G検定の無料対策
G検定の記事一覧：次にやることが分かる
無料の予想問題を解き、解説で理解を補いながら弱点を見つける学習サイトです。受験判断や勉強計画に迷ったときは、下の記事で必要な情報だけ確認できます。
このサイトの使い方
- 01無料問題を解く
- 02解説で弱点を見つける
- 03必要な記事だけ読む
560問・219記事・10分野を無料で利用できます。
いまの状況から、次の1つを選ぶ
すべての記事を読む必要はありません。いまの状況に一番近い行から、1つだけ進んでください。
- 1
まず問題を解きたい
560問から分野別に解く - 2
受けるか迷っている
試験概要を確認する - 3
勉強の順番を決めたい
勉強法を確認する - 4
試験が近い
本番形式の模試を受ける
知りたいことから記事を選ぶ
全219本を、受験判断・学習・直前対策に分けています。記事名を見て、答えが必要なものだけ開いてください。
65本
受験を判断する
まず、受ける理由と難しさを整理したい人へ。
試験概要最初に読むG検定はどんな試験？試験方式、出題範囲、公式情報の確認先を最初にまとめてつかむ。難易度迷ったらG検定の難易度は？必要な前提知識と、初学者がつまずきやすい分野を確認する。取得する意味G検定を取る意味はある？向いている人と、急いで取らなくてもよい人を分けて判断する。合格基準・合格率公式の数字と学習目安、混同していない？公式に確認できる事実と、学習上の目安を混同せずに読む。初心者向け初心者は何から始める？最初の1週間で押さえる内容と、問題演習へ進む順番を確認する。仕事・転職仕事や転職でどう使える？資格で示せることと、資格だけでは示せない能力を分けて考える。更新・有効期限取得後、いつ何を確認すればいい？取得後に確認する制度と、知識を見直す時期を整理する。試験日程（2026年・2027年）次の試験はいつ申し込み、いつ受ける？2026年第6回と2027年全6回の試験日、申込期間、合否発表の時期を一覧で確認する。合格率の推移G検定の合格率は回ごとにどう動いた？2024年第5回から2026年第5回までの13回分の受験者数・合格者数から合格率を計算し、年ごとの合計と回ごとの差の読み方をまとめる。合格した後の進み方G検定に合格した後は何をする？合格証書・オープンバッジ・CDLEの受け取りと、E資格の受験資格・費用・次回日程、目的別の次の資格の選び方を公式案内で整理する。キャンセル・日程変更申込後に予定が変わったら、返金や再予約はできる？受験チケットの有効期限と払い戻し、オンライン試験と会場試験のキャンセル期限を公式情報で確認する。受験環境と当日のルールオンラインと会場で、当日のルールはどう違う？PC推奨・一時停止不可・100分で自動終了のオンライン試験と、遅刻30分まで・電卓不可の会場試験を公式のよくある質問で確認する。公式テキスト（第3版）G検定の公式テキストは第3版？何を読めばいい？2024年5月発売の第3版の定価・目次、JDLA監修の4冊の役割、旧版を持つ人の判断を公式情報で確認する。受験料と割引クーポン再受験・修了証・会員社の割引は、いくら安くなる？一般13,200円・学生5,500円の受験料と、再受験の半額、AI For Everyone修了の30%引き、JDLA会員社クーポンの条件を公式情報で確認する。申込方法と領収書オンライン試験と会場試験で、申込・支払い・領収書はどう違う？受験チケットの買い方、支払い方法、領収書の出し方、個人と団体経由申込の人数条件と期限を公式情報で確認する。合否通知と合格証書合否通知が届かない・メールを無くしたらどうする？合否通知の時期、メールの再送の期限、合格証書・ロゴ・オープンバッジの受け取り方と名刺の表記例を公式情報で確認する。履歴書・就活の書き方履歴書の資格欄にG検定をどう書く？JDLA公式の表記例（正式名称版・短縮版）、有効期限の扱い、学生料金5,500円の条件を確認する。出題範囲出題範囲の10大項目は、何を学ぶ？公式のシラバスの10大項目と小項目、当サイトの10章と収録問題数の対応、G2024#6からの版、状況別の学ぶ順番を整理する。試験形式の変更点2026年に試験はどう変わった？時間短縮、会場試験、シラバス改訂の変更点をまとめて確認する。要点整理（チートシート）用語をどう総復習する？分野別の重要用語と、紛らわしい概念のペアを一覧で確認する。公式例題20問の解き方G検定の公式例題20問は、どう解く？JDLA公式の例題20問を、問題文を転載せずに、何を問うか・公式の正解・手掛かりの言葉で1問ずつ確認する。過去問・例題公式例題はあるが過去問はない、どう対策する？公式例題の在り処と、過去問がない前提での対策を整理する。生成AI・基盤モデルG検定の生成モデルとは？VAE・GAN・拡散モデルの仕組みの違いと原論文の記述エンコーダとデコーダ、生成器と識別器、ノイズを逆にたどる学習の違いと、DCGAN・Pix2Pix・CycleGANの位置づけを原論文で整理する。ディープラーニングの概要G検定のオートエンコーダとは？不完備・スパース・ノイズ除去・積層の違いとVAEとの関係符号の次元を小さくする不完備型、ペナルティを足すスパース型、壊した入力から戻すノイズ除去型、積み重ねる積層型の違いを教科書の記述で整理する。モデルの解釈性G検定の説明可能AI（XAI）とは？CAM・Grad-CAM・LIME・SHAP・Permutation Importanceの違い画像の注目領域を示すCAMとGrad-CAM、1件の予測を説明するLIMEとSHAP、特徴量をシャッフルして調べるPermutation Importanceの使い分けを原論文で整理する。自然言語処理G検定の単語埋め込み（分散表現）とは？word2vecの2モデル・足し引きの例・文脈つき表現との違い単語を番号で扱う方法の限界、CBOWとSkip-gramの予測の向き、King−Man＋Womanの例、ELMo・BERTとの違いを原論文で整理する。知識表現とエキスパートシステムG検定のエキスパートシステムとは？MYCIN・DENDRAL・ELIZA・Cyc・意味ネットワークを、規則の推論例で整理3本の規則で前向き推論と後ろ向き推論を追い、MYCIN・DENDRAL・ELIZAの役割の違い、意味ネットワークのis-aとpart-of、オントロジーとCycの位置づけを整理する。探索・推論G検定の探索アルゴリズムとは？幅優先・深さ優先・Mini-Max法・αβ法を、小さな木で計算して確認7ノードの木で幅優先と深さ優先の探索順を追い、葉9枚のゲーム木でMini-Max法の評価値を求め、αβ法で調べる葉が6枚に減る場面を確認する。ディープラーニングの要素技術G検定の誤差逆伝播法とは？連鎖律で勾配を求める手順を、2層ネットワークの計算例で確認入力1・重み2個のネットワークで、順伝播から逆伝播、重みが0.5から0.5321・0.5061に変わる更新までを数字で追い、勾配降下法との役割の違いと勾配消失との関係を整理する。ディープラーニングの要素技術G検定の転移学習とは？特徴抽出とファインチューニングの違いを、学習するパラメータ数で確認全体226万個のうち学習するのは1,281個の特徴抽出と、解凍して186万個になるファインチューニングを公式の実行例で比べ、学習率を低くする理由とBERTとの関係を整理する。AIに必要な数理・統計知識G検定の最尤推定とは？