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2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
        試験パス

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

        1. 室温が設定値を上回ると冷房を強め、下回ると弱めるという、あらかじめ人が決めた規則だけで動くエアコンは、人工知能のレベル分けでどれに当たるか。最も適切なものを1つ選べ。

          1. 古典的な人工知能
          2. 単純な制御プログラム
          3. 機械学習を取り入れた人工知能
          4. ディープラーニングを取り入れた人工知能
        2. 周囲の環境の状態を観測し、その状態に応じて行動を選び、環境に働きかける主体のことを、人工知能の分野で何と呼ぶか。最も適切なものを1つ選べ。

          1. エージェント
          2. オントロジー
          3. コーパス
          4. ヒューリスティクス
        3. 「人工知能(Artificial Intelligence)」という言葉が初めて使われたとされる、1956年に開かれた研究集会はどれか。最も適切なものを1つ選べ。

          1. ローブナーコンテスト
          2. ダートマス会議
          3. ILSVRC
          4. 東ロボくんプロジェクト
        4. 哲学者ジョン・サールが提示した「中国語の部屋」の思考実験が主張していることとして、最も適切なものを1つ選べ。

          1. 機械が人間と区別できない会話をすれば、その機械は意味を理解している
          2. 記号を規則どおりに操作して正しく答えても、理解しているとはいえない
          3. 記号と実世界の対象を結び付けるには、身体を通じた経験が欠かせない
          4. 機械が中国語を学ぶには、膨大な対訳データが必要になる
        5. 知能の成立には、身体を通じて環境と関わり、感覚と運動の経験を得ることが重要だとする考え方を表す用語として、最も適切なものを1つ選べ。

          1. 身体性
          2. 弱いAI
          3. シンギュラリティ
          4. AI効果
        6. ジョン・サールによる「強いAI」と「弱いAI」の区別のうち、「弱いAI」の説明として最も適切なものを1つ選べ。

          1. 特定の分野だけで人間を上回る性能を持つ人工知能
          2. 性能が低く、実用に耐えない人工知能
          3. 心を持つ必要はなく、役に立つ道具であればよいとする立場
          4. 正しく設計されれば人間と同じ意味で心を持ちうるとする立場
        7. 幅優先探索の特徴として、最も適切なものを1つ選べ。

          1. 記憶する状態が少なくてすむが、見つかる解が最短とは限らない
          2. 評価関数で有望な枝だけを調べるため、計算量が必ず少なくてすむ
          3. 最短の解を必ず見つけられるが、メモリを多く使う
          4. 相手が自分に最も不利な手を選ぶと仮定して手を決める
        8. 対戦型ゲームの探索で使われるMini-Max法の考え方として、最も適切なものを1つ選べ。

          1. 自分と相手のどちらも評価値が最大になる手を選ぶと仮定する
          2. 評価が不要な枝を切り捨てて、探索する局面を減らす
          3. 自分は評価値を最大に、相手は最小にする手を選ぶと仮定する
          4. 終局までランダムに打った結果の勝率で手を選ぶ
        9. ロボットの行動計画(プランニング)で、行動を「前提条件」「行動」「結果」の三つの組で記述する方法として、最も適切なものを1つ選べ。

          1. STRIPS
          2. SHRDLU
          3. MYCIN
          4. ELIZA
        10. 3本の柱と大きさの異なる円盤を使うハノイの塔で、円盤が5枚のとき、すべての円盤を別の柱に移すのに必要な最少の移動回数はいくつか。最も適切なものを1つ選べ。

          1. 15
          2. 25
          3. 31
          4. 32
        11. 1970年代にスタンフォード大学で開発され、血液中の細菌感染症を診断して適した抗生物質を提案した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. DENDRAL
          2. イライザ(ELIZA)
          3. SHRDLU
          4. マイシン(MYCIN)
        12. 1960年代にジョセフ・ワイゼンバウムが開発した会話プログラムで、入力文のパターンに合わせてあらかじめ用意した文を返すだけでも、利用者が相手に知性を感じてしまったことで知られるものはどれか。最も適切なものを1つ選べ。

          1. ワトソン
          2. SHRDLU
          3. イライザ(ELIZA)
          4. マイシン(MYCIN)
        13. 意味ネットワークに「柴犬 is-a 犬」「犬 is-a 哺乳類」「哺乳類 has-a 背骨」が記述されているとき、推論によって導けることとして最も適切なものを1つ選べ。

          1. 哺乳類は柴犬の一種である
          2. 柴犬は哺乳類であり、背骨を持つ
          3. 背骨は柴犬の一種である
          4. 犬はすべて柴犬である
        14. 人が持つ一般常識をすべてコンピュータに入力することを目指して、1984年に始まったプロジェクトとして最も適切なものを1つ選べ。

          1. Cycプロジェクト
          2. 東ロボくん
          3. ワトソン
          4. セマンティックWeb
        15. 機械学習で、特徴量の数(次元)が増えるにつれて、同じ精度を得るために必要なデータの量が急激に増えてしまう問題を何と呼ぶか。最も適切なものを1つ選べ。

          1. 知識獲得のボトルネック
          2. 次元の呪い
          3. 勾配消失問題
          4. 過学習
        16. 受信したメールを、過去にラベルを付けたメールから学んだ規則で迷惑メールと通常のメールに自動で振り分ける仕組みとして、最も適切なものを1つ選べ。

          1. レコメンデーションエンジン
          2. スパムフィルタ
          3. エキスパートシステム
          4. 形態素解析
        17. 1980年ごろに福島邦彦が発表した、視覚野の神経細胞の働きをまねたS細胞とC細胞の層を重ねたモデルで、畳み込みニューラルネットワークの原型とされるものはどれか。最も適切なものを1つ選べ。

          1. LeNet
          2. パーセプトロン
          3. ネオコグニトロン
          4. AlexNet
        18. 2012年の画像認識コンテストILSVRCで、ジェフリー・ヒントンのチームがディープラーニングを使い、従来の手法を大きく上回る精度で優勝した。このとき使われたモデルとして最も適切なものを1つ選べ。

