理であり知能ではない」とみなされるようになる。この現象を表す用語として、最も適切なものを1つ選べ。

          1. AI効果
          2. シンボルグラウンディング問題
          3. 中国語の部屋
          4. トイ・プロブレム
        2. 人工知能のレベル分けにおいて、「ディープラーニングを取り入れた人工知能」を「機械学習を取り入れた人工知能」と区別する点として、最も適切なものを1つ選べ。

          1. 入力と出力の関係をデータから学習できる
          2. 予測に使う特徴量そのものをデータから学習できる
          3. 人が書いたルールを大量に組み合わせて推論できる
          4. 学習を行わずに探索だけで最適な行動を選べる
        3. 人工知能とロボットの関係についての説明として、最も適切なものを1つ選べ。

          1. 人工知能は主に考える部分を扱い、身体は必須ではない
          2. ロボットに組み込まれていないものは人工知能とは呼ばれない
          3. 人工知能の研究はロボットの研究の一分野として生まれた
          4. ロボットはすべて人工知能を搭載している
        4. 別室にいる相手と文字だけで会話し、判定者が相手を人間か機械か見分けられなければ、その機械には知能があるとみなす方法として、最も適切なものを1つ選べ。

          1. 中国語の部屋
          2. フレーム問題
          3. チューリングテスト
          4. ダートマス会議
        5. 辞書の定義だけで「シマウマ」という語を扱うシステムが、実際のシマウマの姿や手触りと語を結び付けられないという問題を表す用語として、最も適切なものを1つ選べ。

          1. フレーム問題
          2. 知識獲得のボトルネック
          3. シンボルグラウンディング問題
          4. 次元の呪い
        6. 人工知能が自分より賢い人工知能を作れるようになり、技術の進歩が人間には予測できない速さで進む転換点を指す用語として、最も適切なものを1つ選べ。

          1. シンギュラリティ(技術的特異点)
          2. 知識獲得のボトルネック
          3. トイ・プロブレム
          4. 第3次AIブーム
        7. 深さ優先探索の特徴として、最も適切なものを1つ選べ。

          1. 浅い順にすべての状態を調べるため、最短の解を必ず見つけられる
          2. 盤面の評価値が悪い手を相手が選ぶと仮定して手を決める
          3. ランダムに終局まで打ち進めた結果から手を評価する
          4. メモリは少なくてすむが、最短の解が見つかるとは限らない
        8. αβ法についての説明として、最も適切なものを1つ選べ。

          1. Mini-Max法より計算量は増えるが、より良い手を見つけられる
          2. Mini-Max法と同じ結果を、不要な枝を省いて少ない計算で得る
          3. 評価関数を使わず、終局までのランダムな試行で手を決める
          4. 相手が評価値を最大にする手を選ぶと仮定して探索する
        9. 囲碁のように盤面の評価関数を作りにくいゲームで、ある局面から終局までランダムな手を何度も打ち、その勝率で手の良さを評価する方法として、最も適切なものを1つ選べ。

          1. αβ法
          2. 幅優先探索
          3. ブルートフォース
          4. モンテカルロ法
        10. 質量分析で得られたデータから、未知の有機化合物の構造を推定するために開発された、初期のエキスパートシステムとして最も適切なものを1つ選べ。

          1. マイシン(MYCIN)
          2. Cycプロジェクト
          3. DENDRAL
          4. STRIPS
        11. 意味ネットワークで「タイヤは自動車の一部である」という知識を表すときに使う関係として、最も適切なものを1つ選べ。

          1. is-a の関係
          2. part-of の関係
          3. instance-of の関係
          4. 同義の関係
        12. ある分野の概念と、その概念どうしの関係を、コンピュータも人も共有できるように明示的に定めたものを表す用語として、最も適切なものを1つ選べ。

          1. コーパス
          2. データマイニング
          3. アノテーション
          4. オントロジー
        13. IBMが開発し、2011年にアメリカのクイズ番組で人間のチャンピオンに勝った質問応答システムとして、最も適切なものを1つ選べ。

          1. ワトソン
          2. アルファ碁(AlphaGo)
          3. ディープ・ブルー
          4. イライザ(ELIZA)
        14. 機械学習が注目されるようになった背景として、最も適切なものを1つ選べ。

          1. 専門家の知識をルールとして書き出す手間が不要になる法律ができた
          2. 探索・推論だけで現実の複雑な問題を解けるようになった
          3. コンピュータの計算能力が低下し、単純な手法が求められた
          4. 学習に使える大量のデータが手に入るようになった
        15. 大量のテキストデータから単語の出現の確率などを学び、その統計にもとづいて言語を処理する方法を何と呼ぶか。最も適切なものを1つ選べ。

          1. 統計的自然言語処理
          2. ルールベース機械翻訳
          3. 意味ネットワーク
          4. エキスパートシステム
        16. ECサイトで、利用者の閲覧や購入の履歴をもとに、その人が興味を持ちそうな商品を画面に表示する仕組みとして、最も適切なものを1つ選べ。

          1. スパムフィルタ
          2. レコメンデーションエンジン
          3. 質問応答システム
          4. 音声合成
        17. ヤン・ルカンらが開発し、誤差逆伝播法で学習する畳み込みニューラルネットワークとして手書き数字の認識に使われたモデルとして、最も適切なものを1つ選べ。

          1. ネオコグニトロン
          2. ResNet
          3. LeNet
          4. Transformer
        18. Google DeepMindが開発し、2016年にトップ棋士のイ・セドルに勝った囲碁のプログラムとして、最も適切なものを1つ選べ。

          1. ディープ・ブルー
          2. ワトソン
          3. アルファ碁(AlphaGo)
          4. ボナンザ
        19. ディープラーニングの発展を支えた、2万を超えるカテゴリに分類された大量の画像からなるデータセットとして、最も適切なものを1つ選べ。

          1. ImageNet
          2. MNIST
          3. GLUE
          4. コーパス
        20. 第1次から第3次までのAIブームと、それぞれの中心となった技術の組み合わせとして、最も適切なものを1つ選べ。

          1. 第1次は知識とエキスパートシステム、第2次は探索・推論、第3次は機械学習とディープラーニング
          2. 第1次は機械学習、第2次は探索・推論、第3次は知識とエキスパートシステム
          3. 第1次は探索・推論、第2次は知識とエキスパートシステム、第3次は機械学習とディープラーニング
          4. 第1次は探索・推論、第2次は機械学習とディープラーニング、第3次は知識とエキスパートシステム
        21. 教師あり学習で解く問題のうち、「回帰問題」に当たるものとして最も適切なものを1つ選べ。