尤度・対数尤度・交差エントロピーをコイン投げ10回の計算例で確認コインを10回投げて表が7回の例で尤度を計算し、最大になる表の確率が0.7になる理由、正規分布の分散の最尤推定、交差エントロピー損失との関係を確認する。ディープラーニングの概要G検定のハイパーパラメータ調整とは？重みとの違い・組合せ数の数え方・検証データの使い方重みとの違い、2つの探し方の差、組合せ数の数え方、テストデータを調整に使えない理由を公式ドキュメントで整理する。機械学習の概要G検定の強化学習とは？エージェント・報酬・方策・価値の関係と教師あり学習との違いエージェントと環境、報酬と価値の違い、方策、探索と活用、割引率を教科書の記述で整理する。深層強化学習G検定のDQNとは？Atariゲームで試した深層強化学習の中身と結果DQNの原論文の抄録から、入力・モデル・学習方法・出力と、7つのゲームでの結果を整理する。モデルの軽量化とエッジAIG検定のモデルの軽量化とエッジAIは何を問う？蒸留・プルーニング・量子化の整理エッジAIとクラウドの違い、蒸留・プルーニング・量子化・MobileNetsが何を小さくする手法かを原論文の要旨で整理する。AIプロジェクトの進め方G検定のAIプロジェクトの進め方（大項目7）は何を問う？CRISP-DM・アジャイル・APIの整理CRISP-DMとCRISP-ML(Q)の違い、ウォーターフォールとアジャイル、Docker・Jupyter・REST APIの役割を一次資料で整理する。音声認識・音声合成G検定の音声認識・音声合成は何を問う？MFCC・隠れマルコフモデル・WaveNetの整理MFCCの求め方、隠れマルコフモデルの役割、音声合成の4方式とWaveNetの特徴を、原論文の抄録と百科事典の記述で整理する。データの整備と運用G検定のアノテーション・データリーケージ・コーパス・オープンデータセットの違いデータの整備と運用の4語を、作業・成果物・公開のルール・失敗に分けて一覧で整理する。データリーケージは平均を求める順序の数値例つき。AIの信頼性に関する用語G検定のディープフェイク・フェイクニュース・敵対的サンプル・フィルターバブルの違いだます相手が人か、モデルか、配信の仕組みかで4語を分け、総務省の白書と敵対的サンプルの原論文の記述で整理する。マハラノビス距離G検定のマハラノビス距離とは？ばらつきと相関を考慮する距離の意味と数値例ユークリッド距離との違いを、共分散行列の逆行列を使う定義と、ばらつきが違う例・相関がある例の数値例で整理する。AI倫理・AIガバナンスG検定のAI倫理・AIガバナンス（大項目10）は何を問う？公平性・透明性・バイアスの整理センシティブ属性と代理変数、公平性の4指標、透明性と説明可能性、フィルターバブルとエコーチェンバーの違いを公的資料で整理する。AIに関する法律と契約G検定の法律分野（大項目9）は何を問う？個人情報保護法・知的財産・契約の整理個人情報保護法の仮名加工情報と匿名加工情報、営業秘密と限定提供データ、請負と準委任の違いを条文と公的資料で整理する。人工知能とはG検定のチューリングテストとは？模倣ゲームの中身と70％・5分の予想チューリングの1950年の論文にある模倣ゲームのやり方と、70％・5分が合格基準ではなく予想である点を整理する。画像認識G検定の物体検出とセグメンテーションは何が違う？YOLO・FCN・Mask R-CNN枠で囲む物体検出と、画素ごとに塗り分けるセグメンテーションを出力の違いで分け、各手法の対応を整理する。モデルの評価G検定の交差検証は？5分割の計算例で手順と平均の出し方20件のデータを5分割して検証用を入れ替え、5回の正解率を平均する手順と、1回の分割で結果がぶれる理由、前処理の情報漏れを整理する。CNNG検定のCNN｜畳み込み・プーリング・全結合層の出力サイズとパラメータ数を計算で確認4×4の入力に3×3のフィルタを当てる計算と、出力サイズ(W−F+2P)÷S+1の式で、ストライド・パディング・最大値プーリング・全結合層との違いを整理する。RNN・LSTM・GRUG検定のRNN・LSTM・GRU｜隠れ状態の更新と忘却ゲートを小さな数値で確認隠れ状態の更新を3ステップ計算し、LSTMの忘却ゲートとGRUの更新ゲートで10ステップ後に情報がどれだけ残るかを比べる。ゲートの数と重みの数の違い、双方向RNNまで整理する。自己教師あり学習と半教師あり学習G検定の自己教師あり学習と半教師あり学習｜教師あり・教師なしとの見分け方とBERTのマスク予測正解ラベルの出どころで、教師あり・教師なし・半教師あり・自己教師ありを見分ける。BERTのマスク予測（15%を選び80%・10%・10%で置き換え）とGPTの事前学習・微調整を、原論文の記述と小さな数値で確認する。Transformerと注意機構G検定のTransformerと注意機構｜クエリ・キー・値と位置エンコーディングを小さな数値で確認3つのキーの小さな計算例で、内積を√d_kで割ってソフトマックスで重みを作る注意機構を確認する。マスク、位置エンコーディング、エンコーダとデコーダの構成、RNNとの違いも原論文の記述に沿って整理する。決定木G検定の決定木｜ジニ係数と情報利得で分割を選ぶ計算10人のデータでジニ係数とエントロピーを計算し、親ノードの0.48が良い分割で0.16、悪い分割で約0.467になる違いを確認する。深く育てすぎると過学習になる理由も整理する。アンサンブル学習G検定のアンサンブル学習｜バギング・ブースティング・ランダムフォレストの違い正解率70%のモデル3つの多数決が約78.4%になる計算と、残差が半分ずつ減るブースティングの例で、3つの手法の作り方の違いを確認する。k近傍法G検定のk近傍法（k-NN）｜kの決め方・距離の重み付け・単位の影響を7点の例で確認座標が分かる7つの点で、kを1・3・5・7と変えると予測が変わる様子、距離の逆数で重みを付けると多数決の結果が入れ替わる例、年収の単位を変えると最も近い点が変わる例を計算して確かめ、k-meansとの違いも整理する。線形回帰とロジスティック回帰G検定の線形回帰とロジスティック回帰｜回帰と分類の違い・損失関数を5点と6時間の例で確認学習時間と点数の5点で最小二乗法の直線を引き、データの範囲の外を予測すると満点を超える例、シグモイド関数で合格の確率を出す例、損失関数が二乗誤差と交差エントロピーで異なる理由を計算して確かめる。疑似相関と偏相関係数G検定の疑似相関と偏相関係数｜気温を固定するとアイスと水難事故の相関が消える計算で確認6日分のアイス販売数・水難事故件数・最高気温で相関係数0.888を計算し、気温の影響を除いた偏相関係数が0になる手順を確認する。相関があっても原因とは言えない理由も整理する。確率分布G検定の確率分布｜ベルヌーイ分布・二項分布・ポアソン分布・正規分布の違いを数値例で確認クリック率0.3の広告と平均3件の問い合わせの例で、1回の試行・n回の成功回数・まれな事象の回数・連続値の4つの分布を比べ、二項分布がポアソン分布に近づく計算と68・95・99.7の目安を確認する。SVMG検定のSVM｜マージン最大化・サポートベクター・カーネルの計算で確認境界線から点までの距離とマージン幅0.4の求め方、RBFカーネルが距離で0.368や0.018に下がる計算、Cとgammaの役割を小さな数値で確認する。