メインコンテンツへスキップ
見出し画像

【G検定対策】シラバス2024年版 模擬問題1

    章末の「ご利用にあたって」を読んでからご利用ください。
    模擬問題として167問120分を意識して出題問題をランダムにしております。
    解答解説は最後にPDF添付しています。
    作成は2025/5/3です

    模擬問題 167問 120分 解答解説は最後にPDF添付

    Q1. 人工知能(AI)の定義として最も適切なものを1つ選べ
    A. 人間の脳を模倣したハードウェア装置
    B. 人間の知的行動を模倣し、推論・認識・学習を行うソフトウェアシステム
    C. 全ての作業を自動化するためのプログラム
    D. 特定の計算処理を高速で行う関数集

    Q2. 人間のように複雑な環境に適応して汎用的な問題解決を目指す人工知能の分類として最も適切なものを1つ選べ
    A. 弱いAI(Narrow AI)
    B. 特化型AI(Specialized AI)
    C. 強いAI(General AI)
    D. 限定合理AI

    Q3. 以下の課題のうち、AIが現実世界で起きうる全ての状況に対処できないことに関連するものとして最も適切なものを1つ選べ
    A. シンボルグラウンディング問題
    B. フレーム問題
    C. ブラックボックス問題
    D. 過学習問題

    Q4. 人間と人工知能の相違として、AIが一般的に苦手とする領域として最も適切なものを1つ選べ
    A. 高速な計算処理
    B. ノイズ除去
    C. 常識や文脈に依存する推論
    D. データの記録

    Q5. 人工知能が人間と区別できないほど自然に会話できるかを判断するテストとして最も適切なものを1つ選べ
    A. IQテスト
    B. CAPTCHA
    C. チューリングテスト
    D. ベイズ推定

    Q6. 第一次AIブームで中心的に研究された手法として最も適切なものを1つ選べ
    A. ディープラーニング
    B. 経験則に基づく統計手法
    C. 推論ベースのシンボリックアプローチ
    D. ベイズ推定による確率モデル

    Q7. 第二次AIブームにおける代表的なシステムとして最も適切なものを1つ選べ
    A. 強化学習による探索モデル
    B. エキスパートシステム
    C. 自己回帰モデル
    D. トランスフォーマー

    Q8. 第二次AIブームが終息に向かった主な理由として最も適切なものを1つ選べ
    A. ハードウェアの進化が足りなかったため
    B. 社会からの注目が失われたため
    C. 明示的に知識を記述することの困難さが壁になったため
    D. 学習に大量のデータが必要だったため

    Q9. 第三次AIブームを支える主な技術要素として最も適切なものを1つ選べ
    A. 小規模なデータによる手作業学習
    B. エキスパートによるルール構築
    C. ディープラーニングを含む機械学習と大規模データの活用
    D. ハードウェアの縮小と電力削減

    Q10. 現在のAIブームにおいて、社会的関心が高まっている理由として最も適切なものを1つ選べ
    A. すべての業務をAIが代替可能となったため
    B. 一部の応用にとどまらず、日常生活・ビジネス全般への実用が広がっているため
    C. 研究者の興味が他分野に移ったため
    D. 知識ベースシステムが再評価されているため



    Q11. 第二次AIブームの知識記述型アプローチと第三次AIブームの学習型アプローチの違いとして最も適切なものを1つ選べ
    A. 両者に技術的な違いはない
    B. 第二次ではルールに基づく処理が中心、第三次ではデータからの自動学習が中心
    C. 第二次では大規模ネットワーク、第三次では個別処理が主流
    D. 第二次では音声処理、第三次では画像処理のみが対象

    Q12. 次の中で、「人工知能(AI)>機械学習>ディープラーニング」という包含関係に最も合致する説明を1つ選べ
    A. ディープラーニングはAIの一種であり、AIは機械学習の一部に含まれる
    B. 機械学習はディープラーニングの応用であり、AIとは関係がない
    C. ディープラーニングは機械学習の一種であり、機械学習はAIに含まれる
    D. AIと機械学習は同義であり、ディープラーニングは別分野

    Q13. 次のうち、人工知能分野の技術分類に該当しないものを1つ選べ
    A. 自然言語処理
    B. コンピュータビジョン
    C. ニューロマーケティング
    D. 音声認識

    Q14. ディープラーニングの技術が発展する以前、機械学習で主に用いられていた手法として最も適切なものを1つ選べ
    A. CNN
    B. RNN
    C. 決定木やSVMなどのアルゴリズム
    D. アテンション機構

    Q15. 機械学習と人工知能の関係に関する説明として最も適切なものを1つ選べ
    A. 機械学習は人工知能の中核に位置づけられるが、AIのすべてではない
    B. 機械学習はAIと無関係に独自に発展してきた
    C. 機械学習はAIを置き換える概念である
    D. AIの定義が機械学習によって決定される

    Q16. 機械学習の代表的な応用領域として最も適切なものを1つ選べ
    A. 天気予報における人間の勘
    B. 医療診断における画像認識
    C. 小説執筆における創作活動
    D. 哲学的思考における内省作業

    Q17. 機械学習に関する以下の定義のうち、最も適切なものを1つ選べ
    A. コンピュータが人間の命令に従って逐次的に処理を実行する技術
    B. コンピュータが予め設定されたルールを逐一適用して問題を解く方法
    C. コンピュータが経験データを通じて、ある課題に対する性能を改善する能力を得ること
    D. 人間の知識を全て形式知として記述し、推論させること

    Q18. 機械学習と従来型プログラミング(ルールベース)の違いとして最も適切なものを1つ選べ
    A. ルールベースは学習が可能であるが、機械学習はルール記述を前提とする
    B. ルールベースは未知データに強く、機械学習は過去の情報しか扱えない
    C. ルールベースは推論を繰り返すが、機械学習はルールを逐次書き換える
    D. ルールベースは人手でルールを与えるが、機械学習はデータからルールを獲得する

    Q19. 教師あり学習の特徴として最も適切なものを1つ選べ
    A. 入力データのみに基づいてモデルを構築する
    B. 入力と正解ラベルのペアから規則を学習する
    C. モデルが自律的に報酬を最大化するよう学習する
    D. 正解のないデータからクラスタを形成する