          1. GoogLeNet
          2. AlexNet
          3. LeNet
          4. VGG
        19. ニューラルネットワークは、何の仕組みを手本にして考えられたモデルか。最も適切なものを1つ選べ。

          1. 人間の脳の神経回路
          2. 生物の遺伝の仕組み
          3. アリの集団の行動
          4. 電話の交換機の回路
        20. 文章や画像、音声などの新しいコンテンツを作り出す人工知能を総称して何と呼ぶか。最も適切なものを1つ選べ。

          1. エキスパートシステム
          2. 弱いAI
          3. 識別モデル
          4. 生成AI
        21. ロジスティック回帰についての説明として、最も適切なものを1つ選べ。

          1. 名前のとおり連続値を予測する回帰問題だけに使われる
          2. 名前は回帰だが、確率を出力して分類に使う
          3. 正解のラベルを使わずにデータをグループに分ける手法である
          4. 複数の決定木の多数決で予測を決める手法である
        22. サポートベクターマシンで使われるカーネルトリックについての説明として、最も適切なものを1つ選べ。

          1. 学習データの一部を無作為に取り出して、複数のモデルを作る
          2. マージンの内側に入るデータを学習から除外して、計算を速くする
          3. 高次元へ写した後の内積を、写像を計算せずに求める
          4. 特徴量の数を減らして、2次元の図に描けるようにする
        23. ランダムフォレストについての説明として、最も適切なものを1つ選べ。

          1. 1本の決定木をできるだけ深くして、すべての訓練データを正しく分類する
          2. 無作為に選んだデータと特徴量で多数の木を作り、結果をまとめる
          3. 前の決定木の誤りを次の決定木が補うように、木を順番に学習する
          4. 特徴量の次元を減らしてから、1本の決定木で予測する
        24. ブートストラップサンプリングの説明として、最も適切なものを1つ選べ。

          1. 元のデータを重複なく均等にk個に分ける
          2. 重複を許して無作為に取り出し、同じ大きさの標本を作る
          3. 時間の古い順に並べ、前半を学習用、後半を評価用にする
          4. 外れ値を取り除いてから、残りのデータをすべて使う
        25. 重回帰分析で、説明変数どうしの相関が非常に強いときに起こりやすい問題として、最も適切なものを1つ選べ。

          1. 目的変数が連続値でなくなり、回帰分析が使えなくなる
          2. 説明変数が1つだけの単回帰分析に自動で切り替わる
          3. 回帰係数の推定が不安定になり、係数の解釈が難しくなる
          4. データの件数が自動で減り、学習が速くなる
        26. k-means法の手順として、最も適切なものを1つ選べ。

          1. kを決め、近い中心への割り当てと中心の再計算をくり返す
          2. 最も近いデータどうしを順に併合して、すべてが一つになるまで樹形図を作る
          3. データの分散が最大になる方向に新しい軸を取り、次元を減らす
          4. 正解のラベルとの誤差が小さくなるように、重みを更新していく
        27. 階層的クラスタリングの結果を、データが併合されていく過程を樹のような図で示したものを何と呼ぶか。最も適切なものを1つ選べ。

          1. 混同行列
          2. デンドログラム(樹形図)
          3. ROC曲線
          4. 散布図行列
        28. 高次元のデータの近さの関係をなるべく保ったまま2次元や3次元に写し、データの構造を図で確かめるためによく使われる手法として、最も適切なものを1つ選べ。

          1. ランダムフォレスト
          2. ロジスティック回帰
          3. t-SNE
          4. k分割交差検証
        29. 推薦システムで、新しく登録された利用者や商品に行動の履歴がまだないため、うまく推薦できない問題を何と呼ぶか。最も適切なものを1つ選べ。

          1. 次元の呪い
          2. 勾配消失問題
          3. フレーム問題
          4. コールドスタート問題
        30. 行列を3つの行列の積に分解する手法で、推薦システムや文書の潜在的な意味の分析などに使われるものとして、最も適切なものを1つ選べ。

          1. 混同行列
          2. バギング
          3. 特異値分解(SVD)
          4. 誤差逆伝播法
        31. 強化学習の説明として、最も適切なものを1つ選べ。

          1. 行動して得る報酬の合計が大きくなる行動のとり方を学ぶ
          2. 入力と正解のペアを大量に与えて、正解を予測する関数を学ぶ
          3. 正解を使わずに、データの中の似たものどうしをまとめる
          4. 専門家が書いたルールにしたがって、最適な行動を決める
        32. ε-greedy方策の説明として、最も適切なものを1つ選べ。

          1. 常に価値が最も高い行動だけを選び、探索は行わない
          2. 試した回数の少ない行動ほど優先して選ぶように、価値に上乗せをする
          3. 確率εで無作為に行動を選んで探索し、それ以外は価値が最も高い行動を選ぶ
          4. 行動の価値を使わず、つねに無作為に行動を選ぶ
        33. 多腕バンディット問題でよく使われるUCB方策の考え方として、最も適切なものを1つ選べ。

          1. 期待値の推定に加えて、試した回数が少なく不確かな行動ほど優先する
          2. 確率εで行動を無作為に選び、それ以外は推定値が最大の行動を選ぶ
          3. 一度選んだ行動を、報酬が得られなくなるまで続ける
          4. 報酬の平均が最も低い行動から順に試す
        34. Q学習とSARSAの違いの説明として、最も適切なものを1つ選べ。

          1. Q学習は方策を直接学習し、SARSAは状態価値関数だけを学習して行動を選ぶ
          2. Q学習は報酬を使わず、SARSAだけが報酬を使って学習する
          3. Q学習は教師あり学習で、SARSAは教師なし学習の手法である
          4. Q学習は次の最大のQ値で、SARSAは実際に選ぶ次の行動のQ値で更新する
        35. Actor-Criticの説明として、最も適切なものを1つ選べ。

          1. 複数のエージェントが互いに競い合って、勝った方だけが学習する
          2. 人が行動の良し悪しを採点し、その点数だけで学習する
          3. 方策と、その行動を評価する価値関数を同時に学習する
          4. 行動価値関数だけを学習し、方策は学習しない
        36. 病気の陽性と陰性を判定するモデルを100人で評価したところ、真陽性40人、偽陽性10人、偽陰性20人、真陰性30人だった。適合率(precision)はいくつか。最も適切なものを1つ選べ。