          1. 受信したメールが迷惑メールかどうかを判定する
          2. 物件の広さや築年数から家賃の金額を予測する
          3. 購買履歴の似た顧客をいくつかのグループに分ける
          4. 手書きの数字の画像が0から9のどれかを判定する
        22. サポートベクターマシン(SVM)の考え方として、最も適切なものを1つ選べ。

          1. すべてのデータからの距離の合計が最小になるように境界を決める
          2. データを似たものどうしのグループに分け、各グループの中心を求める
          3. 境界と最も近いデータとの距離(マージン)を最大にする
          4. 複数の弱い分類器を順番に学習させ、誤りを次の分類器で補う
        23. 決定木についての説明として、最も適切なものを1つ選べ。

          1. 木を深くするほど、未知のデータに対する精度が必ず上がる
          2. 分岐の条件をたどれるので、判断の根拠を読み取りやすい
          3. 特徴量の値を事前に標準化しないと学習できない
          4. 分類問題だけに使え、回帰問題には使えない
        24. アンサンブル学習のバギングとブースティングの違いの説明として、最も適切なものを1つ選べ。

          1. バギングは順番に学習し、ブースティングは並列に学習する
          2. バギングは並列に、ブースティングは誤りを補いながら順番に学習する
          3. バギングは教師なし学習、ブースティングは教師あり学習の手法である
          4. バギングは1つのモデルだけを使い、ブースティングは複数のモデルを使う
        25. 勾配ブースティングについての説明として、最も適切なものを1つ選べ。

          1. 多数の決定木を独立に学習させ、それぞれの予測を平均する
          2. 特徴量の空間を高次元に写して、マージンが最大になる境界を探す
          3. 予測と正解の差を小さくする木を、順に加えていく
          4. 正解のラベルを使わずに、データの分布の特徴を学習する
        26. k-means法で、あるクラスタに3点(1, 2)、(3, 4)、(5, 9)が割り当てられたとき、更新後のクラスタの中心(重心)の座標として、最も適切なものを1つ選べ。

          1. (3, 5)
          2. (3, 4)
          3. (9, 15)
          4. (2, 3)
        27. 主成分分析(PCA)についての説明として、最も適切なものを1つ選べ。

          1. 正解のラベルを予測できるように、特徴量の重みを学習する
          2. 各データを最も近いクラスタの中心に割り当てる
          3. 文書に含まれる話題を、単語の出現の確率から推定する
          4. 分散が最大になる方向から順に軸を取り、次元を減らす
        28. 協調フィルタリングによる推薦の考え方として、最も適切なものを1つ選べ。

          1. 履歴の似た他の利用者の行動をもとに、商品を勧める
          2. 商品の色や素材などの属性を比べ、利用者が過去に選んだ商品に似たものを勧める
          3. 売上の多い順に、すべての利用者に同じ商品を勧める
          4. 利用者が入力した条件に合う商品を、検索の結果として表示する
        29. 大量のニュース記事について、各記事が複数の話題を一定の割合で含むと考え、単語の出現の傾向から話題を推定する手法として、最も適切なものを1つ選べ。

          1. 多次元尺度構成法(MDS)
          2. ウォード法
          3. 潜在的ディリクレ配分法(LDA)
          4. サポートベクターマシン
        30. 教師なし学習の説明として、最も適切なものを1つ選べ。

          1. 正解のラベルを使わず、データの構造やまとまりを見つける
          2. 入力と正解のペアから、未知の入力に対する正解を予測する
          3. 行動の結果として得られる報酬が最大になるように行動を学ぶ
          4. 人が書いたルールにしたがって、データを分類する
        31. 強化学習で、報酬が1手ごとに1ずつ3手続けて得られ、割引率が0.9のとき、最初の時点から見た割引報酬和はいくつか。最も適切なものを1つ選べ。

          1. 0.729
          2. 2.7
          3. 2.71
          4. 3
        32. 選べる行動が4つあり、ε=0.1のε-greedy方策で行動を選ぶ。探索時には4つの行動から等しい確率で1つを選ぶとき、現時点で価値が最も高い行動が選ばれる確率はいくつか。最も適切なものを1つ選べ。

          1. 0.1
          2. 0.9
          3. 0.925
          4. 0.975
        33. 強化学習の問題設定によく使われるマルコフ決定過程の性質として、最も適切なものを1つ選べ。

          1. 次の状態は、それまでのすべての状態の平均で決まる
          2. 報酬は最後の状態でだけ与えられ、途中では与えられない
          3. 次の状態と報酬が、現在の状態と行動だけで決まる
          4. 行動はつねに無作為に選ばれ、学習は行われない
        34. 方策勾配法の説明として、最も適切なものを1つ選べ。

          1. 行動価値関数を表に記録し、最大のQ値を持つ行動を選ぶ
          2. 方策をパラメータで表し、報酬の期待値が増える方向に直接更新する
          3. 無作為に行動した結果を記録し、最も報酬の多かった行動を正解とする
          4. 正解の行動を人が与え、その行動をまねるように学習する
        35. 強化学習で、ある状態から特定の行動をとったときに、その後に得られると期待される報酬の合計を表す関数として、最も適切なものを1つ選べ。

          1. 状態価値関数
          2. 行動価値関数
          3. 活性化関数
          4. 損失関数
        36. 不正取引を検知するモデルで、実際の不正60件のうち45件を不正と判定し、正常な取引のうち5件を誤って不正と判定した。再現率(recall)はいくつか。最も適切なものを1つ選べ。

          1. 0.25
          2. 0.69
          3. 0.75
          4. 0.9
        37. 200件の画像で犬かどうかを判定したところ、真陽性45件、偽陽性15件、偽陰性5件、真陰性135件だった。正解率(accuracy)はいくつか。最も適切なものを1つ選べ。

          1. 0.225
          2. 0.675
          3. 0.75
          4. 0.9
        38. ROC曲線とAUCについての説明として、最も適切なものを1つ選べ。

          1. AUCが0に近いほど識別の性能が高い
          2. ROC曲線は、横軸に適合率、縦軸に再現率を取って描く
          3. AUCはしきい値を一つに決めたときの正解率と同じ値になる
          4. AUCは1に近いほど性能が高く、0.5は無作為と同程度
        39. 1万件の取引のうち不正が100件しかないデータで、すべてを「正常」と判定するモデルを作った。このモデルについての説明として、最も適切なものを1つ選べ。