    Q20. 教師あり学習における「分類」と「回帰」の違いとして最も適切な説明を1つ選べ
    A. 分類は数値を出力し、回帰はカテゴリを出力する
    B. 分類は誤差最小化を目指し、回帰は尤度最大化を目指す
    C. 分類は離散的なカテゴリを予測し、回帰は連続的な数値を予測する
    D. 両者に明確な違いはない


    Q21. 教師あり学習に分類される手法として最も適切なものを1つ選べ
    A. K-means法
    B. 主成分分析(PCA)
    C. 強化学習
    D. ロジスティック回帰

    Q22. 教師なし学習の特徴として最も適切なものを1つ選べ
    A. 入力と正解ラベルを用いてモデルを訓練する
    B. データに含まれる隠れた構造やパターンを、ラベルなしで発見する
    C. モデルが報酬を最大化するよう行動を学習する
    D. データに対して既知の分類ラベルを付与する

    Q23. 教師なし学習の代表的な手法として最も適切なものを1つ選べ
    A. 線形回帰
    B. クラスタリング(例:K-means)
    C. ロジスティック回帰
    D. 勾配ブースティング

    Q24. 強化学習の学習方式として最も適切な説明を1つ選べ
    A. 正解ラベルを使って直接的に予測モデルを構築する
    B. データから特徴量の構造を抽出する
    C. エージェントが環境との相互作用を通じて報酬を最大化するように学習する
    D. データから分類モデルを自動的に生成するが報酬は用いない

    Q25. 強化学習における「報酬」の役割として最も適切なものを1つ選べ
    A. 行動が分類されたカテゴリの情報
    B. エージェントが行った行動の是非を数値で評価し、学習の指標とするもの
    C. 教師データのラベルに相当する情報
    D. モデルのパラメータの初期値

    Q26. 次のうち、ハイパーパラメータに分類される要素として最も適切なものを1つ選べ
    A. 重み(weight)
    B. バイアス(bias)
    C. 学習率(learning rate)
    D. 誤差(error)

    Q27. クロスバリデーションの主な目的として最も適切なものを1つ選べ
    A. 学習データに対してモデルの精度を最大化すること
    B. モデルの構造を単純化すること
    C. データの前処理方法を自動的に選ぶこと
    D. 学習済みモデルの汎化性能(未知データへの適応力)を評価すること

    Q28. 学習データには高い精度を示すが、未知データに対して精度が著しく低下するモデルの状態を最も適切に表すものを1つ選べ
    A. 未学習
    B. 過学習
    C. 正則化
    D. 過少適合

    Q29. 適合率(Precision)に関する説明として最も適切なものを1つ選べ
    A. 実際に正解であるもののうち、モデルが正しく予測できた割合
    B. モデルが正解と予測したもののうち、実際に正しかった割合
    C. 全体データに対して、予測が一致した割合
    D. モデルの構造に依存する性能のバラツキ

    Q30. 再現率(Recall)が重視されるべきシナリオとして最も適切なものを1つ選べ
    A. スパムメールフィルタで、誤検知を最小限にしたいとき
    B. 製品推薦で最も人気の商品を提示したいとき
    C. 病気の検出で、見逃しをできる限り防ぎたいとき
    D. 文書分類で処理時間を短縮したいとき


    Q31. 適合率と再現率のバランスを取る評価指標として最も適切なものを1つ選べ
    A. 精度(Accuracy)
    B. ROC曲線
    C. F1スコア
    D. AUC

    Q32. モデルの「バイアス・バリアンスのトレードオフ」に関する説明として最も適切なものを1つ選べ
    A. 両者は相互に無関係で同時に低減可能である
    B. モデルの複雑性が高まるとバイアスは増加する
    C. バイアスを下げすぎるとバリアンスが増加しやすく、過学習を招く
    D. バリアンスを下げると過学習を促進する

    Q33. ニューラルネットワークにおいて、非線形性を導入するために用いられる機能はどれか
    A. 入力層
    B. バッチ正規化
    C. 活性化関数
    D. 勾配消失

    Q34. 単層パーセプトロンでは解決できない問題として有名なものはどれか
    A. AND論理
    B. OR論理
    C. XOR論理
    D. 恒等写像

    Q35. 多層パーセプトロン(MLP)の特徴として最も適切なものはどれか
    A. 線形写像しか扱えない
    B. 中間層に活性化関数を含み非線形な表現が可能
    C. 活性化関数を用いず学習を高速化
    D. 回帰分析と同様に単一の線形モデルに基づく

    Q36. 次のうち、出力層でクラス分類問題に適した活性化関数はどれか
    A. ReLU
    B. tanh
    C. ソフトマックス
    D. 恒等関数

    Q37. ReLU関数の性質として最も適切なものはどれか
    A. 常に正の値を返す
    B. 微分可能ではないため学習に適さない
    C. 0未満の入力には0を返し、0以上にはそのまま返す
    D. 出力値は常に1.0以下に制限される

    Q38. ニューラルネットワークで活性化関数を使う主な理由として最も適切なものはどれか
    A. モデルのパラメータ数を削減するため
    B. モデルを非線形にし、複雑なパターンを学習できるようにするため
    C. モデルの推論速度を一定に保つため
    D. モデルの正則化を行うため

    Q39. ニューラルネットワークにおいて、中間層を用いず入力から出力への直結だけで構成された構造を何と呼ぶか
    A. 単層パーセプトロン
    B. ディープニューラルネットワーク
    C. CNN
    D. 再帰型ニューラルネットワーク

    Q40. 活性化関数tanhの出力範囲として最も適切なものはどれか
    A. 0~1
    B. −1~1
    C. 0~∞
    D. −∞~∞


    Q41. 線形関数だけで構成されたモデルにおいて学習できない問題として代表的なものはどれか
    A. 線形回帰
    B. 単回帰
    C. 論理XOR
    D. 単語埋め込み

    Q42. 出力層で回帰問題に適した活性化関数はどれか
    A. 恒等関数
    B. ソフトマックス
    C. ReLU
    D. シグモイド関数

    Q43. 次のうち、多層パーセプトロンが持つ性質として最も適切なものはどれか
    A. 線形な入力しか学習できない
    B. 入力と出力の関係をすべて明示的に記述する必要がある
    C. 任意の関数を近似できる能力がある
    D. 決定木よりもルールの可読性が高い