          1. 0.4
          2. 0.667
          3. 0.7
          4. 0.8
        37. あるモデルの適合率が0.8、再現率が0.5のとき、F値はいくつか。小数第3位を四捨五入した値として、最も適切なものを1つ選べ。

          1. 0.4
          2. 0.62
          3. 0.65
          4. 0.8
        38. ROC曲線を描くとき、横軸に取る偽陽性率の値を求めたい。実際に陰性のデータ200件のうち20件を陽性と誤って判定したとき、偽陽性率はいくつか。最も適切なものを1つ選べ。

          1. 0.05
          2. 0.1
          3. 0.2
          4. 0.9
        39. がんの検診で陽性の疑いがある人を選び出すモデルで、とくに重視すべき指標として最も適切なものを1つ選べ。

          1. 適合率(陽性と判定したものが本当に陽性である割合)
          2. 正解率(全体のうち正しく判定した割合)
          3. 特異度(実際の陰性を陰性と判定する割合)
          4. 再現率(実際の陽性を見逃さない割合)
        40. データの件数が少ないときに、モデルの汎化性能をなるべく安定して評価する方法として、最も適切なものを1つ選べ。

          1. k分割交差検証で評価用を入れ替えて評価し、平均する
          2. すべてのデータで学習し、同じデータで評価する
          3. データの1割だけで学習し、残りの9割で一度だけ評価する
          4. 評価をせずに、学習の誤差が最も小さいモデルを選ぶ
        41. 6人の小テストの点数が2、3、3、5、7、10点だった。中央値はいくつか。最も適切なものを1つ選べ。

          1. 3
          2. 4
          3. 5
          4. 8
        42. 1枚のくじで、1,000円が当たる確率が0.05、200円が当たる確率が0.2、それ以外ははずれ(0円)のとき、1枚あたりの賞金の期待値はいくらか。最も適切なものを1つ選べ。

          1. 50円
          2. 90円
          3. 250円
          4. 600円
        43. 2次元の点A(1, 2)と点B(4, 6)のユークリッド距離はいくつか。最も適切なものを1つ選べ。

          1. 3
          2. 5
          3. 7
          4. 25
        44. 平均μ、標準偏差σの正規分布にしたがうデータについての説明として、最も適切なものを1つ選べ。

          1. μ±σの範囲に約68%、μ±2σの範囲に約95%のデータが入る
          2. μ±σの範囲にすべてのデータが入る
          3. 平均値より大きいデータのほうが、小さいデータより必ず多い
          4. 平均値と中央値と最頻値がすべて異なる値になる
        45. 仮説検定についての説明として、最も適切なものを1つ選べ。

          1. 対立仮説が正しい確率を直接計算し、50%を超えれば採択する
          2. 帰無仮説を棄却できなければ、帰無仮説が正しいと証明されたことになる
          3. 有意水準は、検定を行った後で結果に合わせて決める
          4. 帰無仮説のもとで結果が起こる確率が小さければ、帰無仮説を棄却する
        46. 多層パーセプトロンで、入力層と出力層の間にある層を何と呼ぶか。最も適切なものを1つ選べ。

          1. 隠れ層
          2. 出力層
          3. 入力層
          4. 正規化層
        47. GPUがディープラーニングの学習に向いている理由として、最も適切なものを1つ選べ。

          1. 複雑な条件分岐を含む処理を、一つずつ高速に順番に実行できる
          2. 記憶装置の容量が大きく、学習データをすべて保存できる
          3. 単純な行列の演算を、多数の演算器で並列に処理できる
          4. 学習の途中で過学習を自動で防ぐ機能を持つ
        48. シグモイド関数の微分(傾き)の最大値はいくつか。最も適切なものを1つ選べ。

          1. 0
          2. 0.25
          3. 0.5
          4. 1
        49. Leaky ReLU関数がReLU関数を改良した点として、最も適切なものを1つ選べ。

          1. 出力を0から1の範囲に収め、確率として扱えるようにした
          2. 出力の合計が1になるようにして、多クラス分類に使えるようにした
          3. 入力が正のときの傾きを0にして、計算を軽くした
          4. 負の入力にも小さな傾きを持たせ、勾配を0にしない
        50. 分類問題で交差エントロピーを誤差関数に使うときの説明として、最も適切なものを1つ選べ。

          1. 予測した確率と正解の差の絶対値を合計する
          2. 正解のクラスに予測した確率が高いほど、誤差が大きくなる
          3. 正解のクラスに予測した確率が低いほど、誤差が大きくなる
          4. 出力層の活性化関数を使わないときにだけ計算できる
        51. カルバック・ライブラー情報量(KLダイバージェンス)について、最も適切なものを1つ選べ。

          1. 2つの分布が同じなら0、違えば正の値を取る
          2. 2つのベクトルの向きの近さを、−1から1の値で表す
          3. 予測した値と正解の差の2乗の平均を表す
          4. 値が大きいほど、2つの確率分布が似ていることを表す
        52. 線形回帰に、重みの2乗の和を罰則として加えて学習する手法として、最も適切なものを1つ選べ。

          1. ラッソ回帰
          2. リッジ回帰
          3. ロジスティック回帰
          4. 自己回帰モデル
        53. 正則化を行う主な目的として、最も適切なものを1つ選べ。

          1. 学習データの件数を増やす
          2. 誤差逆伝播法の計算を省略する
          3. モデルが複雑になりすぎるのを抑え、過学習を防ぐ
          4. 出力を確率として扱えるようにする
        54. 誤差逆伝播法の説明として、最も適切なものを1つ選べ。

          1. 入力層から出力層へ向かって値を計算し、予測を出す
          2. 重みを無作為に変えて、誤差が小さくなった値を残す
          3. 誤差を出力側から入力側へ伝え、連鎖律で勾配を求める
          4. 層を一つずつ、教師なし学習で順番に学習する
        55. 深いニューラルネットワークの学習で、勾配が層をさかのぼるにつれて大きくなりすぎ、重みの更新が不安定になる現象として、最も適切なものを1つ選べ。