          1. 正解率が99%なので、不正の検知に十分な性能である
          2. 正解率は99%だが、不正を1件も検知できない
          3. 正解率は1%になり、性能が低いことがすぐにわかる
          4. 適合率と再現率がどちらも99%になる
        40. 1,000件のデータで5分割交差検証を行うとき、1回の学習に使うデータの件数と、学習と評価を行う回数の組み合わせとして、最も適切なものを1つ選べ。

          1. 学習に800件、5回
          2. 学習に200件、5回
          3. 学習に800件、1回
          4. 学習に1,000件、5回
        41. 8個のデータ2、4、4、4、5、5、7、9の標準偏差(偏差の2乗の平均の平方根)はいくつか。最も適切なものを1つ選べ。

          1. 2
          2. 4
          3. 5
          4. 32
        42. ある病気にかかっている人の割合が10%の集団で検査を行う。この検査は、病気の人を80%の確率で陽性とし、病気でない人を20%の確率で誤って陽性とする。陽性と出た人が実際に病気である確率に最も近いものを1つ選べ。

          1. 8%
          2. 31%
          3. 50%
          4. 80%
        43. ベクトルa=(3, 4)とb=(4, 3)のコサイン類似度はいくつか。最も適切なものを1つ選べ。

          1. 0.48
          2. 0.96
          3. 1
          4. 24
        44. 成功の確率が0.3の試行を独立に20回くり返したとき、成功の回数の期待値はいくつか。最も適切なものを1つ選べ。

          1. 0.3
          2. 4.2
          3. 6
          4. 14
        45. 夏にアイスクリームの売上と水難事故の件数がどちらも増えるため、両者に強い相関が見られた。この関係の説明として、最も適切なものを1つ選べ。

          1. 気温という共通の要因による疑似相関で、一方が他方の原因とはいえない
          2. 相関係数が高いので、アイスクリームの売上が事故の原因である
          3. 相関係数が高いので、水難事故がアイスクリームの売上を増やしている
          4. 二つの値の単位が違うので、相関係数は計算できない
        46. 単純パーセプトロンについての説明として、最も適切なものを1つ選べ。

          1. 隠れ層を何層も持つので、どんな関数でも表現できる
          2. 線形分離できないXORを学習できない
          3. 出力層を持たず、入力をそのまま次の層へ渡す
          4. 誤差逆伝播法を使わなければ、学習がまったくできない
        47. TPUの説明として、最も適切なものを1つ選べ。

          1. 画像を画面に描くために作られ、のちに機械学習にも使われるようになった汎用のプロセッサ
          2. Googleがテンソルの演算を速くするために開発した、機械学習向けの専用プロセッサ
          3. 複雑な処理を順番に実行することが得意な、コンピュータの中心となるプロセッサ
          4. 学習したモデルを小さくするために、重みを少ないビット数で表す手法
        48. シグモイド関数に0を入力したときの出力はいくつか。最も適切なものを1つ選べ。

          1. 0
          2. 0.25
          3. 0.5
          4. 1
        49. ReLU関数の説明として、最も適切なものを1つ選べ。

          1. 0以下の入力は0に、正の入力はそのまま出力する
          2. 入力を0から1の範囲の値に変換して出力する
          3. 入力を−1から1の範囲の値に変換して出力する
          4. 複数の出力の合計が1になるように変換する
        50. 住宅の価格のような連続値を予測する回帰問題で、よく使われる誤差関数として最も適切なものを1つ選べ。

          1. 交差エントロピー
          2. 平均二乗誤差関数
          3. Triplet Loss
          4. ソフトマックス関数
        51. 顔の画像の照合などで、同じ人物の画像の特徴は近くに、別の人物の画像の特徴は遠くに配置するように学習するときに使う誤差関数として、最も適切なものを1つ選べ。

          1. 平均二乗誤差関数
          2. Triplet Loss
          3. 交差エントロピー
          4. L2正則化
        52. L1正則化の特徴として、最も適切なものを1つ選べ。

          1. 重みの値を全体に小さくするが、0にはなりにくい
          2. 学習のたびにニューロンを無作為に無効にする
          3. 誤差が増え始めたところで学習を止める
          4. 不要な重みが0になりやすく、特徴量の選択に役立つ
        53. ドロップアウトの説明として、最も適切なものを1つ選べ。

          1. 不要になったニューロンを学習後に取り除き、モデルを小さくする
          2. 誤差が増え始めた時点で学習を打ち切る
          3. ミニバッチごとに出力を平均0、分散1にそろえる
          4. 学習のたびに一部のニューロンを無作為に無効にする
        54. L0正則化についての説明として、最も適切なものを1つ選べ。

          1. 0でない重みの個数を罰則とし、最適化が難しい
          2. 重みの絶対値の和を罰則とし、重みを0にしやすい
          3. 重みの2乗の和を罰則とし、重みを全体に小さくする
          4. 罰則を加えず、学習を途中で止める
        55. 関数z=(2x+1)の2乗をxで微分した値を、連鎖律を使ってx=1で求めるといくつか。最も適切なものを1つ選べ。

          1. 4
          2. 6
          3. 9
          4. 12
        56. ニューラルネットワークの学習で、出力の誤差に対して、どの重みがどれだけ影響したのかを決める難しさを指す問題として、最も適切なものを1つ選べ。

          1. フレーム問題
          2. 勾配爆発問題
          3. 信用割当問題
          4. 次元の呪い
        57. 勾配降下法で、重みw=2.0、その点の誤差の勾配が0.5、学習率が0.1のとき、1回更新した後の重みはいくつか。最も適切なものを1つ選べ。

          1. 1.5
          2. 1.8
          3. 1.95
          4. 2.05
        58. 学習率を大きくしすぎたときに起こりやすいこととして、最も適切なものを1つ選べ。

          1. 学習が非常に遅くなり、なかなか誤差が下がらない
          2. 必ず大域最適解にたどり着く
          3. 過学習が完全になくなる
          4. 誤差が最小の点を飛び越え、発散しやすくなる
        59. モーメンタムの説明として、最も適切なものを1つ選べ。

          1. パラメータごとに、過去の勾配の2乗の合計で学習率を小さくしていく
          2. 誤差が増え始めた時点で学習を止める
          3. 前回の更新の方向を引き継いで、振動を抑えつつ加速する
          4. ハイパーパラメータの組み合わせをすべて試す
        60. 入力が100個、出力が10個の全結合層に、出力ごとにバイアスがある場合、学習するパラメータの数はいくつか。最も適切なものを1つ選べ。