    Q44. ニューラルネットワークで用いられるシグモイド関数の欠点として最も適切なものはどれか
    A. 出力値が非連続
    B. 微分が常に一定である
    C. 勾配消失問題を引き起こしやすい
    D. 負の値を出力できない

    Q45. ディープラーニングの主な特徴として最も適切なものを1つ選べ
    A. 簡易なルールを組み合わせて問題を解決する
    B. 多層構造を持ち、特徴抽出も自動で行う
    C. 教師なしで分類する手法に特化している
    D. モデルの学習にパラメータは必要としない

    Q46. ディープラーニングと従来の機械学習の大きな違いとして最も適切なものを1つ選べ
    A. ハードウェアに依存しない構造
    B. 特徴量を人手で設計する必要があるかどうか
    C. 学習アルゴリズムに勾配降下法を使うかどうか
    D. 出力層の形式が異なるかどうか

    Q47. CNN(畳み込みニューラルネットワーク)の用途として最も適切なものを1つ選べ
    A. 音声合成
    B. 画像認識
    C. テキスト生成
    D. 単回帰分析

    Q48. RNN(リカレントニューラルネットワーク)の特徴として最も適切なものを1つ選べ
    A. パラメータ数が固定であり、推論は高速
    B. 入力順序に依存しないモデル構造
    C. 時系列情報を扱うため、状態を保持する構造を持つ
    D. 主に画像領域で用いられるネットワーク

    Q49. ディープラーニングが注目される要因として、技術的に最も影響が大きかったものを1つ選べ
    A. 教科書の充実
    B. クラウドサービスの普及
    C. データセットの非公開性
    D. GPUなどの計算資源の進化

    Q50. ディープラーニングの弱点や課題として最も適切なものを1つ選べ
    A. 特徴量が人手で必要な点
    B. 汎化性能が高すぎて過学習が起きない点
    C. 計算コストが高く、説明可能性が乏しい点
    D. 学習がルールベースで固定される点


    Q51. ディープラーニングで自動的に行われる処理として最も適切なものを1つ選べ
    A. 学習率の決定
    B. ハイパーパラメータの調整
    C. 特徴量の抽出
    D. モデルの可視化

    Q52. ディープラーニングにおける「深さ」が指すものとして最も適切なものを1つ選べ
    A. ニューラルネットワークの出力の大きさ
    B. モデルの演算回数
    C. ネットワーク内の層(レイヤー)の数
    D. 使用するデータの階層構造

    Q53. ディープラーニングが従来のAI技術と比較して注目された理由として最も適切なものを1つ選べ
    A. 明示的にルールを定義する必要があるため
    B. 計算速度の遅さが解消されたため
    C. 特徴抽出が自動化され、精度向上が見られたため
    D. クラスタ分析と統合可能になったため

    Q54. ディープラーニングのモデルを学習させる上で重要な前提として最も適切なものを1つ選べ
    A. 明確なルールを先に与える
    B. 十分にラベル付けされた大量のデータと高性能な計算資源
    C. 教師なしで動作する環境構築
    D. モデルに対して確率分布を定義する

    Q55. ディープラーニングにおいて過学習が発生しやすくなる理由として最も適切なものを1つ選べ
    A. 層が深いためモデルが単純になる
    B. データ量が多くなるほど予測性能が落ちる
    C. パラメータ数が多く、学習データへの過適合が起こりやすい
    D. 非線形性がないため精度が安定する

    Q56. 次のうち、ディープラーニングの代表的な応用分野として適切でないものを1つ選べ
    A. 自動運転車の画像認識
    B. 医療診断支援
    C. 株価の予測
    D. 交通標識の設置設計

    Q57. 回帰問題でよく使用される誤差関数として最も適切なものを1つ選べ
    A. 交差エントロピー誤差
    B. 平均二乗誤差(MSE)
    C. ソフトマックス誤差
    D. トリプレットロス

    Q58. 分類問題でよく用いられる誤差関数として最も適切なものを1つ選べ
    A. 平均二乗誤差
    B. KLダイバージェンス
    C. 交差エントロピー
    D. ハミング距離

    Q59. モデルの予測分布と実際の分布の違いを定量的に測る指標で、非対称な性質を持つものとして最も適切なものを1つ選べ
    A. コサイン類似度
    B. KLダイバージェンス
    C. ユークリッド距離
    D. F1スコア

    Q60. Contrastive Lossにおける損失の基本的な考え方として最も適切なものを1つ選べ
    A. 同一カテゴリのデータ間の距離を最大化する
    B. 異なるカテゴリのデータ間の距離を最小化する
    C. 同一カテゴリは近づけ、異なるカテゴリは離すように学習させる
    D. クラス確率を均一に分布させるようにする


    Q61. Triplet Lossが適用される代表的なタスクとして最も適切なものを1つ選べ
    A. 文書分類
    B. 顔認識などの類似性学習
    C. 売上予測
    D. 文章生成

    Q62. 交差エントロピーが有効に働く前提として最も適切なものを1つ選べ
    A. 出力が正規分布であること
    B. 予測が実数値ベクトルであること
    C. 出力が確率として正規化されていること
    D. 学習率が0に設定されていること

    Q63. 正則化の主な目的として最も適切なものを1つ選べ
    A. 計算速度を高速化する
    B. 学習データに対する精度を極限まで上げる
    C. 過学習を防ぎ、汎化性能を向上させる
    D. モデルの推論精度を意図的に下げる

    Q64. L1正則化の効果として最も適切なものを1つ選べ
    A. モデルを非線形にする
    B. パラメータの一部を0にし、特徴選択が行える
    C. パラメータを正規分布に近づける
    D. ネットワークの層数を自動決定する

    Q65. L2正則化に関する説明として最も適切なものを1つ選べ
    A. 絶対値の総和を最小化する
    B. パラメータを縮小しつつも0にはしない傾向がある
    C. モデル構造を簡素化する
    D. ハイパーパラメータの調整を不要にする