k-means法・主成分分析G検定のk-means法と主成分分析｜教師なし学習を小さな計算で確認6個の数値でk-means法の割り当てと重心の更新を計算し、距離の2乗和が35.25から約9.33に下がる過程を確認する。主成分分析は寄与率の計算で次元削減との対応を整理する。活性化関数G検定の活性化関数｜シグモイド・tanh・ReLU・ソフトマックスの出力範囲と使い分け同じ入力を3つの関数に通した計算と、(2,1,0)をソフトマックスで確率にする計算で、出力範囲と、隠れ層・出力層での使い分けを確認する。勾配降下法G検定の勾配降下法｜学習率とバッチサイズの違いを小さな計算で確認損失(w−3)²を4通りの学習率で3回更新し、小さすぎる・大きすぎるときの動きを確かめる。1,000件・20エポックの更新回数がフルバッチ20回・ミニバッチ200回・SGD20,000回になる理由も整理する。勾配消失問題G検定の勾配消失問題｜シグモイド・tanh・ReLUの微分の最大値で違いを確認シグモイドの微分の最大値0.25を層の数だけ掛けて、5層・10層での小ささを確かめる。tanhとReLUの微分の違い、ReLUが標準になった理由、選択肢の見分け方も確認する。過学習対策G検定の過学習と正則化は？L1・L2・ドロップアウト・早期終了の違い訓練誤差と検証誤差の表で過学習を見分け、係数が1つの計算例でL1は0になりL2は0にならない理由を確認する。ドロップアウトと早期終了の効く場所も整理する。モデルの評価G検定のROC曲線とAUCは？しきい値を動かして点を取る計算例10件のデータでしきい値を動かして真陽性率と偽陽性率を求め、AUCが0.76になる理由と対角線・左上の読み方を整理する。モデルの評価G検定の混同行列から正解率・適合率・再現率・F値を計算するには？TP・FP・FN・TNの4マスから4つの指標を計算し、正解率だけでは足りない場面と使い分けを整理する。AIの歴史G検定のAIブームと冬の時代は？第1〜3次の中心技術第一次は推論・探索、第二次は知識、第三次は機械学習。総務省の白書で、ブームが終わった理由とシラバスの位置づけを整理する。演習データ実際につまずきやすい大項目はどこ？142解答の大項目別正答率から、自分の復習順を決める。
7本
学習を進める
自分の生活に合わせて、学び方と期間を選ぶ。
勉強法最初に読むどの順番で勉強すればよい？分野を進める順番、復習方法、問題演習の回し方を決める。勉強時間どれくらいの勉強時間が必要？前提知識と確保できる時間から、学習期間の目安を決める。独学独学で合格を目指せる？独学で進めやすい人と、補助教材が必要な人を見分ける。参考書・問題集参考書と問題集をどう選ぶ？教材を増やしすぎない選び方と、演習へのつなげ方を確認する。平日30分の計画平日30分なら、どう進める？仕事や学業と両立しながら、20日間で学習を進める。土日中心の計画土日中心なら、どう進める？週末の問題演習と復習を中心に、4週間かけて進める。2〜3か月の計画2〜3か月で、どう仕上げる？基礎、弱点補強、直前対策まで余裕を持って進める。
4本
会社・制度で必要になった
昇進要件や社内育成など、仕事上の理由で資格を求められた人へ。
5本
受験直前・復習
弱点を見つけ、試験日までに整える。
10本
資格を比較する
試験の目的・方式・範囲を並べ、先に受ける資格を決める。
資格比較最初に読むG検定とDS検定の違いG検定とDS検定の違いを、試験の目的、出題範囲、試験方式、学習の重なり、先に受ける資格の決め方まで公式情報に沿って比較します。資格比較受験日が決まっている資格と自分で選べる資格の違い（G検定・生成AIパスポート・統計検定2級ほか6資格の日程）G検定・生成AIアドバイザー認定試験・DS検定は決まった回で受験し、生成AIパスポートは受験期間の中から、統計検定2級とPython3エンジニア認定基礎試験はCBT方式の申込画面から、受験日を選びます。6資格の直近日程と申込期限を2026年10月6日時点の公式情報で整理し、受験日から逆算した準備の決め方を示します。資格比較生成AIパスポートとG検定の違い（出題範囲・問題数・試験時間・受験料・日程）生成AIパスポート（60問・60分のIBT、一般11,000円）とG検定（145問程度、オンライン100分、一般13,200円）の違いを、実施団体、出題範囲、問題数、受験料、日程の決まり方、合格率の公表状況で整理します。生成AIの基礎とリスクを確認したい人と、AI全般を体系的に学びたい人のどちらに合うかを、公式情報から判断できます。資格比較G検定とE資格の違い（受験資格・試験内容・受験料・日程・合格実績）G検定（JDLA、受験資格なし、145問程度、一般13,200円）とE資格（JDLA認定プログラムの修了が必要、100問程度・120分、一般33,000円）の違いを、受験資格、試験の中心、受験料、日程、合格実績で整理します。AIを使う側として知識を示したい人と、ディープラーニングを実装する側を目指す人のどちらに合うかを、JDLAの公式情報から判断できます。資格比較G検定とITパスポートの違い（実施団体・出題範囲・試験時間・受験料・合格基準）G検定（JDLA、145問程度・100分または120分、一般13,200円）とITパスポート試験（IPA、100問・120分、7,500円、総合600点以上かつ分野別各300点以上）の違いを、出題範囲、受験方式、受験料、合格基準、選び方まで公式情報で比べます。資格比較G検定・統計検定2級・DS検定で名前が重なる統計用語13語の読み分け平均・中央値・分散・標準偏差・帰無仮説・対立仮説など、G検定・統計検定2級・DS検定の用語集に共通して載る13語を、章の位置づけと定義の力点で比較し、各用語ページへ案内します。資格比較G検定と統計検定2級の違い（出題範囲・問題数・試験時間・受験料・受験日）G検定（145問程度、オンライン100分・会場120分、一般13,200円）と統計検定2級（35問程度・90分、一般7,000円）の違いを、出題範囲、問題の形式、受験日の決まり方、受験料、重なる確率・統計と回帰分析まで、公式情報に沿って比較します。資格比較G検定とPython3エンジニア認定基礎試験の違いG検定とPython3エンジニア認定基礎試験の違いを、学ぶ内容、問題数、試験時間、受験方式、先に受ける基準で比較します。AIの全体像とPythonコード読解のどちらから始めるかを決められます。資格比較G検定と生成AIアドバイザー認定試験の違い｜問題数・受験料・学ぶ内容で比較G検定と生成AIアドバイザー認定試験の違いを、学ぶ内容、問題数と試験時間、受験料、受験方式、合格基準の公表で比較します。AIの全体像を学ぶ試験と、生成AIを業務で使う力を測る試験のどちらを先に受けるかを決められます。資格比較生成AIパスポートで落ちたあとG検定へ進むか（復習する範囲と学習量の見積もり方）生成AIパスポートに不合格だった人が、再受験とG検定のどちらへ進むかを決めるために、両試験の出題範囲の重なりと違い、問題数と試験時間、復習の優先順位、学習量の見積もり方を公式情報で整理します。
128本
混同しやすい概念を整理する
似た用語を、判断手順つきで区別する。