          1. 勾配消失問題
          2. 信用割当問題
          3. 勾配爆発問題
          4. 二重降下現象
        56. 1万件の学習データをバッチサイズ100のミニバッチ学習で5エポック学習するとき、重みの更新(イテレーション)の回数はいくつか。最も適切なものを1つ選べ。

          1. 20回
          2. 100回
          3. 500回
          4. 50,000回
        57. 勾配降下法で、ある方向では極小だが別の方向では極大になっている点にとどまり、勾配がほぼ0になって学習が進まなくなることがある。この点を何と呼ぶか。最も適切なものを1つ選べ。

          1. 大域最適解
          2. 鞍点
          3. 局所最適解
          4. 学習率
        58. 全結合層の説明として、最も適切なものを1つ選べ。

          1. 前の層のすべてのユニットが次の層のすべてとつながる
          2. 入力の一部の領域だけにフィルタを当てて特徴を取り出す
          3. 一定の領域の値の最大値や平均値をとって縮小する
          4. 前の時刻の出力を次の時刻の入力として使う
        59. 31×31の入力に、3×3のフィルタをストライド2、パディング1で畳み込んだとき、出力の特徴マップの1辺の大きさはいくつか。最も適切なものを1つ選べ。

          1. 15
          2. 16
          3. 30
          4. 31
        60. 畳み込み層を全結合層と比べたときの特徴として、最も適切なものを1つ選べ。

          1. すべての入力とすべての出力の間に別々の重みを持つ
          2. 同じフィルタを各位置で使うので、パラメータが少ない
          3. 画像の位置関係の情報を使わずに処理する
          4. 時系列の前の時刻の情報を次の時刻に伝える
        61. 3×3のフィルタで、要素の間隔を表す拡張率(dilation)を2にしたDilated Convolutionが一度に見る範囲は、1辺いくつ分か。最も適切なものを1つ選べ。

          1. 3
          2. 5
          3. 6
          4. 9
        62. バッチ正規化の説明として、最も適切なものを1つ選べ。

          1. 1つのデータの中で、すべての特徴をまとめて正規化する
          2. 学習のたびに一部のニューロンを無効にする
          3. 重みの2乗の和を誤差に加える
          4. ミニバッチ内で各チャンネルを平均0、分散1にそろえる
        63. 画像のスタイル変換などで使われ、1枚の画像の各チャンネルごとに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. レイヤー正規化
          4. グループ正規化
        64. 2×2の領域ごとに最大値をとる最大値プーリング(ストライド2)を、28×28の特徴マップに適用したときの出力の大きさはいくつか。最も適切なものを1つ選べ。

          1. 28×28
          2. 14×14
          3. 26×26
          4. 7×7
        65. 7×7×512の特徴マップにグローバルアベレージプーリング(GAP)を適用したとき、出力の形として最も適切なものを1つ選べ。

          1. 512次元のベクトル
          2. 7×7の1枚の特徴マップ
          3. 25,088次元のベクトル
          4. 49次元のベクトル
        66. ResNetの残差ブロックで、ブロックの入力をx、ブロック内の層が計算する関数をF(x)としたとき、ブロックの出力として最も適切なものを1つ選べ。

          1. F(x)+x
          2. F(x)×x
          3. F(x)−x
          4. F(F(x))
        67. リカレントニューラルネットワーク(RNN)が向いているデータとして、最も適切なものを1つ選べ。

          1. 文章や音声のように、順序に意味がある時系列データ
          2. 順序に意味のない、行ごとに独立した表形式のデータ
          3. 1枚の静止画像の分類だけに使うデータ
          4. 正解のラベルのない画像のグループ分け
        68. GRUの説明として、最も適切なものを1つ選べ。

          1. LSTMに出力ゲートを2つ追加して、より複雑にした
          2. 時系列を未来から過去に向かってだけ処理する
          3. LSTMを簡略化し、2つのゲートで制御する
          4. ゲートを持たず、隠れ層の状態をそのまま次に伝える
        69. RNNの学習で、時刻をさかのぼりながら誤差を伝えて勾配を求める方法として、最も適切なものを1つ選べ。

          1. CTC
          2. BPTT
          3. k分割交差検証
          4. グリッドサーチ
        70. Self-Attentionの説明として、最も適切なものを1つ選べ。

          1. 入力の系列と出力の系列の間で、要素どうしの対応を計算する
          2. 前の時刻の隠れ層の状態だけを次の時刻に伝える
          3. 画像の一部の領域にフィルタを当てて特徴を取り出す
          4. 同じ系列の中で、各要素とほかの要素の関係を計算する
        71. Multi-Head Attentionの説明として、最も適切なものを1つ選べ。

          1. Attentionを何層も直列に重ねるだけの構造である
          2. 1つのクエリに対して、キーを1つだけ選んで使う
          3. 位置の情報を表すためだけに使われる仕組みである
          4. 複数のAttentionを並列に計算し、結果をつなげる
        72. Seq2Seqの説明として、最も適切なものを1つ選べ。

          1. 入力の画像を同じ大きさの画像に復元する
          2. 時系列データを決まった数のクラスに分類する
          3. 系列の長さを必ず同じにそろえて出力する
          4. エンコーダで読み込み、デコーダで別の系列を出す
        73. オートエンコーダの説明として、最も適切なものを1つ選べ。

          1. 入力を圧縮した後に、元の入力を復元するように学習する
          2. 入力と異なる正解のラベルを予測するように学習する
          3. 2つのネットワークを競わせて、本物に似たデータを生成する
          4. 報酬が最大になるように行動を学ぶ
        74. 2006年にジェフリー・ヒントンらが示した、オートエンコーダを1層ずつ学習して重ね、その重みを深いネットワークの初期値にする方法として、最も適切なものを1つ選べ。