    Q66. ラッソ回帰とリッジ回帰の主な違いとして最も適切なものを1つ選べ
    A. 学習アルゴリズムが異なる
    B. ラッソはL2正則化、リッジはL1正則化を行う
    C. ラッソは変数選択を伴い、リッジはすべての変数を保持する
    D. 両者に明確な違いはない

    Q67. ドロップアウトの手法に関する説明として最も適切なものを1つ選べ
    A. ニューラルネットワークの学習後にノードを削除する手法
    B. モデルの精度を意図的に低下させる手法
    C. 学習時にランダムにノードを無効化することで過学習を防ぐ手法
    D. 層の深さを動的に変更することで最適構造を見つける手法

    Q68. 正則化項を損失関数に加える主な理由として最も適切なものを1つ選べ
    A. 計算時間を短縮するため
    B. パラメータのノルムを最小化し、複雑なモデルを抑制するため
    C. 入力データのノイズを除去するため
    D. 活性化関数の選択に影響を与えるため

    Q69. 誤差逆伝播法の計算において使用される基本的な数学的手法として最も適切なものを1つ選べ
    A. 逆行列展開
    B. 行列積分
    C. 連鎖律
    D. ベイズ推定

    Q70. 誤差逆伝播法の際、ニューラルネットワークが深くなることで起こりやすい問題として最も適切なものを1つ選べ
    A. バッチサイズの固定化
    B. 勾配消失問題
    C. データのクラスタ化
    D. 過少適合


    Q71. モデルが深いネットワークで勾配が極端に大きくなり不安定になる現象を何というか
    A. 勾配消失問題
    B. 勾配爆発問題
    C. バリアンス過剰問題
    D. ハイパーパラメータ飽和

    Q72. ニューラルネットワークにおける誤差の伝播過程で、どのノードが誤差に寄与したかが不明瞭になる問題はどれか
    A. 過学習問題
    B. 信用割当問題
    C. 勾配飽和問題
    D. バッチノイズ問題

    Q73. 最適化手法の1つである「確率的勾配降下法(SGD)」の特徴として最も適切なものを1つ選べ
    A. 全データを一括で使って学習する
    B. 勾配を求めずに探索する手法
    C. 少量のデータ(ミニバッチなど)を使って繰り返し学習する
    D. モデルの構造を動的に最適化する手法

    Q74. 学習率が大きすぎると発生しやすい現象として最も適切なものを1つ選べ
    A. 学習が停止する
    B. 局所最適解に必ず陥る
    C. 損失が発散し収束しない
    D. 勾配が0になる

    Q75. モーメンタム法の特徴として最も適切なものを1つ選べ
    A. 過去の勾配情報を無視し最新の方向のみに従う
    B. 局所最適解を見つけるために枝分かれ処理を行う
    C. 過去の勾配方向を反映し、滑らかな最適化を図る
    D. 学習率を層ごとに変更する

    Q76. 勾配降下法で平坦で勾配が0に近い領域で学習が進まなくなる現象として最も適切なものを1つ選べ
    A. 鞍点
    B. 局所最適
    C. 大域最適
    D. 二重降下現象

    Q77. 学習が進みすぎて汎化性能が低下するのを防ぐため、一定条件で学習を打ち切る手法はどれか
    A. 学習率スケジューリング
    B. バッチ正規化
    C. 早期終了(Early Stopping)
    D. パラメータ正則化

    Q78. ハイパーパラメータのチューニングにおいて、設定した値の範囲からランダムに選んで試行する手法はどれか
    A. グリッドサーチ
    B. ランダムサーチ
    C. 勾配クリッピング
    D. ミニマックス探索

    Q79. 全結合層の特徴として最も適切なものを1つ選べ
    A. 入力全体と出力全体が1対1で対応している
    B. すべての入力ノードがすべての出力ノードに接続される
    C. 同じカーネルで局所特徴を抽出する構造
    D. ノード間に重みは存在しない

    Q80. 全結合層におけるパラメータ数の特徴として最も適切なものを1つ選べ
    A. 入力サイズと無関係に一定
    B. データサイズが小さくても層が深くなると急増する
    C. 入力と出力の次元数の積に比例する
    D. 活性化関数の数と等しくなる


    Q81. 全結合層と比較した畳み込み層の利点として最も適切なものを1つ選べ
    A. 全ての入力と出力を1対1でつなげるため精度が高い
    B. パラメータ数が少なく、局所的な特徴抽出に優れる
    C. 出力の次元数が一定になる
    D. 活性化関数を用いなくても高精度を実現できる

    Q82. 畳み込み層における「カーネル(フィルタ)」の役割として最も適切なものを1つ選べ
    A. データの圧縮
    B. 学習済みモデルの正則化
    C. 局所領域の特徴抽出
    D. 層ごとの活性化関数切り替え

    Q83. 畳み込み演算で、入力サイズを保ちつつ特徴抽出を行うために用いられる方法として最も適切なものを1つ選べ
    A. パディング
    B. バッチ正規化
    C. ドロップアウト
    D. 正則化項の追加

    Q84. ストライドを2に設定した畳み込み演算を行うと、出力にどのような影響があるか最も適切なものを1つ選べ
    A. 出力サイズが2倍になる
    B. 出力サイズが約半分になる
    C. 出力サイズは変わらない
    D. 出力が不安定になる

    Q85. Depthwise Separable Convolutionの特徴として最も適切なものを1つ選べ
    A. 計算コストを増やして精度を上げる
    B. 各チャネルごとに別のカーネルを適用し、計算効率を高める
    C. 各層の重みを共有して圧縮する
    D. 全結合層と組み合わせて使う

    Q86. Dilation Convolutionの利点として最も適切なものを1つ選べ
    A. 勾配消失を防ぐ
    B. 出力層の解釈性を向上させる
    C. 受容野を広げつつ、パラメータ数を増やさずに済む
    D. 精度を一定に保つための損失関数調整手法

    Q87. 畳み込みニューラルネットワーク(CNN)に関する説明として最も適切なものを1つ選べ
    A. 全結合層を主に使って空間特徴を抽出する
    B. 畳み込み・活性化・プーリング層の組み合わせで構成される
    C. 高次元のテキスト情報に特化している
    D. 畳み込み層のみで構成される