          1. 110
          2. 1,000
          3. 1,010
          4. 1,100
        61. 32×32の入力に、5×5のフィルタをストライド1、パディングなしで畳み込んだとき、出力の特徴マップの大きさはいくつか。最も適切なものを1つ選べ。

          1. 32×32
          2. 27×27
          3. 6×6
          4. 28×28
        62. 入力が3チャンネル(RGB)の画像に、3×3のフィルタ16枚の畳み込み層を使う。フィルタごとにバイアスが1つあるとき、この層のパラメータの数はいくつか。最も適切なものを1つ選べ。

          1. 144
          2. 160
          3. 432
          4. 448
        63. フィルタの要素の間に間隔をあけて畳み込むことで、パラメータを増やさずに広い範囲(受容野)を見る畳み込みとして、最も適切なものを1つ選べ。

          1. Depthwise Separable Convolution
          2. 最大値プーリング
          3. Dilated Convolution
          4. 全結合層
        64. Transformerでよく使われ、ミニバッチの大きさに関係なく、1つのデータの中の特徴全体で正規化する手法として、最も適切なものを1つ選べ。

          1. バッチ正規化
          2. インスタンス正規化
          3. グループ正規化
          4. レイヤー正規化
        65. 最大値プーリングの効果として、最も適切なものを1つ選べ。

          1. 学習するパラメータを増やし、表現力を高める
          2. 特徴マップの大きさを必ず大きくする
          3. 位置の小さなずれがあっても同じ特徴として扱いやすくなる
          4. すべての位置の値を平均して、ぼかしを入れる
        66. ResNetで使われるスキップ結合の働きとして、最も適切なものを1つ選べ。

          1. 層の出力の一部を無作為に0にして、過学習を防ぐ
          2. 入力を出力に直接足し、深くても勾配を伝えやすくする
          3. 特徴マップの大きさを半分にして、計算量を減らす
          4. 前の時刻の出力を次の時刻の入力に戻す
        67. LSTMの説明として、最も適切なものを1つ選べ。

          1. 畳み込みのフィルタで、画像の局所的な特徴を取り出す
          2. ゲートで記憶と忘却を制御し、長期の依存関係を学べる
          3. 層の入力を出力に足して、非常に深いネットワークを学習する
          4. 再帰の構造を使わず、Attentionだけで系列を処理する
        68. 時系列の過去から未来への方向と、未来から過去への方向の両方の情報を使うRNNとして、最も適切なものを1つ選べ。

          1. 双方向RNN(Bidirectional RNN)
          2. エルマンネットワーク
          3. ジョルダンネットワーク
          4. オートエンコーダ
        69. RNNの学習で使われる教師強制(teacher forcing)の説明として、最も適切なものを1つ選べ。

          1. 誤差が増え始めたところで学習を強制的に止める
          2. 勾配の大きさに上限を設けて、勾配爆発を防ぐ
          3. 時刻ごとの誤差を、時間をさかのぼって伝える
          4. 学習時に、前の時刻の予測ではなく正解を次の入力にする
        70. Transformerの特徴として、最も適切なものを1つ選べ。

          1. 時刻ごとに順番に計算するため、並列計算ができない
          2. 畳み込み層とプーリング層だけで構成される
          3. 入力の語順の情報を使わないので、位置の情報は不要である
          4. RNNを使わず、Attentionで要素の関係を計算する
        71. Attentionで使われるクエリ、キー、バリューの関係の説明として、最も適切なものを1つ選べ。

          1. クエリとキーの類似度で重みを決め、その重みでバリューを足し合わせる
          2. キーとバリューの類似度で重みを決め、その重みでクエリを足し合わせる
          3. クエリだけを使い、キーとバリューは学習のときにだけ使う
          4. 3つを単純に足し合わせて、次の層に渡す
        72. TransformerでSelf-Attentionと別に位置エンコーディングが必要な理由として、最も適切なものを1つ選べ。

          1. 計算を並列にできないので、位置で順番を決めるから
          2. 単語の意味を表す分散表現が使えないから
          3. 出力の確率の合計を1にするため
          4. Attentionだけでは、要素の順番がわからないから
        73. 変分オートエンコーダ(VAE)の特徴として、最も適切なものを1つ選べ。

          1. 潜在変数を使わず、入力をそのまま出力にコピーする
          2. 潜在変数を確率分布で表し、生成にも使える
          3. 生成器と識別器を競わせて学習する
          4. 入力の系列を別の系列に変換する
        74. VAEの亜種の説明として、最も適切なものを1つ選べ。

          1. β-VAEは潜在変数を使わず、入力を直接復元する
          2. VQ-VAEは潜在変数を離散的なコードで表す
          3. VQ-VAEは潜在変数を正規分布だけで表し、離散化は行わない
          4. info VAEは画像の生成をやめ、分類だけを行う
        75. 画像の一部の正方形の領域を塗りつぶして学習データを増やすデータ拡張の手法として、最も適切なものを1つ選べ。

          1. Cutout
          2. Mixup
          3. Random Flip
          4. CutMix
        76. 手書きの数字の画像でデータ拡張を行うとき、注意すべきこととして最も適切なものを1つ選べ。

          1. 変換はすべて行うほど精度が上がるので、制限は必要ない
          2. 「6」と「9」のように意味が変わる回転や反転は避ける
          3. データ拡張を行うと、検証データも同じように増やす必要がある
          4. 画像の明るさを変えると、必ずラベルも変える必要がある
        77. 画像の各画素にクラスを割り当てるが、同じクラスに属する別々の物体(2台の車など)は区別しないタスクとして、最も適切なものを1つ選べ。

          1. セマンティックセグメンテーション
          2. インスタンスセグメンテーション
          3. 物体検出
          4. 一般物体認識
        78. YOLOの特徴として、最も適切なものを1つ選べ。

          1. 1回の処理で位置とクラスを同時に予測し、高速に検出する
          2. 候補の領域を先に作り、その後で1つずつ分類する2段階の方式である
          3. 画素ごとにクラスを割り当て、物体の輪郭を正確に求める
          4. 人物の関節の位置を推定して、姿勢を求める
        79. 医療画像のセグメンテーションでよく使われ、エンコーダとデコーダの対応する層をスキップ結合でつないだU字型の構造を持つモデルとして、最も適切なものを1つ選べ。

          1. U-Net
          2. AlexNet
          3. SSD
          4. GoogLeNet
        80. 日本語の文を意味を持つ最小の単位に分け、それぞれの品詞などを判別する処理として、最も適切なものを1つ選べ。