          1. 転移学習によるファインチューニング
          2. 誤差逆伝播法だけによる一括の学習
          3. 積層オートエンコーダによる事前学習
          4. ドロップアウトによる正則化
        75. 犬の画像と猫の画像を0.7対0.3の割合で重ね合わせ、ラベルも「犬0.7、猫0.3」とする手法として、最も適切なものを1つ選べ。

          1. Cutout
          2. Mixup
          3. Rotate
          4. Brightness
        76. 変換の種類と強さを無作為に選び、少ない調整項目で複数の変換を組み合わせて適用するデータ拡張の手法として、最も適切なものを1つ選べ。

          1. RandAugment
          2. Random Flip
          3. Crop
          4. noising
        77. 物体検出の領域の候補に加えて、物体ごとの画素単位の領域(マスク)も出力し、インスタンスセグメンテーションを行うモデルとして、最も適切なものを1つ選べ。

          1. Mask R-CNN
          2. YOLO
          3. VGG
          4. WaveNet
        78. Faster R-CNNがそれ以前のR-CNNの系統のモデルより高速になった主な理由として、最も適切なものを1つ選べ。

          1. 候補の領域を作らず、画像全体を一度だけ分類するようにした
          2. 畳み込み層を使わず、全結合層だけで構成した
          3. 入力の画像を小さくして、精度を下げる代わりに速くした
          4. 候補の領域もネットワーク(RPN)で作るようにした
        79. 画像から人物の関節などの位置(キーポイント)を求め、複数の人物の姿勢を推定するモデルとして、最も適切なものを1つ選べ。

          1. OpenPose
          2. DeepLab
          3. PSPNet
          4. SegNet
        80. 文章を、語順を考えずに各単語の出現回数だけで表すベクトルとして、最も適切なものを1つ選べ。

          1. Bag-of-Words(BoW)
          2. 分散表現
          3. 位置エンコーディング
          4. n-gram言語モデル
        81. word2vecのCBOWとスキップグラムの違いとして、最も適切なものを1つ選べ。

          1. CBOWは中心から周りの単語を、スキップグラムは周りから中心を予測する
          2. CBOWは周辺から中心の語を、スキップグラムは中心から周辺を予測する
          3. CBOWは画像を、スキップグラムは文章を扱う
          4. CBOWは教師なしで、スキップグラムはラベル付きの文書が必要である
        82. 語彙が5万語のとき、ワンホットベクトルで1つの単語を表すと、そのベクトルの次元と、1になっている要素の数の組み合わせとして最も適切なものを1つ選べ。

          1. 5万次元で、1の要素は5万個
          2. 300次元で、1の要素は1つ
          3. 5万次元で、1の要素は1つ
          4. 1次元で、値は単語の番号
        83. 8kHzまでの周波数を含む音声を正しく記録したい。標本化定理によると、必要な標本化周波数の最小値はいくつか。最も適切なものを1つ選べ。

          1. 4kHz
          2. 8kHz
          3. 16kHz
          4. 64kHz
        84. 音声認識で特徴量としてよく使われる、人の聴覚の特性に合わせたメル尺度を使ってスペクトル包絡を表す係数として、最も適切なものを1つ選べ。

          1. フォルマント周波数
          2. 交差エントロピー
          3. MFCC
          4. TF-IDF
        85. 母音の聞き分けに関わる、音声のスペクトル包絡に現れるいくつかのピークを何と呼ぶか。最も適切なものを1つ選べ。

          1. 音素
          2. メル尺度
          3. PCM
          4. フォルマント
        86. ダブルDQNが改善したDQNの問題として、最も適切なものを1つ選べ。

          1. 画像を入力にできない問題
          2. 行動価値を過大に見積もる問題
          3. 行動が連続値のときに使えない問題
          4. 報酬がまったく与えられない問題
        87. DQNを改良した手法のうち、状態の価値と行動ごとの有利さ(アドバンテージ)を分けて推定するネットワークの構造として、最も適切なものを1つ選べ。

          1. デュエリングネットワーク
          2. ノイジーネットワーク
          3. 双方向RNN
          4. 敵対的生成ネットワーク
        88. A3Cの特徴として、最も適切なものを1つ選べ。

          1. 体験再生で過去の経験を何度も使って学習する
          2. 複数のエージェントが並列に非同期で学ぶ
          3. 行動価値を過大に見積もる問題だけを解決した
          4. 人の好みのデータから報酬を学習する
        89. すでに集められた行動の記録のデータだけを使い、環境と新たにやり取りせずに方策を学習する手法として、最も適切なものを1つ選べ。

          1. マルチエージェント強化学習
          2. オフライン強化学習
          3. ドメインランダマイゼーション
          4. ε-greedy方策
        90. 敵対的生成ネットワーク(GAN)の仕組みとして、最も適切なものを1つ選べ。

          1. 生成器と識別器を競わせて学習する
          2. 入力を圧縮してから、同じ入力を復元するように学習する
          3. 画像にノイズを少しずつ加え、その逆の手順を学習する
          4. 文章の一部を隠して、隠れた単語を予測する
        91. 線画とその色付きの画像のように、変換の前と後が対になった画像の組を使って、画像から画像への変換を学ぶGANとして、最も適切なものを1つ選べ。

          1. CycleGAN
          2. DCGAN
          3. NeRF
          4. Pix2Pix
        92. GANの生成器と識別器に畳み込みニューラルネットワークを取り入れ、画像の生成を安定させたモデルとして、最も適切なものを1つ選べ。

          1. CycleGAN
          2. DCGAN
          3. VQ-VAE
          4. WaveNet
        93. 新しいタスクのデータでファインチューニングしたところ、もとのタスクで身に付けていた能力が大きく失われた。この現象として、最も適切なものを1つ選べ。

          1. 勾配消失問題
          2. 破滅的忘却
          3. 二重降下現象
          4. コールドスタート問題
        94. ラベル付きのデータが少量しかないときに、大量のラベルなしデータも合わせて学習に使う手法として、最も適切なものを1つ選べ。

          1. 強化学習
          2. 教師なし学習
          3. 半教師あり学習
          4. アンサンブル学習
        95. 画像を入力して、その内容を説明する文章を生成するタスクとして、最も適切なものを1つ選べ。