    Q88. バッチ正規化の主な目的として最も適切なものを1つ選べ
    A. 重みの初期値を自動的に最適化する
    B. 勾配爆発を促進して学習を加速する
    C. 層ごとの出力分布を標準化して学習を安定させる
    D. 活性化関数の種類を制限する

    Q89. 正規化層におけるレイヤー正規化の特徴として最も適切なものを1つ選べ
    A. 入力バッチ全体を対象に正規化する
    B. ミニバッチ単位でチャネル方向に正規化する
    C. 各サンプル単位で層内のすべてのユニットを正規化する
    D. 層ごとの重みを正規化して再学習を行う

    Q90. グループ正規化の説明として最も適切なものを1つ選べ
    A. 特定の層の勾配だけをスケーリングする
    B. チャネルを複数のグループに分けて、それぞれに正規化を適用する
    C. 全体の損失関数にペナルティ項を加える
    D. 出力層の正解ラベルに重みを付ける


    Q91. 最大値プーリングの主な役割として最も適切なものを1つ選べ
    A. 出力の連続性を保つ
    B. 特徴マップのサイズを維持しながら詳細情報を抽出する
    C. 局所領域から最大値を抽出し、特徴の代表値を取得する
    D. 勾配の方向を学習する

    Q92. 平均値プーリングの出力結果の特徴として最も適切なものを1つ選べ
    A. 最も重要な特徴だけを抽出する
    B. 領域内の最小値のみを返す
    C. 各領域の特徴を平均化し、全体の傾向を保持する
    D. 正規化を目的として適用される

    Q93. グローバルアベレージプーリング(GAP)の効果として最も適切なものを1つ選べ
    A. 特徴マップ全体を平均化し、出力との対応を明確にする
    B. 全結合層の重みを削減せずに精度を上げる
    C. 活性化関数の出力を直接的に分類結果とする
    D. 畳み込み演算の際の出力サイズを拡張する

    Q94. スキップ結合(Residual connection)の主な目的として最も適切なものを1つ選べ
    A. 出力サイズを削減し、計算負荷を軽減する
    B. 畳み込み処理を並列化する
    C. 勾配の流れを維持し、深いネットワークでも学習を可能にする
    D. パラメータ数を削減して学習を高速化する

    Q95. スキップ結合を用いた代表的なモデルとして最も適切なものを1つ選べ
    A. VGGNet
    B. AlexNet
    C. ResNet
    D. MobileNet

    Q96. RNN(リカレントニューラルネットワーク)の最大の特徴として最も適切なものを1つ選べ
    A. 空間的特徴を保持する
    B. 時系列情報を処理するために過去の状態を記憶する
    C. 層を畳み込んで画像を分類する
    D. ランダムにノードを無効化する

    Q97. RNNで勾配が過度に減衰し、学習が進まなくなる問題として最も適切なものを1つ選べ
    A. 勾配爆発
    B. 勾配消失
    C. モデル汚染
    D. 過学習

    Q98. Long Short-Term Memory(LSTM)の特徴として最も適切なものを1つ選べ
    A. 全結合層で構成され、計算量を削減する
    B. 時系列データを扱うが、状態は保持しない
    C. ゲート機構を使って長期依存関係を保持しやすい
    D. 画像認識に特化した構造を持つ

    Q99. GRU(Gated Recurrent Unit)とLSTMの主な違いとして最も適切なものを1つ選べ
    A. GRUはゲートを持たず、LSTMは持つ
    B. GRUはLSTMよりも構造が簡略化されている
    C. GRUは双方向処理ができない
    D. LSTMは学習できず、GRUのみが使われる

    Q100. 双方向RNNの特徴として最も適切なものを1つ選べ
    A. 入力を逆順にすることで全体の計算時間を短縮する
    B. 順方向と逆方向の2つのRNNを同時に用いることで、文脈を前後から把握できる
    C. RNNの中に複数の畳み込み層を持つ
    D. モデルの重みを共有することで過学習を防ぐ


    Q101. Attention機構における基本構成要素として最も適切なものを1つ選べ
    A. フィルタ、カーネル、バイアス
    B. 入力、ゲート、出力
    C. クエリ、キー、バリュー
    D. エポック、バッチ、損失

    Q102. Self-Attentionの主な特徴として最も適切なものを1つ選べ
    A. 入力系列を並列処理できる
    B. 異なるタスク間の情報共有を促す
    C. 入力系列を一方向のみで処理する
    D. 隠れ状態を保持して過去を記憶する

    Q103. Transformerにおいて、系列内の位置情報を与えるために使われる手法はどれか
    A. ポジショナルエンコーディング
    B. マルチヘッド正規化
    C. アテンションマスク
    D. シーケンスソート

    Q104. Multi-Head Attentionの主な利点として最も適切なものを1つ選べ
    A. 計算コストを削減し、特徴の圧縮を行う
    B. 複数の視点から注意を分散し、多様な特徴を抽出する
    C. ネットワークを簡略化し、汎化性能を下げる
    D. 出力を系列の逆順に整形する

    Q105. オートエンコーダの主な目的として最も適切なものを1つ選べ
    A. 出力に対する分類精度を最大化する
    B. 入力データを可視化する
    C. 入力データを圧縮・再構成することで特徴を学習する
    D. 損失を交差エントロピーで最小化する

    Q106. 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
    A. 固定の潜在空間にマッピングする
    B. 確率分布に基づく潜在空間の生成と再構成を行う
    C. ランダムに特徴マップを切断して再構成する
    D. 中間層に教師信号を与える

    Q107. オートエンコーダが教師なし学習として用いられる理由として最も適切なものを1つ選べ
    A. ラベルなしのデータでも再構成タスクを通じて学習できるため
    B. 出力が正解ラベルに依存するため
    C. 高次元分類のために設計されているため
    D. 活性化関数が不要であるため

    Q108. データ拡張の主な目的として最も適切なものを1つ選べ
    A. モデルの計算時間を短縮する
    B. 入力画像を圧縮して省メモリ化する
    C. 学習データの多様性を増し、汎化性能を向上させる
    D. 学習ラベルの誤りを自動修正する

    Q109. ランダムに画像の一部を黒く塗りつぶすデータ拡張手法として最も適切なものを1つ選べ
    A. Mixup
    B. CutMix
    C. Cutout
    D. Random Flip