k-means比較最初に読むk-meansと階層的クラスタリングの違いk-means法と階層的クラスタリングの違いを、クラスタ数の決め方、重心とデンドログラム、凝集型の併合基準、G検定での判断手順と確認問題まで解説します。ROC曲線比較ROC曲線とPR曲線の違いROC曲線とPR曲線（適合率・再現率曲線）の違いを、軸、しきい値の動かし方、クラスが不均衡なときの使い分け、G検定での判断手順と確認問題まで解説します。L1正則化比較L1正則化とL2正則化の違いL1正則化（ラッソ回帰）とL2正則化（リッジ回帰）の違いを、罰則の形、係数が0になるかどうか、特徴選択への使い方、G検定での判断手順と確認問題まで解説します。SGD比較SGDとAdamの違いSGD（確率的勾配降下法）とAdamの違いを、更新式、モーメンタムとの関係、1次・2次モーメントの適応的な推定、G検定での判断手順と計算例・確認問題まで解説します。エポック・バッチサイズ・イテレーションの違い（ミニバッチ学習の用語整理）比較エポック・バッチサイズ・イテレーションの違い（ミニバッチ学習の用語整理）エポック、バッチサイズ、イテレーションの違いを、ミニバッチ学習での1回の更新・データ全体を1周する単位との関係、Keras公式ドキュメントの記述、更新回数の計算例とG検定での判断手順まで整理します。GAN比較GANとVAEの違いGAN（敵対的生成ネットワーク）とVAE（変分オートエンコーダ）の違いを、学習の仕組み、構成要素、潜在変数の扱い、G検定での判断手順と確認問題まで解説します。シグモイド関数比較シグモイド関数とReLU関数の違いシグモイド関数とReLU関数の違いを、式、出力範囲、負の入力の扱い、G検定での判断手順、計算例と確認問題まで解説します。ドロップアウト比較ドロップアウトとバッチ正規化の違いドロップアウトとバッチ正規化の違いを、何をするか、狙い、学習時と予測時の扱い、G検定での判断手順と確認問題まで解説します。Q学習比較Q学習と方策勾配法の違いQ学習と方策勾配法の違いを、学習する対象、方策の導き方、代表的な論文、G検定での判断手順と確認問題まで解説します。RNN比較RNNとTransformerの違いRNNとTransformerの違いを、計算の進め方、並列化、語順の扱い、原論文の数値、G検定での判断手順と確認問題まで解説します。線形回帰比較線形回帰とロジスティック回帰の違い線形回帰とロジスティック回帰の違いを、予測する対象、出力の形、分類へのしきい値、G検定での判断手順と確認問題まで解説します。適合率比較適合率と再現率の違い適合率と再現率の違いを、分母、誤検知と見逃し、具体場面、G検定での判断手順、確認問題まで分類モデルの評価に沿って解説します。教師あり学習比較教師あり学習と教師なし学習の違い教師あり学習と教師なし学習の違いを、正解ラベル、分類・回帰・クラスタリング・次元削減、G検定での判断手順と確認問題まで解説します。エッジAI比較エッジAIとクラウドAIの違い（処理する場所・遅延・プライバシー・電力）エッジAIとクラウドAIの違いを、AIを動かす場所、応答の遅れ、データの送信、電力と専用半導体（NPU）、モデルの大きさから比較表で整理します。G検定の用語集・演習で見分けるための判断手順も示します。CNN比較CNNとRNNの違い｜G検定での見分け方G検定で問われるCNNとRNNの違いを、扱うデータの構造、畳み込み・プーリングとLSTM・GRUの処理、勾配消失問題との関係、判断手順と確認問題まで解説します。過学習比較過学習と正則化の違い過学習と正則化の違いを、現象と対策の関係、交差検証などの評価指標、L1・L2正則化やドロップアウトの手法、G検定での判断手順と確認問題まで解説します。バギング比較バギングとブースティングの違いバギングとブースティングの違いを、並列学習と逐次学習の進め方、ランダムフォレストと勾配ブースティングの代表例、G検定での判断手順と確認問題まで解説します。決定木比較決定木とランダムフォレストの違い決定木とランダムフォレストの違いを、モデルの本数と解釈しやすさ、バギングによる複数モデルの組み合わせ、G検定での判断手順と確認問題まで解説します。LSTM比較LSTMとGRUの違いLSTMとGRUの違いを、ゲート構造の数と役割、計算量、長期依存の学習という観点から、G検定での判断手順と確認問題まで解説します。営業秘密比較営業秘密と限定提供データの違い営業秘密と限定提供データの違いを、不正競争防止法上の3要件、刑事罰の有無、G検定での判断手順と確認問題まで解説します。仮名加工情報比較仮名加工情報と匿名加工情報の違い仮名加工情報と匿名加工情報の違いを、個人情報保護法の定義、復元できるかどうか、第三者提供の可否、G検定での判断手順と確認問題まで解説します。識別系AI比較識別系AIと生成系AIの違い（ラベルを予測するか、新しい例を作るか）識別系AIと生成系AIの違いを、出力の種類、確率の定義、GANの生成器と識別器、生成AIパスポートでの見分け方、確認問題まで具体的に解説します。回帰比較回帰と分類の違い（予測するものが数か区分か）｜G検定で整理するG検定で出る回帰と分類の違いを、予測するものが連続値かカテゴリか、評価に使う指標（平均二乗誤差と正解率など）、同じ手法が両方に使える例、確認問題つきで整理します。scikit-learn公式ドキュメントの記述にもとづきます。勾配消失問題比較勾配消失問題と勾配爆発問題の違い（原因と対策）｜G検定で整理するG検定の誤差逆伝播で出る勾配消失問題と勾配爆発問題の違いを、勾配が小さくなるか大きくなるかという現れ方、起こりやすい場面、ReLU・スキップ結合・LSTM・勾配クリッピングなどの対策、確認問題つきで整理します。誤差逆伝播法比較誤差逆伝播法と順伝播の違い｜G検定で整理するG検定の誤差逆伝播法を、予測を出す順伝播との役割の違い、連鎖律で各層の勾配を求める仕組み、勾配降下法との関係、勾配消失問題とのつながりで整理します。確認問題つき。AI・機械学習・深層学習の違い比較AI・機械学習・深層学習の違いAI（人工知能）・機械学習・深層学習の違いを、包含関係と特徴量を人が決めるか自動で獲得するかから解説。G検定の最初の章で問われる判断手順と確認問題つきです。AIの基本用語ま比較AIの基本用語まとめ（生成AI・LLM・機械学習・プロンプトの意味と関係）生成AI・LLM・機械学習・ディープラーニング・プロンプトの意味を、入れ子の関係と覚える順番から入門向けに整理。生成AIパスポートの章との対応と、用語ごとの確認問題つきです。LIME比較LIMEとSHAPの違いLIMEとSHAPの違いを、説明の作り方（局所近似とシャープレイ値）、満たす性質、使う場面、G検定での判断手順と確認問題まで解説します。強化学習比較強化学習と教師あり学習の違い強化学習と教師あり学習の違いを、学習に与えられるもの（正解か報酬か）、探索と活用、遅延報酬、G検定での判断手順と確認問題まで解説します。主成分分析比較主成分分析とクラスタリングの違い主成分分析（PCA）とクラスタリング（k-means法）の違いを、出力の形、目的、使い分けと併用、G検定での判断手順と確認問題まで解説します。バイアス比較バイアスとバリアンスの違いバイアスとバリアンスの違いを、誤差の原因、学習標本を変えたときの予測の動き、未学習・過学習との対応、G検定での判断手順と確認問題まで解説します。オートエンコーダ比較オートエンコーダとVAEの違い（圧縮して復元する仕組みと、確率分布で生成する仕組み）オートエンコーダと変分オートエンコーダ（VAE）の違いを、符号の次元圧縮と再構成、確率的エンコーダ・デコーダ、事前分布とKLダイバージェンスの項、G検定での判断手順と確認問題まで解説します。