G検定 学習ガイド
10単元・300問の解説を、読む教材としてまとめました。演習で迷った用語を確認したり、学習の最初に全体を見渡したりするために使えます。
10問を解く前に、何を確認するか
まずシラバスの単元名と、その単元で区別したい概念を確認します。例えば機械学習では、教師あり・教師なし・強化学習の違いを説明できるかが出発点です。問題を解く際は、正解の番号だけでなく「なぜ他の選択肢ではないか」を考えます。
間違いを3つに分けて復習する
- 用語を知らなかった：定義を読み、似た言葉との違いを一文で書きます。
- 条件を読み違えた：「1つ選択」「正解ラベルなし」「バイアスを含む」など、答えを変える条件を特定します。
- 計算を間違えた：分母、単位、符号、平方根の有無を確認し、式を立て直します。
正解した問題でも、理由を説明できなければ見直しの対象です。答えを見た直後の解き直しは記憶に頼りやすいため、別の単元を学んだ後や翌日にも確認すると、理解が残っているかを確かめられます。
単元別に読む
人工知能とは
最初に、人工知能・機械学習・深層学習の関係を整理します。AIという名称だけで仕組みを判断せず、人が規則を与えるのか、データから規則性を学ぶのかに注目しましょう。
30問の解答・解説を読む →人工知能をめぐる動向
探索、知識表現、機械学習の発展を、何ができるようになり、どこで限界が現れたかという流れで学びます。年号だけでなく、代表的なシステムと使われた技術を結び付けましょう。
30問の解答・解説を読む →機械学習の概要
教師あり・教師なし・強化学習を、入力されるデータと目標の違いから理解します。手法名を見たら、数値を予測するのか、分類するのか、集団を見つけるのかを言葉にしてみましょう。
30問の解答・解説を読む →ディープラーニングの概要
ニューラルネットワークの学習を、予測・損失の計算・勾配の計算・重みの更新という流れで整理します。活性化関数、損失関数、正則化、最適化がそれぞれ何を担うのかを確認します。
30問の解答・解説を読む →ディープラーニングの要素技術
全結合・畳み込み・プーリング・回帰結合・Attentionを、どの情報を残し、どのように計算するかという観点で比べます。画像や時系列に適した構造の理由を理解します。
30問の解答・解説を読む →ディープラーニングの応用例
画像認識、自然言語処理、音声、生成モデルなどの応用を学びます。モデルの名前を暗記する前に、何を入力し、どのような形の結果を出すタスクかを確かめましょう。
30問の解答・解説を読む →AIの社会実装に向けて
実務では、モデルを作る前に解くべき課題と効果の測り方を決めます。データ収集・前処理から配備後の監視まで、AIシステムを継続して運用する流れを確認します。
30問の解答・解説を読む →AIに必要な数理・統計知識
平均、分散、確率、相関、検定などを、定義と短い計算例で確認します。式を暗記するだけでなく、何を数え、何を分母にするのかを説明できる状態を目指します。
30問の解答・解説を読む →AIに関する法律と契約
個人情報、著作権、特許、営業秘密、競争法、契約を、保護する対象の違いから整理します。ここでの説明は資格学習用の一般論です。個別の事案への適用は条件や最新資料を確認してください。
30問の解答・解説を読む →AI倫理・AIガバナンス
AIの精度だけでなく、誰にどのような影響が及ぶかを考えます。プライバシー、公平性、安全性、透明性を運用の仕組みへ落とし込む視点を学びます。
30問の解答・解説を読む →この教材と本試験の違い
このサイトの問題は、JDLAのシラバス2024 第1.4版に基づいた独自の学習用問題です。10単元を均等に30問ずつ収録しており、本試験の出題比率を再現するものではありません。全キーワードを個別に出題しているわけではないため、公式シラバスで未学習の項目がないかも確認してください。
G検定の演習へ