    Q110. 「複数の弱い変換を自動的に組み合わせて適用する」拡張手法として最も適切なものを1つ選べ
    A. RandAugment
    B. Paraphrasing
    C. Brightness
    D. Noising


    Q111. セマンティックセグメンテーションの特徴として最も適切なものを1つ選べ
    A. 各物体に一意なIDを割り振る
    B. ピクセルごとにクラスラベルを付与する
    C. 一般物体認識の結果を統合する
    D. 複数の画像を統合して3次元表現を得る

    Q112. YOLOなどのモデルが得意とする画像認識タスクとして最も適切なものを1つ選べ
    A. 文書要約
    B. 物体検出
    C. 音声認識
    D. 次元削減

    Q113. U-Netが主に用いられる画像認識タスクとして最も適切なものを1つ選べ
    A. テキスト分類
    B. 顔認識
    C. セグメンテーション(領域分割)
    D. 単語埋め込み

    Q114. TF-IDFの主な目的として最も適切なものを1つ選べ
    A. 頻出語を強調して特徴ベクトルを作る
    B. 単語の出現頻度を無視してベクトル化する
    C. 文書内と文書間の頻度バランスに基づき単語の重要度を評価する
    D. 文章の文法構造を解析するための手法

    Q115. BERTの特徴として最も適切なものを1つ選べ
    A. 出力が一方向処理に限定されている
    B. 一連のルールに基づく辞書マッチング方式
    C. Transformerベースの事前学習済み双方向モデル
    D. 自然言語を画像に変換するエンコーダ

    Q116. word2vecの代表的な学習モデルである「CBOW」の特徴として最も適切なものを1つ選べ
    A. 入力単語から文脈を生成する
    B. 文全体をベクトル化して分類する
    C. 文脈から中央の単語を予測する
    D. 単語を構成する文字列パターンを記録する

    Q117. 音声処理で音の周波数分布を視覚化・特徴抽出する際によく用いられる指標として最も適切なものを1つ選べ
    A. ユークリッド距離
    B. メル周波数ケプストラム係数(MFCC)
    C. バッチ正規化
    D. シグモイド関数

    Q118. WaveNetの用途として最も適切なものを1つ選べ
    A. 単語の出現順序を分類する
    B. 文書間の類似度を測定する
    C. 自然な音声波形を生成する音声合成モデル
    D. 形態素解析の効率化を行うモジュール

    Q119. 深層強化学習において、エージェントが行動を決定するために使う戦略を何というか
    A. 報酬関数
    B. 方策(Policy)
    C. 状態空間
    D. 値関数

    Q120. 強化学習における「sim2real」の概念として最も適切なものを1つ選べ
    A. 環境から得た報酬を視覚的に再構成する手法
    B. 複数の報酬源を用いた多目的最適化手法
    C. シミュレーションで訓練したモデルを実世界でそのまま利用する考え方
    D. 実データのみに基づいた完全教師あり学習


    Q121. 「Q値を2つのネットワークで分けて計算し、過大評価を抑制する」強化学習手法として最も適切なものを1つ選べ
    A. A3C
    B. Double DQN
    C. Dueling DQN
    D. PPO

    Q122. 敵対的生成ネットワーク(GAN)の基本構成に含まれる2つのネットワークとして最も適切な組み合わせを1つ選べ
    A. エンコーダ/デコーダ
    B. 生成器/識別器
    C. 教師モデル/生徒モデル
    D. クラス分類器/距離関数

    Q123. 画像や音声の生成において、確率的なノイズから段階的にデータを復元していく手法として最も適切なものを1つ選べ
    A. DCGAN
    B. VAE
    C. NeRF
    D. Diffusion Model

    Q124. 転移学習の主な利点として最も適切なものを1つ選べ
    A. 学習データを無限に生成できる
    B. 学習の初期化にランダム性を導入する
    C. 少ないデータでも高い精度が得られる可能性がある
    D. モデル構造を自動的に最適化する

    Q125. 破壊的忘却(catastrophic forgetting)に関する説明として最も適切なものを1つ選べ
    A. モデルの重みが過学習により揺らぐ現象
    B. ファインチューニング時に元の知識が損なわれる現象
    C. 転移学習で正解ラベルが失われる問題
    D. ハイパーパラメータのチューニング不足による性能低下

    Q126. マルチモーダルモデル「CLIP」が同時に扱うモダリティの組み合わせとして最も適切なものを1つ選べ
    A. テキストと音声
    B. 音声と動画
    C. テキストと画像
    D. 画像と構文解析

    Q127. マルチモーダル処理における「zero-shot」能力の特徴として最も適切なものを1つ選べ
    A. 一度学習したデータセット内のタスクにのみ対応する
    B. 特定の教師ありタスクの精度向上を図る
    C. 学習していないタスクやカテゴリに対しても推論可能である
    D. データ拡張によってモデルの汎化性能を補完する

    Q128. Grad-CAMを用いたモデル可視化の説明として最も適切なものを1つ選べ
    A. テキストデータの単語の重みをヒートマップ化する
    B. 活性化マップと勾配情報を用いて画像中の重要領域を可視化する
    C. 入力画像をRGBヒストグラムで解析する
    D. 出力層の確率をグラフ化して比較する

    Q129. SHAP(SHapley Additive exPlanations)の特徴として最も適切なものを1つ選べ
    A. 任意のモデル構造のノードを視覚化する
    B. 出力の信頼区間を数値で提示する
    C. 各特徴量が出力に与える影響をゲーム理論に基づき定量評価する
    D. モデルの構造自体を最適化する

    Q130. モデル軽量化手法のうち、ニューラルネットワークの不要な接続やノードを削除する方法として最も適切なものを1つ選べ
    A. 蒸留
    B. プルーニング
    C. 量子化
    D. バッチ正規化


    Q131. 蒸留(Knowledge Distillation)の説明として最も適切なものを1つ選べ
    A. 高精度モデルを圧縮して低精度の特徴を削除する
    B. 複数のモデルの平均を取って精度を安定化する
    C. 大規模モデルの出力を利用して小規模モデルに知識を移す
    D. モデルの層を減らして過学習を防止する