k近傍法比較k近傍法とk-means法の違い（既知ラベルを使う分類と、ラベルなしで分けるクラスタリング）k近傍法とk-means法の違いを、学習にラベルが要るか、kが何を表すか、予測と群分けの手順、G検定での判断手順と確認問題まで解説します。名前が似ていて取り違えやすい二つの手法を整理します。SVM比較SVMとロジスティック回帰の違い（マージンの最大化と、確率のモデル化）サポートベクターマシン（SVM）とロジスティック回帰の違いを、決定に使うデータ、確率の扱い、カーネルの使い方、G検定での判断手順と確認問題まで解説します。どちらも分類に使う教師あり学習の手法です。YOLO比較YOLOとFaster R-CNNの違い（領域提案の有無で比較）YOLOとFaster R-CNNの違いを、領域提案の有無、1回の評価で予測するか二段階か、原論文の記述から解説。G検定の物体検出で問われる判断手順と確認問題つきです。CNN比較CNNとVision Transformerの違い（画像の見方で比較）CNNとVision Transformer（ViT）の違いを、画像をパッチに分けて系列として扱うか、局所性と平行移動への対応を層に組み込むかから解説。G検定の画像認識で問われる判断手順と確認問題つきです。拡散モデル比較拡散モデルとGANの違い（ノイズ除去と敵対的学習で比較）拡散モデルとGANの違いを、ノイズを加える過程を逆にたどるか、生成器と識別器を競わせるかから解説。G検定の画像生成で問われる判断手順と確認問題つきです。word2vec比較word2vecとBERTの違い｜語ごとのベクトルと文脈つきの表現（G検定）word2vecとBERTの違いを、発表年（2013年・2018年）、学習の仕方（CBOW・Skip-gramと双方向の事前学習）、同じ語の表現が文脈で変わるか、ファインチューニングの有無、G検定での見分け方と確認問題まで解説します。センシティブ属性比較センシティブ属性と代理変数の違い｜属性を外しても偏りが残る理由（G検定・AI倫理）センシティブ属性と代理変数の違いを、郵便番号の例と、1,000人の応募者を使った計算例（属性を使わなくてもグループ別の採用率が24%と56%に分かれる）で解説します。人口統計学的パリティなどの公平性の見方と、G検定での判断手順、確認問題も掲載します。チューリングテスト比較チューリングテストと中国語の部屋の違い｜判定の方法と、理解したと言えるかの論点（G検定）チューリングテストと中国語の部屋の違いを、問い・判断の材料・結論の3点で比較します。チューリングが1950年の論文で示した模倣ゲームと、ジョン・サールが1980年の論文で示した思考実験を、一次資料に沿って整理し、G検定での判断手順と確認問題も掲載します。強いAI比較強いAIと弱いAIの違い｜理解や意識を持つとみなすか、道具とみなすか（G検定）強いAIと弱いAIの違いを、コンピュータが理解や心の働きを実際に持つとみなすかどうかで整理します。ジョン・サールが強いAIと呼ぶ立場と、その対比としての弱いAIの定義、中国語の部屋が向けられた先を、一次資料に沿って解説し、G検定での判断手順と確認問題も掲載します。幅優先探索比較幅優先探索と深さ優先探索の違い｜調べる順番と最短経路の保証（G検定）幅優先探索と深さ優先探索の違いを、頂点を調べる順番、キューと再帰、最短経路が求まるかどうかで整理します。小さな例で調べる順を追い、G検定の探索木の問題で迷わない判断手順と確認問題も掲載します。グリッドサーチ比較グリッドサーチとランダムサーチの違いグリッドサーチとランダムサーチの違いを、候補の選び方、試行回数、重要なハイパーパラメータの探し方、G検定での判断手順、計算例と確認問題まで解説します。セマンティックセグメンテーション比較セマンティックセグメンテーションとインスタンスセグメンテーションの違いセマンティックセグメンテーションとインスタンスセグメンテーションの違いを、画素への割り当て方、同じクラスの物体の扱い、代表的なモデル、G検定での判断手順、確認問題まで解説します。CBOW比較CBOWとSkip-gramの違い｜word2vecの2つのモデル（G検定）CBOWとSkip-gramの違いを、予測の向き（周辺の語から中心の語か、中心の語から周辺の語か）、計算量の式、原論文の比較表の数値、G検定での見分け方と確認問題まで解説します。ソフトマックス関数比較ソフトマックス関数とシグモイド関数の違い｜多クラス分類と二値分類（G検定）ソフトマックス関数とシグモイド関数の違いを、式、出力の合計、2要素のソフトマックスとの関係、出力層での使い分け、G検定での判断手順と確認問題まで解説します。次元の呪い比較次元の呪いとは（特徴量が増えると何が困るか）次元の呪いとは何かを、特徴量（次元）が増えたときの困りごと、距離計算や近傍探索への影響、対策の次元削減との関係から整理します。G検定で問われたときの判断手順と確認問題も示します。GPU比較GPUとTPUの違い｜開発の出発点・得意な計算・使い分け（G検定）GPUとTPUの違いを、設計の出発点、行列演算の進め方、向いているモデルの条件で整理します。CPUとの位置づけも含め、G検定の計算資源の問題で迷わない判断手順と確認問題も掲載します。AIブーム比較AIブームと冬の時代の年表｜第一次〜第三次の違い（G検定）第一次・第二次・第三次AIブームの時期、ブームを支えた技術、冬の時代を招いた限界を年表で整理します。G検定の人工知能の歴史の問題で迷わない判断手順と確認問題も掲載します。データリーケージ比較データリーケージとは（過学習との違い・テストデータが学習に混ざる典型例）データリーケージと過学習の違いを、原因、性能が高く見える理由、典型例（全データでの前処理・テストデータでのfit）、防ぎ方、G検定での判断手順と確認問題まで整理します。特徴量比較特徴量とは（特徴量選択と特徴量抽出の違い）特徴量とは何かを、予測や分類の手がかりとなるデータの性質として整理し、特徴量選択（一部を選ぶ）と特徴量抽出（数値の特徴量へ変換する）の違いを、scikit-learn公式ドキュメントの記述をもとに比較します。G検定での判断手順と確認問題も示します。パラメータ比較パラメータとハイパーパラメータの違い（学習率・層の数は誰が決めるか）パラメータ（重み）とハイパーパラメータの違いを、学習で決まるか人が先に決めるかで整理し、学習率や隠れ層の数がどちらに当たるかを、scikit-learn公式ドキュメントの記述をもとに比較します。G検定での判断手順と確認問題も示します。フレーム問題比較フレーム問題とシンボルグラウンディング問題の違い｜行動の扱いと記号の意味の論点（G検定）フレーム問題とシンボルグラウンディング問題の違いを、何が問題になるのか・提起した人・G検定での位置づけの3点で比較します。JDLA公式シラバスの記載、McCarthyとHayesの1969年の論文、Harnadの論文に沿って整理します。知識蒸留比較知識蒸留とファインチューニングの違い（小さなモデルを作る方法と、モデルを合わせ込む方法）知識蒸留とファインチューニングの違いを、目的、学習で使う正解の種類、温度つきsoftmaxとsoft targets、G検定での判断手順と確認問題まで、Hintonらの原論文に沿って解説します。