          1. Image Captioning
          2. Text-To-Image
          3. 物体検出
          4. 話者識別
        96. 大量のデータで事前学習され、ファインチューニングなどによって多くの異なるタスクに使えるようにした大規模なモデルを何と呼ぶか。最も適切なものを1つ選べ。

          1. エキスパートシステム
          2. 基盤モデル
          3. 決定木
          4. 単純パーセプトロン
        97. 1つのモデルで、関連する複数のタスク(例えば物体の検出と距離の推定)を同時に学習させる手法として、最も適切なものを1つ選べ。

          1. 転移学習
          2. アンサンブル学習
          3. 早期終了
          4. マルチタスク学習
        98. SHAPの説明として、最も適切なものを1つ選べ。

          1. 画像の勾配を使って、注目した領域をヒートマップで示す
          2. ゲーム理論のシャープレイ値で、各特徴量の予測への寄与を表す
          3. 予測したいデータの周辺だけで、線形モデルなどの単純なモデルを作る
          4. モデルの重みを削って、モデルを小さくする
        99. 説明可能AI(XAI)が特に求められる場面として、最も適切なものを1つ選べ。

          1. 融資の審査のように、理由の説明が必要な場面
          2. 判断の誤りがあっても影響がほとんどない、遊びのアプリ
          3. 理由を説明する必要がまったくない、社内の試験的な分析
          4. 学習データが一切ない場面
        100. 32ビットの浮動小数点数で表された重みを、8ビットの整数で表すように変えた。重みのデータの大きさは、ほかの条件が同じならおよそ何分の1になるか。最も適切なものを1つ選べ。

          1. 32分の1
          2. 8分の1
          3. 4分の1
          4. 2分の1
        101. カメラの映像から不良品を判定するモデルを、クラウドではなく工場の装置の中で動かすエッジAIにする利点として、最も適切なものを1つ選べ。

          1. 通信の遅れがなく、ネットワークが切れても判定を続けられる
          2. 装置の計算能力に制限がなくなり、どんな大きさのモデルも動かせる
          3. モデルの更新や管理の手間がまったく不要になる
          4. 学習データを集める必要がなくなる
        102. 本格的な開発の前に、AIの技術で課題を解決できる見込みがあるかを、限られたデータと期間で確かめる取り組みとして、最も適切なものを1つ選べ。

          1. MLOps
          2. BPR
          3. PoC(概念実証)
          4. 保守契約
        103. MLOpsの考え方として、最も適切なものを1つ選べ。

          1. モデルを一度作れば、運用後の更新は不要とする
          2. 開発の担当と運用の担当が情報を共有しないようにする
          3. データの準備は運用が始まってから考える
          4. 学習、展開、監視、再学習を継続的に回す
        104. 学習したモデルを、ほかのシステムやアプリからネットワーク経由で呼び出して使えるようにする方法として、最も適切なものを1つ選べ。

          1. Web APIとして公開する
          2. モデルのファイルを紙に印刷して配る
          3. 学習データを公開する
          4. Jupyter Notebookの画面の写真を共有する
        105. AIの開発で、要件を最初にすべて決めてから順に工程を進めるウォーターフォール型より、アジャイル型が向いているとされる理由として、最も適切なものを1つ選べ。

          1. AIの開発では、最初に精度を正確に約束できるから
          2. AIの開発には、テストの工程が不要だから
          3. 要件の変更がまったく起こらないから
          4. 学習するまで精度がわからず、試行錯誤が必要だから
        106. 公開されているオープンデータセットを自社の商用のサービスの開発に使うときに、最初に確認すべきこととして、最も適切なものを1つ選べ。

          1. データの件数が自社のデータより多いか
          2. 規約やライセンスで商用の利用が認められているか
          3. データを公開した組織の所在地が日本国内にあるかどうか
          4. ほかの会社がすでに使っているか
        107. 顧客の解約を予測するモデルを作るとき、特徴量に「解約の手続きを行った日」を含めたところ、検証での精度が非常に高くなった。この状況についての判断として、最も適切なものを1つ選べ。

          1. 精度が高いので、そのまま本番で使うのがよい
          2. 精度が高すぎるのは学習不足のためで、エポックを増やせばよい
          3. 予測時に得られない情報を使ったデータリーケージである
          4. 特徴量が少なすぎるので、さらに未来の情報を加えるべきである
        108. 言語の研究やモデルの学習のために、大量の文章を集めて整理したデータを何と呼ぶか。最も適切なものを1つ選べ。

          1. コーパス
          2. オントロジー
          3. 混同行列
          4. ハイパーパラメータ
        109. 個人情報保護法の「個人識別符号」に当たるものとして、最も適切なものを1つ選べ。

          1. 携帯電話の番号
          2. クレジットカードの番号
          3. 旅券(パスポート)の番号
          4. 店が独自に付けた会員の番号
        110. 事業者が要配慮個人情報を取得するときのルールとして、最も適切なものを1つ選べ。

          1. 利用目的を公表していれば、本人の同意なしに取得できる
          2. 取得した後に本人に通知すれば、同意は不要である
          3. オプトアウトの手続きをとれば、本人の同意なしに第三者に提供できる
          4. 法令に基づく場合などを除き、あらかじめ本人の同意を得る
        111. 個人情報を取り扱う事業者の義務として、最も適切なものを1つ選べ。

          1. 利用目的は社内で決めておけば、本人に知らせる必要はない
          2. 一度決めた利用目的は、どのような目的にでも自由に変えられる
          3. 「事業のために使う」とだけ書けば、利用目的を特定したことになる
          4. 利用目的をできる限り特定し、本人に通知または公表する
        112. 著作権法第30条の4についての説明として、最も適切なものを1つ選べ。

          1. 著作物を機械学習に使う場合は、必ず著作権者の許諾が必要である
          2. 第30条の4が適用されれば、どのような場合でも著作権者の利益を考えなくてよい
          3. 著作物を機械学習のための情報解析に使う場合は、原則として許諾なく利用できる
          4. 第30条の4は、学習した結果として生成された画像の販売を認める規定である
        113. 文化庁の「AIと著作権に関する考え方について」(2024年3月)を踏まえ、著作権法第30条の4の適用が否定されうる例として、最も適切なものを1つ選べ。