    Q132. AIプロジェクトにおけるCRISP-DMに該当しないプロセスとして最も適切なものを1つ選べ
    A. データ理解
    B. データ準備
    C. モデルの軽量化
    D. 展開(デプロイ)

    Q133. AI開発運用に関するMLOpsの目的として最も適切なものを1つ選べ
    A. 学習済みモデルをクラウドで自動販売する
    B. モデル開発と運用のサイクルを円滑に回すためのフレームワーク
    C. ユーザーインターフェースを自動生成する仕組み
    D. APIドキュメントを構築するためのツール群

    Q134. データリーケージが起こった場合の主な影響として最も適切なものを1つ選べ
    A. 検証精度は高く見えるが、実運用での性能が著しく下がる
    B. 学習データのサイズが小さくなる
    C. ラベル付けが自動化される
    D. 分散表現が正規化される

    Q135. AI学習データの収集・活用時に注意すべき点として最も適切なものを1つ選べ
    A. 著作権を放棄したデータを優先して使う
    B. 公開データはすべて商用利用可能と考えてよい
    C. 個人情報や機微情報の取り扱いには注意が必要
    D. CSV形式で保存されていれば再利用は自由

    Q136. 標準偏差の定義として最も適切なものを1つ選べ
    A. 平均と中央値の差
    B. 偏差を二乗して平均したものの平方根
    C. データの最大値と最小値の差
    D. 平均を2乗した値

    Q137. 「他の変数の影響を除いた相関」を表す指標として最も適切なものを1つ選べ
    A. 相関係数
    B. 偏相関係数
    C. 分散比
    D. 共分散

    Q138. 「ある事象が起きたとき、別の事象が起きる確率」を表す概念として最も適切なものを1つ選べ
    A. 母数
    B. 周辺確率
    C. 条件付き確率
    D. ベイズ誤差

    Q139. コサイン類似度の特徴として最も適切なものを1つ選べ
    A. ベクトルの大きさの差に注目する
    B. 平均との距離を測定する
    C. ベクトル間の角度に基づいて類似度を測る
    D. 各次元の差を累積して誤差を算出する

    Q140. 正規分布の説明として最も適切なものを1つ選べ
    A. 離散値のみをとる非対称な分布
    B. 平均値に対して一様に広がる分布
    C. 平均を中心に左右対称で釣鐘型の分布
    D. 標本数にかかわらず常にスパースな分布


    Q141. 以下のうち、個人情報に該当する可能性が最も高いものを1つ選べ
    A. 「東京都に住んでいる」だけの情報
    B. 複数人が共有する趣味の情報
    C. 顧客IDと住所が結びついた購買履歴データ
    D. 無作為に収集された年齢層の統計情報

    Q142. 匿名加工情報に関する説明として最も適切なものを1つ選べ
    A. 匿名加工情報は復元可能である
    B. 個人情報保護法の対象外となる
    C. 個人を識別できないよう加工された情報で、特定の規制下で利用できる
    D. 匿名加工情報は必ず暗号化処理を必要とする

    Q143. GDPR(EU一般データ保護規則)の特徴として最も適切なものを1つ選べ
    A. 日本国内限定の法律である
    B. 匿名データにも厳格な規制をかける
    C. EU域内の個人データを取り扱うすべての企業に適用される
    D. 顧客に通知なく自由に個人情報を使用できることを保障する

    Q144. AI生成物と著作権に関する現在の日本の考え方として最も適切なものを1つ選べ
    A. AIによって自動生成された作品には著作権が常に認められる
    B. AI生成物には著作権は発生しない
    C. 創作性が認められる場合、AIを利用した人に著作権が認められる可能性がある
    D. 著作権の発生には特許庁への届け出が必要

    Q145. 著作権法第30条の4(著作物利用に関する特例)の趣旨として最も適切なものを1つ選べ
    A. 全ての利用は著作権者の事前承諾が必要であることを定める
    B. 利用目的に合理性がある場合、非営利であっても著作物の自由利用は不可
    C. 著作権侵害とならない範囲で、機械学習等のための利用を一定条件下で許容する
    D. 教育目的以外では著作物は一切使用できない

    Q146. AIの開発成果に特許権を適用する場合の要件として最も適切なものを1つ選べ
    A. 著作権法に基づく届け出があること
    B. 発明であり、新規性および進歩性を有すること
    C. 商用利用実績があること
    D. 公的機関によって認定されていること

    Q147. 職務発明に該当するケースに関する説明として最も適切なものを1つ選べ
    A. 業務外で自宅で考案された発明はすべて職務発明に含まれる
    B. 発明者が個人で申請すれば、企業は関与できない
    C. 使用者の業務範囲に属する発明で、従業員がしたものは原則として職務発明となる
    D. 職務発明には特許を取得することが必須である

    Q148. 不正競争防止法で保護される「営業秘密」に該当する要件として最も適切なものを1つ選べ
    A. 自由に閲覧可能であること
    B. 技術的情報または営業上有用な情報であること、秘密として管理されていること、非公知性を有すること
    C. 無償提供が義務づけられている情報であること
    D. 経営者の許可を得ていないもの

    Q149. AIによる価格調整などに関して、独占禁止法が問題とするケースとして最も適切なものを1つ選べ
    A. 全ての価格設定をランダムに行った場合
    B. 競争事業者間での価格協定をAIが補助している場合
    C. 小売価格の設定を手作業で行う場合
    D. 顧客の購買履歴を活用した価格調整

    Q150. 請負契約と準委任契約の違いに関する説明として最も適切なものを1つ選べ
    A. 準委任契約では成果物が義務である
    B. 請負契約では業務遂行自体が義務
    C. 準委任契約は成果物ではなく業務遂行が義務の対象
    D. どちらも法的拘束力はない


    Q151. AI・データの利用に関する契約ガイドラインで推奨される開発フェーズに該当しないものを1つ選べ
    A. アセスメント
    B. PoC(概念実証)
    C. 保険加入フェーズ
    D. 追加学習フェーズ

    Q152. SaaS型AIサービス提供契約において、最も重要な留意点として最も適切なものを1つ選べ
    A. モデルのハイパーパラメータを購入者が制御できるようにする
    B. データ利用に関する権利や知的財産の範囲を契約で明確にする
    C. ソースコードの提供を必須とする
    D. ユーザーの操作ログを非通知で活用することを許容する