Attention比較AttentionとSelf-Attentionの違い（Transformerでの使い分け）AttentionとSelf-Attentionの違いを、クエリ・キー・値がどこから来るかで整理し、Transformerのエンコーダ・デコーダ注意との見分け方、位置エンコーディングが要る理由、G検定での確認問題まで、原論文に沿って解説します。損失関数比較損失関数と評価指標の違い（学習時と評価時の使い分け）損失関数と評価指標の違いを、使う場面、最適化できる条件、代理の損失関数、交差エントロピーと正解率の関係、G検定での確認問題まで、書籍『Deep Learning』に沿って解説します。ImageNet比較ImageNetとILSVRCの違い（データセットとコンペティション）ImageNet（画像データセット）とILSVRC（画像認識のコンペティション）の違いを、AlexNetが15.3%の誤り率で優勝した2012年の結果とあわせて解説。G検定の大項目2で問われる区別と確認問題つきです。CRISP-DM比較CRISP-DMとCRISP-MLの違い（フェーズの統合と運用監視で見分ける）CRISP-DMとCRISP-ML(Q)の違いを、6つのフェーズの並び、ビジネスとデータ理解の統合、運用監視の追加、品質保証の組み込み、G検定での見分け方と確認問題まで、原論文に沿って解説します。アジャイル比較アジャイルとウォーターフォールの違い（変更の受け入れ方で見分ける）アジャイルとウォーターフォールの違いを、フェーズの進め方、変更への対応、向いているプロジェクト、G検定での見分け方と確認問題まで、AWSの解説とアジャイル宣言の原則に沿って解説します。エコーチェンバー比較エコーチェンバーとフィルターバブルの違いエコーチェンバーとフィルターバブルの違いを、起きる場所、原因、本人の気づきやすさ、G検定での見分け方と確認問題まで、総務省の情報通信白書に沿って解説します。請負契約比較請負契約と準委任契約の違い（AI開発の契約でG検定に出る見分け方）請負契約と準委任契約の違い（約束する内容、完成義務、AI開発の各段階で準委任型が親和的とされる理由、G検定での見分け方と確認問題）。根拠は民法と経済産業省の契約ガイドライン。単純パーセプトロン比較単純パーセプトロンと多層パーセプトロンの違い（XOR問題と隠れ層でG検定に出る見分け方）単純パーセプトロンと多層パーセプトロンの違いを、隠れ層の有無、線形分離できる問題の範囲、XOR問題、活性化関数の役割、G検定での見分け方と確認問題まで、教科書とscikit-learn公式ドキュメントに沿って解説します。透明性・説明可能性・解釈可能性の違い（NISTの分類でG検定に出る見分け方）比較透明性・説明可能性・解釈可能性の違い（NISTの分類でG検定に出る見分け方）透明性、説明可能性、解釈可能性の違いを、NIST AI RMFの「何が起きたか・どのように・なぜ」の分類、AI事業者ガイドラインでの扱い、G検定での見分け方と確認問題まで、公式資料に沿って解説します。データ拡張比較データ拡張とオーバーサンプリングの違い（画像の水増しと少数派クラスの水増しの見分け方）データ拡張とオーバーサンプリングの違いを、増やす対象と目的、変換の仕方、学習データだけに適用する理由、SMOTEとの関係、G検定での見分け方と確認問題まで、公式ドキュメントに沿って解説します。VGG比較VGGとResNetの違い（G検定の画像認識モデルの見分け方）VGGとResNetの違いを、原論文の抄録に沿って、3×3フィルタで深くしたVGGと、残差学習で152層まで深くしたResNetの考え方、層の数、ILSVRCの成績まで整理し、G検定での見分け方と確認問題を示します。FCN比較FCNとU-Netの違い（G検定のセグメンテーションモデルの見分け方）FCNとU-Netの違いを、原論文の抄録に沿って、全畳み込みで任意サイズの入力を扱うFCNと、収縮パスと拡張パスで少数画像から学習するU-Netの構造、用途、成績まで整理し、G検定での見分け方と確認問題を示します。Seq2Seq比較Seq2SeqとTransformerの違い（G検定の機械翻訳モデルの見分け方）Seq2SeqとTransformerの違いを、原論文の抄録に沿って、LSTMで固定次元のベクトルを介して系列を変換するSeq2Seqと、再帰も畳み込みも使わず注意機構だけで組むTransformerの構造、翻訳成績、学習の速さまで整理し、G検定での見分け方と確認問題を示します。VGG比較VGGとGoogLeNetの違い（G検定のILSVRC 2014の画像認識モデルの見分け方）VGGとGoogLeNetの違いを、原論文の抄録に沿って、3×3の小さな畳み込みフィルタで深さを16〜19層に押し進めたVGGと、Inception構造で計算量を一定に保ちつつ深さと幅を増やした22層のGoogLeNetの設計思想と成績まで整理し、G検定での見分け方と確認問題を示します。不均衡データの扱い（オーバーサンプリング・アンダーサンプリング・クラスの重み付けの違い）比較不均衡データの扱い（オーバーサンプリング・アンダーサンプリング・クラスの重み付けの違い）不均衡データへの3つの対処、オーバーサンプリング・アンダーサンプリング・クラスの重み付けの違いを、データを変えるか損失の重みを変えるかの軸と、正解率だけで評価できない理由、G検定での判断手順、確認問題まで公式ドキュメントに沿って解説します。主成分分析比較主成分分析とt-SNEの違い｜線形の次元削減と可視化向きの非線形な埋め込み（G検定）主成分分析（PCA）とt-SNEの違いを、線形か非線形か、重視する構造（全体か近傍か）、計算の重さ、結果の安定性、使い分けまで、scikit-learn公式ドキュメントに沿って整理します。G検定の確認問題つきです。層正規化比較層正規化とバッチ正規化の違い｜正規化の単位と学習時・予測時の計算（G検定）層正規化とバッチ正規化の違いを、平均と分散を求める単位、ミニバッチの大きさとの関係、学習時と予測時の計算、再帰型とTransformerでの使われ方、G検定での判断手順まで解説します。モンテカルロ法比較モンテカルロ法とモンテカルロ木探索の違い｜ランダムな模擬対局の使い方と探索木の育て方（G検定）モンテカルロ法とモンテカルロ木探索の違いを、終局までのランダムな模擬対局（プレイアウト）の使い方、探索木に結果を残すかどうか、AlphaGoとの関係で整理します。作例で評価の流れを追い、G検定の探索・推論とAIブームの問題で迷わない判断手順と確認問題も掲載します。Mini-Max法比較Mini-Max法とαβ法の違い｜ゲーム木で手を決める方法と枝刈りの役割（G検定）Mini-Max法とαβ法の違いを、手を決める考え方と、結論を変えずに調べる枝を減らす枝刈りという役割の差で整理します。αとβが表す値、手の並べ順の影響、作例での枝刈りの流れ、G検定の探索・推論で迷わない判断手順と確認問題も掲載します。DQN比較DQNとQ学習の違い｜表で持つ行動価値とニューラルネットで近似する行動価値（G検定）DQNとQ学習の違いを、行動価値を表で持つか、ニューラルネットワークで近似するかという差で整理します。経験再生が必要になる理由、原論文が述べるAtariでの成果、G検定の強化学習で迷わない判断手順と確認問題も掲載します。局所最適解・大域最適解・鞍点の違い｜勾配がほぼ0になる3つの場面（G検定）比較局所最適解・大域最適解・鞍点の違い｜勾配がほぼ0になる3つの場面（G検定）G検定の局所最適解、大域最適解、鞍点の違いを、探索範囲のどこで最良か、勾配がほぼ0になる点でも極小か極大かという軸で整理します。