          1. 形態素解析
          2. 構文解析
          3. 感情分析
          4. 文書要約
        81. ある単語が200語の文書の中に4回出てくる。全部で1,000件の文書のうち、この単語を含む文書は10件である。TFを出現回数÷文書の語数、IDFを常用対数log10(全文書数÷その単語を含む文書数)とするとき、TF-IDFの値はいくつか。最も適切なものを1つ選べ。

          1. 0.02
          2. 0.04
          3. 0.2
          4. 2
        82. 単語の分散表現(単語埋め込み)の性質として、最も適切なものを1つ選べ。

          1. 語彙の数と同じ次元を持ち、該当する単語の位置だけが1になる
          2. 単語の出現回数をそのまま並べたもので、意味の近さは表さない
          3. すべての単語が同じベクトルになるため、単語の区別がなくなる
          4. 意味の近い単語ほど近いベクトルになる
        83. アナログの音声をデジタルのデータに変えるA-D変換の手順の順番として、最も適切なものを1つ選べ。

          1. 量子化、標本化、符号化
          2. 符号化、量子化、標本化
          3. 標本化、量子化、符号化
          4. 標本化、符号化、量子化
        84. 音声の信号を、どの周波数の成分がどれだけ含まれるかに分解するために使われる計算方法として、最も適切なものを1つ選べ。

          1. 誤差逆伝播法
          2. FFT
          3. 主成分分析
          4. k-means法
        85. 2016年にDeepMindが発表し、音声の波形を直接生成して自然な音声合成を実現したモデルとして、最も適切なものを1つ選べ。

          1. BERT
          2. YOLO
          3. word2vec
          4. WaveNet
        86. DQN(Deep Q-Network)の工夫として、最も適切なものを1つ選べ。

          1. 経験をためて無作為に取り出す体験再生を使う
          2. 方策をパラメータで直接表し、行動価値関数は使わない
          3. 人が行動ごとに正解を付けたデータで教師あり学習する
          4. 画像を使わず、ゲームの内部の変数だけを入力にする
        87. DQNを改良した複数の手法(ダブルDQN、デュエリングネットワーク、ノイジーネットワークなど)を組み合わせた手法として、最も適切なものを1つ選べ。

          1. A3C
          2. PPO
          3. Rainbow
          4. AlphaStar
        88. 大規模言語モデルの調整に使われるRLHFの手順として、最も適切なものを1つ選べ。

          1. 人がすべての回答を書き、そのまま記憶させる
          2. 報酬を使わず、文章の次の単語の予測だけで学習する
          3. 人の好みから報酬モデルを作り、強化学習で調整する
          4. 画像の正解のラベルを人が付け、分類器を学習する
        89. シミュレーションで学習した方策を実際のロボットに移すとき、シミュレーションの摩擦や照明などの条件を無作為に変えて学習し、現実との違いに強くする手法として、最も適切なものを1つ選べ。

          1. 報酬成形
          2. オフライン強化学習
          3. 体験再生
          4. ドメインランダマイゼーション
        90. CycleGANの特徴として、最も適切なものを1つ選べ。

          1. 変換の前と後が対になった画像の組が必ず必要である
          2. 対になっていない画像の集まりから変換を学べる
          3. 画像ではなく、音声の波形だけを生成する
          4. 生成器だけを使い、識別器は使わない
        91. 拡散モデル(Diffusion Model)の考え方として、最も適切なものを1つ選べ。

          1. ノイズを加える過程の逆をたどり、画像を作る
          2. 生成器と識別器を競わせて、本物に近い画像を作る
          3. 入力を圧縮して、元の画像をそのまま復元する
          4. 画像を格子に分け、物体の位置とクラスを予測する
        92. 複数の視点から撮った写真をもとに、場面を3次元の連続的な関数として表し、撮影していない視点からの画像を作り出す手法として、最も適切なものを1つ選べ。

          1. Pix2Pix
          2. DCGAN
          3. Mask R-CNN
          4. NeRF
        93. 転移学習とファインチューニングの違いの説明として、最も適切なものを1つ選べ。

          1. 転移学習は追加した層だけを、ファインチューニングは全体も更新する
          2. 転移学習はすべての重みを最初から学習し、ファインチューニングは学習しない
          3. 転移学習は画像だけに、ファインチューニングは文章だけに使う
          4. 二つは同じ意味で、違いはまったくない
        94. 自己教師あり学習の説明として、最も適切なものを1つ選べ。

          1. 人がすべてのデータに正解のラベルを付けて学習する
          2. 報酬を最大にするように、環境の中で行動を学ぶ
          3. 少量のラベル付きデータと大量のラベルなしデータを組み合わせる
          4. データ自身から正解を作り、表現を学ぶ
        95. 新しいクラスについて、学習の例をそれぞれ数件だけ与えて識別できるようにする設定として、最も適切なものを1つ選べ。

          1. バッチ学習
          2. 体験再生
          3. Few-shot
          4. 早期終了
        96. CLIPの学習の方法として、最も適切なものを1つ選べ。

          1. 画像だけを使い、隠した画素を予測するように学ぶ
          2. 文章だけを使い、次の単語を予測するように学ぶ
          3. 人が付けた1,000クラスのラベルで画像の分類器を学ぶ
          4. 画像と説明文の組で、対応する組を近づける
        97. 画像と文章のように、種類の異なる複数のデータを組み合わせて扱うことを何と呼ぶか。最も適切なものを1つ選べ。

          1. マルチタスク学習
          2. マルチモーダル
          3. アンサンブル学習
          4. ミニバッチ学習
        98. 画像分類のCNNで、予測したクラスについての勾配を使い、画像のどの部分が判断に影響したかをヒートマップで示す手法として、最も適切なものを1つ選べ。

          1. LIME
          2. Permutation Importance
          3. k分割交差検証
          4. Grad-CAM
        99. 学習済みのモデルで、ある特徴量の値だけを無作為に並べ替えたときに精度がどれだけ下がるかで、その特徴量の重要度を測る手法として、最も適切なものを1つ選べ。

          1. Grad-CAM
          2. Permutation Importance
          3. ドロップアウト
          4. データ拡張
        100. 大きなモデル(教師)の出力を手本にして、小さなモデル(生徒)を学習させ、性能をあまり落とさずに軽量化する手法として、最も適切なものを1つ選べ。

          1. 量子化
          2. プルーニング
          3. 蒸留
          4. データ拡張
        101. 大きなネットワークの中には、初期値のまま取り出して学習しても、元のネットワークと同程度の精度に達する小さな部分のネットワークが含まれているという仮説として、最も適切なものを1つ選べ。