    Q153. 「ソフトロー」としてのAIガイドラインの特徴として最も適切なものを1つ選べ
    A. 法的拘束力があるルール
    B. 国家による強制的な規制制度
    C. 民間主導や業界団体による非拘束的なルール
    D. 刑事罰を伴うガイドライン

    Q154. リスクベースアプローチに基づいたAIガバナンスにおける考え方として最も適切なものを1つ選べ
    A. あらゆるAI利用を禁止する方向で運用する
    B. 利用目的や影響の重大性に応じて、規制の強度を調整する
    C. 全産業に同一の厳格なルールを適用する
    D. 規制よりも倫理を優先して法制度を排除する

    Q155. プライバシー・バイ・デザイン(PbD)の説明として最も適切なものを1つ選べ
    A. 利用者の意思に基づきAIが自動的に制御を放棄する仕組み
    B. データ活用の初期段階からプライバシー保護を組み込む設計思想
    C. AIにおいてプライバシーを一切考慮しない方針
    D. 規制が整備されるまでAI開発を停止する戦略

    Q156. カメラ画像を用いたAIの利用に関して、考慮すべき観点として最も適切なものを1つ選べ
    A. プライバシー保護は不要で、撮影対象は公共財と見なされる
    B. 撮影対象の人物への通知は常に義務である
    C. 画像内の個人特定につながる情報や撮影環境の配慮が必要
    D. 画像データは解析後すぐに公開することが推奨される

    Q157. 公平性に関する問題として、最も一般的な原因に該当するものを1つ選べ
    A. モデル構造の深さが不足していること
    B. データセットの設計におけるセンシティブ属性の偏り
    C. 学習時間の短縮による過学習
    D. 活性化関数がリニアであること

    Q158. アルゴリズムバイアスの例として最も適切なものを1つ選べ
    A. 学習時のGPU処理における精度劣化
    B. 感情分析モデルが特定の民族に対して否定的な結果を出す
    C. 正解ラベルがすべて同一だった場合に生じるバグ
    D. 入力画像の画質が悪いことで分類不能になる

    Q159. Adversarial Attack(敵対的攻撃)に関する説明として最も適切なものを1つ選べ
    A. モデルの訓練時間をランダムにする手法
    B. 少量のノイズを加えた入力で誤認識を誘導する手法
    C. 誤ったデータを大量に与えてモデルをクラッシュさせる手法
    D. ネットワークにおける通信エラーを利用した攻撃

    Q160. セキュリティ・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
    A. セキュリティは後から付加するべきである
    B. 可能な限りセキュリティ制御を除去する
    C. 開発初期段階からセキュリティを設計に組み込む
    D. 全てのモデルを公開してセキュリティ検証を行う


    Q161. AIの悪用に該当する事例として最も適切なものを1つ選べ
    A. 教育分野で学習支援AIを用いること
    B. 医療画像診断の補助にAIを活用すること
    C. 本人の同意なしに作られたディープフェイク動画の流布
    D. 交通渋滞予測にAIモデルを利用すること

    Q162. AIの説明可能性(Explainability)が求められる理由として最も適切なものを1つ選べ
    A. モデルの実行速度を高速化するため
    B. モデルのソースコードを公開する義務があるから
    C. 判断根拠を人が理解・説明できるようにすることで信頼性を確保するため
    D. すべての判断を自動化するため

    Q163. エコーチェンバー現象に関する説明として最も適切なものを1つ選べ
    A. 情報が無秩序に拡散し、誤情報が生まれにくくなること
    B. 同様の意見ばかりが共有され、異なる意見が排除される情報空間
    C. 高精度な音声認識モデルにおける発話の再帰処理
    D. メディアが特定のテーマを繰り返し報道すること

    Q164. AIが環境に与える影響に関する懸念として最も適切なものを1つ選べ
    A. モデルの計算時間が長くなり、ユーザー体験が悪化すること
    B. 大規模モデルの学習に伴う電力消費やCO₂排出の増加
    C. AIによって交通の流れがスムーズになりすぎること
    D. モデルの精度が高すぎてリソースが余ること

    Q165. AI導入が労働政策に与える影響に関する記述として最も適切なものを1つ選べ
    A. すべての職業が自動化され、労働者の役割が完全になくなる
    B. 単純作業を中心にAIが代替し、人間はより創造的な業務に集中できる可能性がある
    C. AIの導入によってすべての業務効率が低下する
    D. AIの利用が限定され、雇用に対する影響は皆無である

    Q166. AIと倫理に関する「インクルージョン」の観点で最も適切な説明を1つ選べ
    A. 特定の属性や背景を持つ人を排除しないよう配慮すること
    B. AIによって軍事的戦力を強化すること
    C. 人の意思決定をAIに委ねる仕組みを整備すること
    D. モデルの出力を逐一記録して分析すること

    Q167. AIガバナンスにおける倫理アセスメントの目的として最も適切なものを1つ選べ
    A. AIのモデル構造を簡略化して可読性を向上させる
    B. 倫理的観点からAIの影響を事前評価し、リスクを軽減する
    C. AIの運用コストを削減する施策を導入する
    D. 技術的評価と無関係な文書整備を優先する


    解答解説

    画像
    おつかれさまでした。解答解説は下記PDFです。

    ご利用にあたって

    • 本問題は、一般社団法人日本ディープラーニング協会(JDLA)が公開する「G検定(ジェネラリスト検定)シラバス 2024」 に基づいて、出題範囲の理解促進を目的として独自に作成されたものです。

    • JDLAならびにG検定の試験実施機関とは一切関係ありません。

    • 出題形式や選択肢、解説は正確性・網羅性を完全に保証するものではありません。

    • 本資料の利用はあくまで学習補助・理解促進の参考資料としてご活用ください。 利用によって生じた結果や損害について、制作者は一切の責任を負いません。

    • 問題は基礎を中心として単純な知識選択型(定義や特徴などの正誤や適合判断)としております。そこそこ問題配分は考えて作成しています。


     
     
    「人生は自己育成ゲーム」というコンセプトで、資格やスキルの話などを緩くやりたいと思っています。

    あなたへのおすすめ