勾配降下法がなぜ止まるか、Deep Learningの教科書の記述、確認問題つき。方策勾配法比較方策勾配法とActor-Criticの違い｜方策だけを学ぶか、価値関数も一緒に学ぶか（G検定）G検定の方策勾配法とActor-Criticの違いを、方策だけを更新するか、価値関数も学んで更新に使うかという軸で整理します。ActorとCriticの役割、REINFORCEとの違い、教科書の記述、確認問題つき。コサイン類似度比較コサイン類似度とユークリッド距離の違い｜向きの近さを測るか、直線距離を測るか（G検定）G検定のコサイン類似度とユークリッド距離の違いを、ベクトルの向きを見るか、2点の直線距離を見るかという軸で整理します。大きさの影響、値の範囲、文書の類似度での使い分け、数値例と確認問題つき。最大プーリング比較最大プーリングと平均プーリングの違い｜窓の最大値を残すか、平均を残すか（G検定）G検定の最大プーリングと平均プーリングの違いを、窓の中から最大値を取るか平均を取るかという軸で整理します。位置ずれへの強さ、パラメータの有無、数値例と確認問題つき。ワンホット表現比較ワンホット表現と分散表現の違い｜単語の類似性を表せるか（G検定）G検定のワンホット表現と分散表現の違いを、単語どうしの類似性を表せるかという軸で整理します。word2vecの原論文の記述、数値例、確認問題つき。Q学習比較Q学習とSARSAの違い｜更新に使う次の行動価値（G検定）Q学習とSARSAの違いを、更新式の目標に使う値（次の状態の最大値か、実際に選んだ行動の値か）で整理します。強化学習の定番教科書の記述、数値例、確認問題つき。GDPR比較GDPRと個人情報保護法の違い｜適用範囲・漏えい報告・罰則（G検定）GDPR（EU一般データ保護規則）と日本の個人情報保護法の違いを、適用される範囲、個人データの定義、取扱いの根拠、漏えい報告、罰則で整理します。条文の記述、数値例、確認問題つき。G検定の領収書｜オンライン試験比較G検定の領収書｜オンライン試験と会場試験の入手方法の違いG検定の領収書は、オンライン試験は事務局へ問い合わせ、会場試験は試験日の2日前からマイページでダウンロードします。宛名の変更先と、決済トラブルの連絡先もJDLA公式FAQで整理。G検定の個人申込比較G検定の個人申込と団体経由申込の違い｜人数・支払い・キャンセルG検定の個人申込と団体経由申込の違いを、JDLA公式FAQで整理。団体はオンライン試験なら1名から、会場試験は5名から。受験料は法人名義の口座、1名分のキャンセル・返金は不可。G検定のオンライン試験比較G検定のオンライン試験と会場試験の違い｜時間・割引・キャンセル・当日の持ち物G検定のオンライン試験と会場試験（Onsite）の違いを、JDLA公式で整理。試験時間は100分と120分、問題数は同じ145問程度。割引はオンラインのみ、キャンセル期限は前々日と3日前、電卓は持ち込み不可。オートエンコーダ比較オートエンコーダと主成分分析（PCA）の違い｜どちらも次元削減だが、線形か非線形かで選ぶ（G検定）オートエンコーダと主成分分析（PCA）の違いを、線形と非線形、特異値分解と損失の最小化、両者が一致する条件で整理。G検定での判断手順と確認問題つき。生成モデル比較生成モデルと識別モデルの違い｜同時確率を学ぶか、ラベルの確率を直接学ぶか（G検定）生成モデルと識別モデルの違いを、同時確率p(x,y)と事後確率p(y|x)、学習データの量による得意不得意、GANのGとDの役割で整理。G検定での判断手順と確認問題つき。正解率比較正解率とF値（F1）の違い｜偏ったデータでF1を見る理由（G検定・DS検定）正解率とF値（F1）の違いを、式・真陰性を使うかどうか・陽性が少ないデータでの数値の差で整理。計算例と確認問題つき。G検定・DS検定の評価指標の判断に使える。最尤推定比較最尤推定とベイズ推定の違い｜事前分布の有無と、点で答えるか分布で答えるか（G検定）最尤推定とベイズ推定の違いを、事前分布の有無・結果が点か分布か・MAP推定との関係で整理。コイン投げの計算例と確認問題つき。G検定の推定の設問に使える。バッチ・ミニバッチ・確率的勾配降下法の違い｜1回の更新に使うデータ数で見分ける（G検定）比較バッチ・ミニバッチ・確率的勾配降下法の違い｜1回の更新に使うデータ数で見分ける（G検定）バッチ勾配降下法・ミニバッチ勾配降下法・確率的勾配降下法(SGD)の違いを、1回の更新に使うデータ数・更新の回数・勾配の正確さで整理。1000件の計算例と確認問題つき。G検定の学習の仕組みの設問に使える。k分割交差検証比較k分割交差検証とleave-one-out(LOO)の違い｜分割数kとモデルを作る回数で見分ける（G検定）k分割交差検証とleave-one-out交差検証(LOO)の違いを、分割数・モデルを作る回数・1回あたりの学習データ量・計算量で整理。k＝nのとき同じになる関係と、10件の計算例、確認問題つき。G検定の評価の設問に使える。バッチ学習比較バッチ学習とオンライン学習の違い｜データを一度に使うか、少しずつ使うかで見分ける（G検定）バッチ学習とオンライン学習の違いを、データの使い方・メモリ・新しいデータの取り込み方で整理。out-of-core学習との関係、ミニバッチ勾配降下法との区別、数値の計算例、確認問題つき。G検定の学習方式の設問に使える。早期終了(early stopping)比較早期終了(early stopping)とドロップアウトの違い｜学習を止める対策か、ユニットを外す対策かで見分ける（G検定）早期終了とドロップアウトの違いを、何をするか・使うデータ・推論時の扱いで整理。検証誤差の推移から止める回を読む計算例、取り外すユニットの数の例、確認問題つき。G検定の過学習対策の設問に使える。ReLU比較ReLUとLeaky ReLUの違い｜負の入力で勾配が0になるか、小さく残るかで見分ける（G検定）ReLUとLeaky ReLUの違いを、負の入力での出力・勾配・dying ReLUへの強さで整理。x=-2での出力と微分の計算例、10層の勾配の積の例、確認問題つき。G検定の活性化関数の設問に使える。ハードマージン比較ハードマージンとソフトマージンの違い｜誤分類を許さないか、許すかで見分ける（G検定のSVM）SVMのハードマージンとソフトマージンの違いを、誤分類の扱い・分けられるデータ・パラメータCの役割で整理。スラックの計算例、Cを変えたときのペナルティの例、確認問題つき。G検定のSVMの設問に使える。tanh比較tanhとシグモイドの違い｜出力の範囲と0での値で見分ける（G検定の活性化関数）tanh(ハイパボリックタンジェント)とシグモイド(ロジスティック)の違いを、出力の範囲・0での値・微分の最大値で整理。tanh(z)＝2σ(2z)−1の確認、勾配の計算例、確認問題つき。G検定の活性化関数の設問に使える。モデルベース比較モデルベースとモデルフリーの強化学習の違い｜環境のモデルを使うかで見分ける（G検定）モデルベース強化学習とモデルフリー強化学習の違いを、環境のモデルの有無・計画の使い方・試行錯誤との関係で整理。1手先読みの価値計算、Q学習の1回の更新の計算例、確認問題つき。G検定の強化学習の設問に使える。