          1. ノーフリーランチの定理
          2. 二重降下現象
          3. オッカムの剃刀
          4. 宝くじ仮説
        102. データ分析のプロジェクトの進め方を示すCRISP-DMの工程の順番として、最も適切なものを1つ選べ。

          1. データの準備、ビジネスの理解、モデリング、データの理解、展開、評価
          2. モデリング、評価、ビジネスの理解、データの理解、データの準備、展開
          3. ビジネスの理解、モデリング、データの準備、展開、データの理解、評価
          4. ビジネスの理解、データの理解、データの準備、モデリング、評価、展開
        103. 運用中の需要予測のモデルで、半年後に精度が下がってきた。調べると、利用者の行動が変わり、入力のデータの分布が学習時と違ってきていた。運用で行うべきこととして、最も適切なものを1つ選べ。

          1. 学習時に精度が高かったので、そのまま使い続ける
          2. モデルを停止し、二度と機械学習を使わない
          3. テストデータを学習データに混ぜて精度を高く見せる
          4. 入力と精度を監視し、必要なら再学習する
        104. 開発したモデルの実行に必要なライブラリやその版を含めた環境をまとめ、別のサーバーでも同じように動かせるようにする技術として、最も適切なものを1つ選べ。

          1. Jupyter Notebook
          2. Docker(コンテナ)
          3. Web API
          4. CRISP-DM
        105. CRISP-DMに、機械学習の品質の保証や運用中の監視の考え方を加えて発展させたプロセスモデルとして、最も適切なものを1つ選べ。

          1. BPR
          2. ウォーターフォール
          3. CRISP-ML
          4. Docker
        106. 画像に写った物体の種類を人が一つずつ付ける作業で、作業者によって判断がばらつかないようにするための対策として、最も適切なものを1つ選べ。

          1. 判断の基準と例を手順書にし、作業者の一致を確かめる
          2. 作業を速くするため、判断に迷うものは無作為にラベルを付ける
          3. 作業者ごとに自由な基準でラベルを付けてもらう
          4. ラベルの品質は確認せず、件数だけを増やす
        107. 売上の時系列データで将来の需要を予測するモデルを評価するとき、学習データと評価データの分け方として、最も適切なものを1つ選べ。

          1. データを無作為に並べ替えてから、学習と評価に分ける
          2. 古い期間で学習し、それより新しい期間で評価する
          3. 同じ期間のデータを、学習と評価の両方に使う
          4. 新しい期間で学習し、古い期間で評価する
        108. 複数の会社がそれぞれのデータを持ち寄ってAIを共同開発するときに、あらかじめ決めておくべきこととして、最も適切なものを1つ選べ。

          1. 各社のデータを、条件を決めずにすべて自由に使えるようにすること
          2. 成果物の権利は、必ずデータの量が最も多い会社のものとすること
          3. データの利用の範囲や、成果物の権利の帰属と利用の条件
          4. 個人情報が含まれていても、共同開発なら本人の同意は不要とすること
        109. 個人情報保護法の「個人情報」に当たらないものとして、最も適切なものを1つ選べ。

          1. すでに亡くなった人だけに関する情報
          2. 本人だとわかる顔が写った防犯カメラの画像
          3. 社員番号と氏名を並べた社内の名簿
          4. 本人の指紋を読み取ったデータ
        110. 個人情報保護法の「要配慮個人情報」に当たるものとして、最も適切なものを1つ選べ。

          1. 勤務先の会社の名前
          2. 趣味として登録したスポーツの種類
          3. オンラインの店での購買の履歴
          4. 病院で診断された病歴
        111. 個人データを本人の同意なく提供しても、個人情報保護法上の「第三者」への提供に当たらないものとして、最も適切なものを1つ選べ。

          1. 必要な範囲で、分析の業務を外部に委託するときの提供
          2. 自社の商品の宣伝のために、取引先の会社に顧客の名簿を渡す提供
          3. 新規事業の検討のために、グループの別会社に顧客の購買履歴を渡す提供
          4. 研究に協力してもらうため、大学に顧客の氏名と住所を渡す提供
        112. 著作権法の「著作物」に当たらないものとして、最も適切なものを1つ選べ。

          1. 社員が業務で書いた解説の記事
          2. ある日の東京の最高気温の記録
          3. 写真家が構図を工夫して撮った写真
          4. エンジニアが書いたプログラムのソースコード
        113. 著作権法第30条の4の「著作権者の利益を不当に害することとなる場合」に当たる典型的な例として、最も適切なものを1つ選べ。

          1. インターネットで公開されている大量の文章を、言語の統計の分析に使う
          2. 情報解析用に販売されているデータベースを、購入せず複製して使う
          3. 自社が撮影した写真を、自社のモデルの学習に使う
          4. 著作権が消滅した古い小説を学習に使う
        114. 生成AIを使って作った画像の著作物性についての説明として、最も適切なものを1つ選べ。

          1. 人が創作的に寄与せず、AIが自律的に生成した画像は著作物でない
          2. AIで生成した画像は、どのようなものでもAIの開発会社の著作物になる
          3. 短い指示を一言入力しただけでも、必ず入力した人の著作物になる
          4. AIで生成した画像は、どのような場合でも著作物になることはない
        115. 特許法の「発明」に当たるものとして、最も適切なものを1つ選べ。

          1. 研究者が新しく見つけた、計算を速くする数学の公式そのもの
          2. 新しく考えたボードゲームのルール
          3. 自然界に存在する法則そのもの
          4. 自然法則を利用した、欠陥を検出する装置の仕組み
        116. 特許の要件の「進歩性」の説明として、最も適切なものを1つ選べ。

          1. 出願の時点で、その発明が世の中の誰にも知られていないこと
          2. 工場などで実際に使える技術であること
          3. 発明者が自然人であること
          4. その分野の専門家が容易に発明できないこと
        117. 特許権と営業秘密による保護の違いとして、最も適切なものを1つ選べ。

          1. 特許も営業秘密も、出願して登録しなければ保護されない
          2. 営業秘密は、ほかの会社が独自に同じ技術を開発しても、その利用を止められる
          3. 特許は公開と引き換えに独占権を得て、営業秘密は秘密の間だけ守られる
          4. 特許の保護期間には限りがなく、永久に独占できる
        118. 自社で集めた学習データを営業秘密として保護したい。秘密管理性を満たすための対策として、最も適切なものを1つ選べ。