          1. 大量の公開されている文章から、単語の出現の傾向を統計的に分析する
          2. 画像認識のモデルを作るため、多数の写真を学習データとして複製する
          3. 特定の作家の表現を出力させる目的で、その作品群を追加学習させる
          4. 検索サービスのために、ウェブページの情報を収集して解析する
        114. 生成AIで作った画像が既存のイラストに似ていたとき、著作権侵害になるかを判断する主な観点として、最も適切なものを1つ選べ。

          1. 生成にかかった時間の長さ
          2. 生成に使ったコンピュータの性能
          3. 既存の作品との類似性と依拠性
          4. 画像の解像度が高いかどうか
        115. 日本の著作権の発生についての説明として、最も適切なものを1つ選べ。

          1. 創作した時点で、手続きなしに自動的に発生する
          2. 文化庁に著作物を登録した時点で、初めて権利が発生する
          3. 特許庁に出願して、審査に通ると発生する
          4. 著作物を有料で販売した時点で発生する
        116. 特許を受けるための要件として、最も適切なものを1つ選べ。

          1. 出願の前に、製品として販売されていること
          2. 著作権の登録を済ませていること
          3. 出願の前に知られていない(新規性)こと
          4. 誰でも容易に思いつける内容であること
        117. 職務発明についての説明として、最も適切なものを1つ選べ。

          1. 職務発明の特許を受ける権利は、どんな場合でも必ず従業員だけに帰属する
          2. 契約や勤務規則で定めれば、特許を受ける権利を初めから会社に帰属させられる
          3. 会社に権利を帰属させれば、従業員には何も与えなくてよい
          4. 業務と関係のない発明も、すべて職務発明になる
        118. AIが自律的に生み出した発明について、AIそのものを発明者として特許を出願できるかについての日本の考え方として、最も適切なものを1つ選べ。

          1. 発明者は自然人に限られるとされた
          2. AIを開発した会社が、AIを発明者として自由に出願できる
          3. AIが関わった発明は、すべて特許の対象外になる
          4. AIを発明者として出願すれば、審査なしで特許が与えられる
        119. 不正競争防止法で営業秘密として保護されるための要件に当たらないものとして、最も適切なものを1つ選べ。

          1. 特許庁に登録されていること
          2. 秘密として管理されていること(秘密管理性)
          3. 事業活動に役立つ情報であること(有用性)
          4. 公然と知られていないこと(非公知性)
        120. 不正競争防止法の「限定提供データ」についての説明として、最も適切なものを1つ選べ。

          1. 特定の者に提供するため、相当量蓄積し、IDなどで管理しているデータ
          2. 社内だけで厳重に秘密として管理され、外部に一切提供していない技術情報
          3. インターネット上で誰でも無料で自由に入手できるデータ
          4. 個人が趣味で集めた、外部に提供する予定のないデータ
        121. 競合する複数の会社が、価格を決めるアルゴリズムを使って互いの価格を同じ水準にそろえることに合意していた。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. 価格を決めたのはアルゴリズムなので、会社が責任を問われることはない
          2. アルゴリズムを使っていても、カルテルとして問題になりうる
          3. 価格が下がる場合に限り、独占禁止法の問題になる
          4. 独占禁止法はインターネットの取引には適用されない
        122. 独占禁止法で、ある行為が「公正競争阻害性」を持つかを判断するときの観点の説明として、最も適切なものを1つ選べ。

          1. その行為で、行為をした会社の利益が増えたかどうか
          2. その行為が、市場での公正な競争を妨げるおそれがあるかどうか
          3. その行為に、AIを使っているかどうか
          4. その行為について、特許を取得しているかどうか
        123. AIの開発を外部に委託するとき、成果が出るか事前にわからない検証の段階で多く使われる契約の形として、最も適切なものを1つ選べ。

          1. 仕事の完成を約束する請負契約
          2. 業務の遂行を約束する準委任契約
          3. 製品の所有権を移す売買契約
          4. 建物などを貸す賃貸借契約
        124. 経済産業省の「AI・データの利用に関する契約ガイドライン」が、AIの開発を段階に分けて進めることを提案した理由として、最も適切なものを1つ選べ。

          1. 最初の契約で、最終的な精度を必ず保証させるため
          2. 開発にかかる費用を、すべて開発の最初の段階でまとめて支払うため
          3. 利用者が開発に一切関わらずにすむようにするため
          4. 精度が事前にわからないため、段階ごとに確かめて判断するため
        125. AIの共同開発の前に結ぶ秘密保持契約(NDA)で定める内容として、最も適切でないものを1つ選べ。

          1. 秘密情報の範囲
          2. 目的外の利用の禁止
          3. 学習済みモデルの精度の保証
          4. 契約終了時の情報の返還や破棄
        126. SaaS型のAIサービスを使う会社が、契約の前に利用規約で確認すべきこととして、最も適切なものを1つ選べ。

          1. サービスの画面の色やレイアウトを自由に変えられるかどうか
          2. 提供者の社員の人数
          3. 入力データを提供者が学習などに使うかどうか
          4. 提供者の本社の建物の大きさ
        127. AIの規制のリスクベースアプローチの説明として、最も適切なものを1つ選べ。

          1. すべてのAIに、同じ内容の厳しい規制を一律にかける
          2. リスクの大きさに応じて、規律の強さを変える
          3. リスクがあるAIの開発を、すべて禁止する
          4. 開発した会社の規模だけで、規制の内容を決める
        128. 総務省と経済産業省が2024年に公表した「AI事業者ガイドライン」が、取り組みを示す対象として分けている三つの主体の組み合わせとして、最も適切なものを1つ選べ。

          1. AI開発者、AI販売者、AI監査人
          2. 国、地方公共団体、国民
          3. 研究者、学生、教員
          4. AI開発者、AI提供者、AI利用者
        129. 店舗にカメラを設置し、来店者の顔の画像から年代や性別を推定して分析したい。経済産業省と総務省の「カメラ画像利活用ガイドブック」の考え方に沿った対応として、最も適切なものを1つ選べ。