          1. 社内の誰もが自由に見られる共有フォルダに保存する
          2. 取引先にも制限なく自由に配る
          3. データの価値が高いことを社内報で宣伝する
          4. 「部外秘」と表示し、アクセスできる社員を限定する
        119. 会員企業にだけ、ID・パスワードを発行して大量の気象の観測データを有償で提供している。このデータを不正な手段で取得して使った者に対して、不正競争防止法で考えられる保護として、最も適切なものを1つ選べ。

          1. 会員に提供しているので営業秘密に当たり、必ず刑事罰が科される
          2. 限定提供データとして、差止めや損害賠償を請求できうる
          3. 気象のデータは事実なので、どのような取得も自由である
          4. 特許を取得していないので、保護はまったく受けられない
        120. 大量の利用者のデータを持つデジタルプラットフォームの事業者が、取引先の事業者に対して、取引上の優位な立場を使い、不当にデータの無償の提供を強いた。独占禁止法の観点からの説明として、最も適切なものを1つ選べ。

          1. 優越的地位の濫用として問題になりうる
          2. 契約書に書かれていれば、どのような内容でも問題にならない
          3. データは物ではないので、独占禁止法の対象外である
          4. 取引先が同意していれば、どのような場合でも問題にならない
        121. データを多く持つ企業どうしの合併や買収について、独占禁止法の観点からの説明として、最も適切なものを1つ選べ。

          1. データの集積による競争への影響も、審査で考慮されうる
          2. データは目に見えないので、企業結合の審査では一切考慮されない
          3. 売上が小さい会社の買収は、どのような場合でも問題にならない
          4. 外国の会社どうしの合併は、日本の市場に影響しても対象外である
        122. 請負契約と準委任契約の違いの説明として、最も適切なものを1つ選べ。

          1. 請負は業務を適切に行うことに、準委任は仕事の完成に対価が支払われる
          2. 請負は仕事の完成に、準委任は業務を適切に行うことに対価が支払われる
          3. どちらも仕事の完成を約束する契約で、違いはない
          4. 準委任契約では、受託者は何の注意義務も負わない
        123. AIの開発契約で、学習済みモデルの精度について一般に注意すべきこととして、最も適切なものを1つ選べ。

          1. どのようなデータに対しても、100%の精度を保証させる
          2. 精度については契約で一切触れず、後から話し合う
          3. 精度が出なければ、理由にかかわらず受託者が全額を返金する
          4. 精度の保証の有無や、評価の条件を明確にする
        124. AIの開発契約で、学習済みモデルなどの成果物の知的財産の扱いについての説明として、最も適切なものを1つ選べ。

          1. 成果物の権利は、法律によって必ず利用者(委託者)に帰属する
          2. 帰属と利用の条件を分けて、柔軟に定められる
          3. 成果物の権利は、どのような契約でも必ず開発者に帰属し、利用者は使えない
          4. 学習用のデータセットは成果物ではないので、扱いを決める必要はない
        125. 取引先から秘密保持契約のもとで受け取った資料を、外部の生成AIのサービスに入力して要約させたい。注意すべきこととして、最も適切なものを1つ選べ。

          1. 提供者に利用されうるなら、NDAの目的外の開示に当たりうる
          2. 生成AIは人ではないので、入力しても情報の開示に当たることはない
          3. 要約するだけなら、秘密保持契約の対象外になる
          4. 無料のサービスなら、入力した情報は必ず保存されない
        126. SaaS型のAIサービスの契約で、提供者が結果の精度を保証しない条項が置かれることが多い理由として、最も適切なものを1つ選べ。

          1. 提供者は、サービスに関する一切の責任を負わなくてよいと法律で決まっているから
          2. AIの結果は、必ず100%正しいことがわかっているから
          3. 利用者は結果を使ってはならないと決まっているから
          4. 利用者ごとに入力するデータが異なり、結果の精度を事前に約束しにくいから
        127. AIの規律の方法のうち、ソフトローの説明として最も適切なものを1つ選べ。

          1. 法律で義務を定め、違反には罰則を科して守らせる方法
          2. 一度定めると改正できない、最も強い規律の方法
          3. 国が定めるもので、企業や業界団体が作ることはない
          4. 拘束力のない指針などで、見直しやすい
        128. EUのAI法(AI Act)で、許容できないリスクとして禁止されているものの例として、最も適切なものを1つ選べ。

          1. 迷惑メールを自動で振り分けるフィルタ
          2. チャットボットで顧客の問い合わせに答えること
          3. 人を点数化して不当に扱うソーシャルスコアリング
          4. 工場の機械の故障を予測すること
        129. プライバシー・バイ・デザインの考え方として、最も適切なものを1つ選べ。

          1. サービスを公開した後に問題が起きてから、プライバシーの対策を考える
          2. プライバシーの保護よりも、機能の追加を常に優先する
          3. 設計の段階からプライバシーの保護を組み込む
          4. 利用者がすべての設定を自分で探して変更する前提にする
        130. ある店のアプリの購買の履歴から、利用者が本人の公表していない健康の状態を推定し、それに関連する広告を出していた。この事例が示すプライバシーの問題として、最も適切なものを1つ選べ。

          1. データを集める段階で、購買の履歴を盗み出したことの問題
          2. 広告の文章に誤字が多かったことの問題
          3. 本人が明かしていない情報を推論する問題
          4. 購買の履歴の件数が少なかったことの問題
        131. 採用の選考のモデルから性別の項目を削除したが、性別と強く関係する別の項目が残っていたため、結果として性別による差が残った。この別の項目を表す用語として、最も適切なものを1つ選べ。

          1. 目的変数
          2. 代理変数
          3. ハイパーパラメータ
          4. 潜在変数
        132. 2018年に報道された、ある大手IT企業が試験的に作った採用のAIの事例が示した問題として、最も適切なものを1つ選べ。

          1. 過去のデータの偏りから、女性に不利な評価を学んでいた
          2. 応募者の数が多すぎて、計算が終わらなかった
          3. 採用の担当者が使い方を知らず、一度も使われなかった
          4. すべての応募者を合格と判定した
        133. 学習に使うデータに、攻撃者が意図的に誤ったデータを混ぜ込み、モデルの判断をゆがめる攻撃として、最も適切なものを1つ選べ。

          1. モデル窃取
          2. データ汚染
          3. Adversarial Attack
          4. フィルターバブル
        134. 学習済みのモデルの出力を分析して、学習に使われた個人の情報などを推測し、取り出す攻撃を、シラバスの用語で何と呼ぶか。最も適切なものを1つ選べ。