          1. 撮影していることや目的を、入店前にわかるよう知らせる
          2. 来店者に気付かれないよう、カメラを隠して設置する
          3. 推定に使った顔の画像は、目的に関係なくすべて長期間保存する
          4. 法律に違反しなければ、来店者への説明は一切必要ない
        130. 統計の結果にあらかじめ計算したノイズを加え、特定の個人のデータが含まれているかどうかを結果から推測しにくくする技術として、最も適切なものを1つ選べ。

          1. データ拡張
          2. 差分プライバシー
          3. 蒸留
          4. ドロップアウト
        131. 主に男性の声で学習した音声認識のモデルが、女性の声では誤りが多かった。この原因として最も適切なものを1つ選べ。

          1. モデルが単純すぎる、未学習
          2. 学習率が大きすぎることによる発散
          3. 評価に使った検証データの件数が多すぎたこと
          4. データの集め方の偏り(サンプリングバイアス)
        132. アメリカの刑事司法で使われた再犯のリスクを予測するシステムについて、2016年の報道で指摘された問題として、最も適切なものを1つ選べ。

          1. システムが使う計算機の電力が多すぎた
          2. 予測の結果が、毎回まったく同じ数値になった
          3. システムの名前が裁判所に知られていなかった
          4. 人種によって、高リスクと誤る割合に差があった
        133. 画像に人には気付けないほどの小さなノイズを加え、画像認識のモデルに誤った判定をさせる攻撃として、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. 敵対的攻撃
          4. ディープフェイク
        134. 公開されているAIのAPIに大量の入力を送り、その出力を使って同じような働きをするモデルを作る攻撃として、最も適切なものを1つ選べ。

          1. データ汚染
          2. モデル窃取
          3. エコーチェンバー
          4. 蒸留
        135. ディープラーニングで実在の人物の顔や声を合成し、本人が言っていないことを話しているように見せる映像などを何と呼ぶか。最も適切なものを1つ選べ。

          1. ディープフェイク
          2. フィルターバブル
          3. エッジAI
          4. データの来歴
        136. 家族の声を合成した電話で送金をだまし取ろうとする詐欺への対策として、最も適切なものを1つ選べ。

          1. 声が家族とそっくりなら、すぐに送金する
          2. 電話の相手に、口座の暗証番号を伝えて確認してもらう
          3. 声だけで信じず、別の連絡手段で本人に確かめる
          4. 合成された声は必ず不自然なので、聞けばすぐにわかる
        137. AIの透明性を確保するための「データの来歴」の記録として、最も適切なものを1つ選べ。

          1. データの出所や加工の手順を記録しておく
          2. 学習データの件数だけを記録しておく
          3. モデルの名前だけを記録しておく
          4. 記録はせず、担当者の記憶に任せる
        138. 顧客対応のチャットボットを提供するときに、透明性の観点から望ましい対応として、最も適切なものを1つ選べ。

          1. 相手がAIであることを、利用者にわかるように示す
          2. AIであることを隠し、人の担当者だと思わせる
          3. 回答の誤りが見つかっても、利用者には知らせない
          4. 問い合わせの記録の扱いを、利用者には一切説明しない
        139. SNSで似た意見を持つ人どうしがつながり、互いの意見を聞き合ううちに、特定の意見が増幅されて強まっていく現象として、最も適切なものを1つ選べ。

          1. エコーチェンバー
          2. 宝くじ仮説
          3. 次元の呪い
          4. シンギュラリティ
        140. 多くの利用者が毎日使う生成AIのサービスで、環境への負荷として考えるべきこととして、最も適切なものを1つ選べ。

          1. 利用のたびの推論の電力の合計も大きくなりうる
          2. 一度学習すれば、その後は電力を一切使わない
          3. 利用者が増えるほど、電力の消費量は減る
          4. 環境への負荷は、モデルの精度とは常に無関係である
        141. AIが雇用に与える影響についての考え方として、最も適切なものを1つ選べ。

          1. 一部の作業が置き換わり、人はAIと協働することが多い
          2. AIが導入されると、すべての職業が直ちになくなる
          3. AIは人の作業には一切影響しない
          4. AIと協働するために、新しい技能を学ぶ必要はない
        142. 人が関与せずに標的を選んで攻撃する兵器について、国際的に議論されている論点として、最も適切なものを1つ選べ。

          1. 軍事の分野ではAIは一切使われていないという点
          2. AIを使えば誤りがまったくなくなるという点
          3. 自律型致死兵器への人の関与の在り方
          4. 兵器の開発には倫理の議論は不要だという点
        143. 利用者の心理的な弱みにつけ込んで、本人の利益にならない選択を誘導するAIのサービス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. 計算に時間がかかりすぎるから
          2. 誘導の精度が低いから
          3. 人間の自律性を損なうから
          4. サービスの料金が無料だから
        144. AIの倫理アセスメントの進め方として、最も適切なものを1つ選べ。

          1. 問題が起きた後に、一度だけ実施する
          2. 開発の担当者だけで、外部の意見は聞かずに行う
          3. 各段階でリスクを洗い出し、対応を検討する
          4. 法律に違反していなければ、実施する必要はない
        145. AIの判断に問題が起きたときに原因を調べられるよう、使ったデータやモデルの版、判断の記録を残しておくことを何と呼ぶか。最も適切なものを1つ選べ。

          1. フィルターバブル
          2. ブルートフォース
          3. コールドスタート問題
          4. トレーサビリティ

        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4問
        • 知識表現とエキスパートシステム4問
        • 機械学習2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2問
        • 誤差逆伝播法2問
        • 最適化手法2問
        • 全結合層1問
        • 畳み込み層3問
        • 正規化層2問
        • プーリング層2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2問
        • マルチモーダル3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4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1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2問
        • 透明性2問
        • 民主主義1問
        • 環境保護1問
        • 労働政策1問
        • その他の重要な価値2問
        • AIガバナンス2問

        次へ:ミニテスト 30問

        この試験のほかの練習

        1. 模擬試験 第1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。