          1. モデル汚染
          2. データ拡張
          3. データ窃取
          4. 報酬成形
        135. 生成AIで作られた偽の情報(フェイクニュース)の拡散への対策として、最も適切なものを1つ選べ。

          1. 出所を示す技術やファクトチェックで、真偽を確かめやすくする
          2. 生成AIで作った情報は、出所を示さずに広く共有する
          3. 話題になっている情報は、確認せずにすぐ拡散する
          4. 偽の情報を見分けるのは利用者の責任なので、提供者は何もしない
        136. 深層学習のモデルが「ブラックボックス」と呼ばれる理由として、最も適切なものを1つ選べ。

          1. 学習に使ったデータが必ず黒い画像だから
          2. 判断の過程が複雑で、人が理解しにくいから
          3. 推論の結果が、どのような場合でも必ず間違っているから
          4. 学習が一度も行われていないから
        137. 検索やSNSが利用者の好みに合う情報ばかりを表示し、利用者が自分の見たい情報に囲まれて、ほかの視点に触れにくくなる現象として、最も適切なものを1つ選べ。

          1. ディープフェイク
          2. データ汚染
          3. フィルターバブル
          4. AI効果
        138. 選挙で、SNSの利用者のデータから政治的な傾向を推定し、人ごとに異なる広告を出して投票の行動に影響を与えようとすることが問題とされる理由として、最も適切なものを1つ選べ。

          1. 広告の費用が安くなりすぎるから
          2. 気付かれないまま判断が操作されうるから
          3. 選挙の投票の時間が長くなるから
          4. 広告の画像の解像度が低くなるから
        139. 大規模なモデルの学習と運用が環境に与える影響についての取り組みとして、最も適切なものを1つ選べ。

          1. 電力や排出量を見積もり、見合った規模を選ぶ
          2. 精度がわずかでも上がるなら、規模を際限なく大きくし続ける
          3. 運用の段階の推論では、電力をまったく使わない
          4. 電力の消費量は記録せず、公表もしない
        140. 業務の多くをAIに任せた結果、担当者が自分で判断する機会が減り、AIが使えないときに対応できなくなった。この問題を表す用語として、最も適切なものを1つ選べ。

          1. 労働力の過剰
          2. 過学習
          3. 信用割当問題
          4. スキルの喪失
        141. 少子高齢化が進む日本で、AIの活用が期待されている理由として、最も適切なものを1つ選べ。

          1. 働き手が増えすぎているため、仕事を減らす必要がある
          2. AIを使うと、教育が一切不要になる
          3. AIは人がいる職場では使えない
          4. 労働力不足を補うことが期待されている
        142. 亡くなった歌手の声や姿をAIで再現して新しい歌を披露させる取り組みについて、議論になる論点として、最も適切なものを1つ選べ。

          1. 死者への敬意をどう考えるか
          2. 再現に使う計算機の価格が高すぎること
          3. 歌の音程が正確すぎること
          4. 再現した映像の解像度が低いこと
        143. AIのサービスを設計するとき、インクルージョン(包摂性)の観点から望ましいこととして、最も適切なものを1つ選べ。

          1. 多様な人が使えるように配慮する
          2. 最も多い利用者層だけに合わせて設計する
          3. 特定の言語を話す人だけが使えるように制限する
          4. 使い方が難しくても、説明は用意しない
        144. 医療の診断を支援するAIで、最終的な判断を医師が行う仕組みにしておく理由として、最も適切なものを1つ選べ。

          1. AIは必ず正しいので、医師の確認は形式だけでよいから
          2. AIの誤りを人が確かめ、責任の所在を明確にできるから
          3. 医師が関わるとAIの精度が必ず下がるから
          4. 法律で、AIの使用が禁止されているから
        145. 企業がAIを利用する方針(AIポリシー)を定めて公表することの意義として、最も適切なものを1つ選べ。

          1. 公表すれば、AIによる問題は一切起きなくなる
          2. 公表すれば、法律を守る必要がなくなる
          3. 方針は、開発の担当者だけが知っていればよい
          4. 判断の基準をそろえ、社外に姿勢を示せる

        このセットの出題内容

        • 人工知能の定義3問
        • 人工知能分野で議論される問題3問
        • 探索・推論3問
        • 知識表現とエキスパートシステム4問
        • 機械学習3問
        • ディープラーニング4問
        • 教師あり学習5問
        • 教師なし学習5問
        • 強化学習5問
        • モデルの選択・評価5問
        • AIに必要な数理・統計知識5問
        • ニューラルネットワークとディープラーニング2問
        • 活性化関数2問
        • 誤差関数2問
        • 正則化3問
        • 誤差逆伝播法2問
        • 最適化手法3問
        • 全結合層1問
        • 畳み込み層3問
        • 正規化層1問
        • プーリング層1問
        • スキップ結合1問
        • 回帰結合層3問
        • Attention3問
        • オートエンコーダ2問
        • データ拡張2問
        • 画像認識3問
        • 自然言語処理3問
        • 音声処理3問
        • 深層強化学習4問
        • データ生成3問
        • 転移学習・ファインチューニング3問
        • マルチモーダル2問
        • モデルの解釈性2問
        • モデルの軽量化2問
        • AIプロジェクトの進め方4問
        • データの収集・加工・分析・学習3問
        • 個人情報保護法3問
        • 著作権法3問
        • 特許法3問
        • 不正競争防止法2問
        • 独占禁止法2問
        • AI開発委託契約3問
        • AIサービス提供契約2問
        • 国内外のガイドライン2問
        • プライバシー2問
        • 公平性2問
        • 安全性とセキュリティ2問
        • 悪用1問
        • 透明性1問
        • 民主主義2問
        • 環境保護1問
        • 労働政策2問
        • その他の重要な価値2問
        • AIガバナンス2問

        次へ:模擬試験 第2回

        この試験のほかの練習

        1. 模擬試験 第2回145問 · 100分
        2. ミニテスト 30問30問 · 21分

        G検定の練習問題一覧

        一般社団法人日本ディープラーニング協会(JDLA)とは関係のない独自の練習です。問題はすべて当サイトのオリジナルで、JDLAの例題や過去問題ではありません。

        Your Work Gym account

        Save your progress and pick up on another device. Your browser's progress comes with you.

        or

        You can keep practicing without an account.

        ヘルプとフィードバック

        質問、うまく動かない点、アイデアなどをお寄せください。メールで返信します。

        どのような内容ですか?

        返信のためだけに使用します。