オンポリシー比較オンポリシーとオフポリシーの違い｜学ぶ方策と行動する方策が同じかで見分ける（G検定）強化学習のオンポリシーとオフポリシーの違いを、対象方策と行動方策が同じか別かで整理。被覆の仮定、重要度の比の計算例、SarsaとQ学習の1回の更新の比較、確認問題つき。G検定の強化学習の設問に使える。交差エントロピー比較交差エントロピーと平均二乗誤差の違い｜分類と回帰で損失関数を使い分ける（G検定）交差エントロピーと平均二乗誤差の違いを、使う場面(分類か回帰か)・勾配の大きさ・出力層との相性で整理。シグモイド出力での勾配の計算例、確認問題つき。G検定の損失関数の設問に使える。Xavier初期化比較Xavier初期化とHe初期化の違い｜ReLUを使うときの重みの初期値の選び方（G検定）Xavier初期化とHe初期化の違いを、導出の前提(線形かReLUか)・式(一様分布かガウス分布か)・向く活性化関数で整理。256入力・128出力の層での計算例と確認問題つき。G検定の重みの初期化の設問に使える。探索比較探索と活用の違い｜ε-greedy法で両者を両立する仕組み（G検定・強化学習）強化学習の探索と活用の違いを、選ぶ行動・短期と長期の報酬・ε-greedy法での選択確率で整理。行動が10個でε=0.1のときの選択確率の計算例と確認問題つき。G検定の強化学習の設問に使える。RNN比較RNNとLSTMの違い｜忘却ゲートで長期の記憶を保つ仕組み（G検定・ディープラーニング）RNNとLSTMの違いを、勾配消失への強さ・内部の構造・ゲートの役割・パラメータ数で整理。0.9の20乗を使った勾配の減り方の計算例と確認問題つき。G検定の再帰型ニューラルネットワークの設問に使える。過学習比較過学習と未学習の違い｜訓練誤差と検証誤差の組で見分ける（G検定・機械学習）過学習と未学習の違いを、訓練誤差・訓練誤差とテスト誤差の差・モデルの容量・対処の向きで整理。訓練誤差と検証誤差の組から状態を判定する計算例と確認問題つき。G検定の機械学習の基礎の設問に使える。プルーニング比較プルーニングと量子化の違い｜接続の数を減らすか、1つあたりのビット数を減らすか（G検定・軽量化）プルーニングと量子化の違いを、減らすもの・論文の数字（接続9〜13倍減、32ビットから5ビット）・再学習の有無で整理。重みの数とビット数から保存容量を概算する計算例と確認問題つき。G検定のモデルの軽量化の学習に使える。Pix2Pix比較Pix2PixとCycleGANの違い｜ペアの画像が要るか、要らないか（G検定・画像変換）Pix2PixとCycleGANの違いを、訓練データ(ペアの有無)・学習のしくみ(損失関数・循環一貫性損失)・向く課題で整理。ペアが作れるかから手法を選ぶ判定例と確認問題つき。G検定の生成モデルの学習に使える。ブートストラップ法比較ブートストラップ法とバギングの違い｜標本の取り方と、それを使う手法（G検定・アンサンブル学習）ブートストラップ法とバギングの違いを、復元抽出という標本の取り方と、その標本で複数モデルを作って予測をまとめる手法という役割の違いで整理。OOB(袋外)標本の考え方と確認問題つき。G検定のアンサンブル学習に使える。コンテンツベースフィルタリング比較コンテンツベースフィルタリングと協調フィルタリングの違い｜推薦の2つの考え方（AI・レコメンド）コンテンツベースフィルタリングと協調フィルタリングの違いを、類似度の取り方・必要なデータ・長所と短所(コールドスタートなど)で整理。他のユーザーのデータが要るかから判定する例と確認問題つき。G検定などAI系の学習に使える。LoRA比較LoRAとフルファインチューニングの違い｜学習する重みと運用の差（AI・大規模言語モデル）LoRAとフルファインチューニングの違いを、更新する重み・学習パラメータ数・メモリ・推論時の遅延・複数タスクの運用で整理。凍結した重みに低ランクの行列を足す仕組みと、確認問題つき。G検定などAI系の学習に使える。感度比較感度と特異度の違い｜陽性を見つける力か、陰性を正しく除く力か（G検定・DS検定）感度と特異度の違いを、式(TP/(TP+FN)とTN/(TN+FP))・再現率との関係・偽陽性率との関係・均衡正解率で整理。混同行列の数字から計算する例と確認問題つきで、G検定・DS検定の評価指標の問題に備えられる。状態価値関数比較状態価値関数と行動価値関数の違い｜状態だけの価値か、状態と行動の組の価値か（G検定）強化学習の状態価値関数 v(s) と行動価値関数 q(s,a) の違いを、定義、引数、Q学習との関係、最適行動の選びやすさで整理。G検定の判断手順と確認問題つき。AdaGrad比較AdaGradとRMSpropの違い｜過去の勾配を全部足すか、古い分を薄めるか（G検定）AdaGradとRMSpropの違いを、勾配の2乗の貯め方、学習率の変化、登場した年、Adamとの関係で整理。G検定の最適化手法の問題で迷わない見分け方と確認問題つき。SSD比較SSDとFaster R-CNNの違い｜デフォルトボックスで一段階か、領域提案を使う二段階か（G検定）SSDとFaster R-CNNの違いを、領域提案ネットワーク（RPN）の有無、デフォルトボックスと複数の特徴マップ、原論文の速度と精度の数値で整理。G検定の物体検出で選択肢を切り分ける判断手順と確認問題つき。Mask R-CNN比較Mask R-CNNとFaster R-CNNの違い｜箱で囲むか、物体ごとのマスクまで出すか（G検定）Mask R-CNNとFaster R-CNNの違いを、出力（境界ボックスとマスク）、追加された並列の枝、対応するタスクで整理。G検定の物体検出とインスタンスセグメンテーションで選択肢を切り分ける判断手順と確認問題つき。YOLO比較YOLOとSSDの違い｜画像全体から回帰で直接予測するか、デフォルトボックスと複数の特徴マップを使うか（G検定）YOLOとSSDの違いを、検出の捉え方（回帰問題かデフォルトボックスか）、大小の物体への対応、原論文の速度の数値で整理。G検定で同じ一段階の手法を問う選択肢を切り分ける判断手順と確認問題つき。GoogLeNet比較GoogLeNetとResNetの違い｜Inceptionで幅と深さを増やすか、残差学習で152層まで深くするか（G検定）GoogLeNetとResNetの違いを、設計の狙い（計算予算を保った深さと幅、残差学習）、層の数、ILSVRCでの成績で整理。G検定の画像認識で選択肢を切り分ける判断手順と確認問題つき。AlexNet比較AlexNetとLeNetの違い｜手書き文字認識と、ILSVRC-2012優勝の構成・成績（G検定）AlexNetとLeNetの違いを、題材（手書き文字認識とImageNet）、層の数、ReLU・GPU・dropoutの工夫、ILSVRC-2012での成績で整理。G検定の画像認識で選択肢を切り分ける判断手順と確認問題つき。ELIZA比較ELIZAとMYCINの違い｜対話を模すパターン照合と、約600本の規則で診断するエキスパートシステム（G検定）ELIZAとMYCINの違いを、仕組み（パターン照合と置換、規則による後ろ向き推論）、知識の持ち方、題材で整理。G検定の人工知能の歴史で選択肢を切り分ける判断手順と確認問題つき。AlphaGo比較AlphaGoとAlphaGo Zeroの違い｜人間の棋譜を使う学習と、自己対局の強化学習だけの学習（G検定）AlphaGoとAlphaGo Zeroの違いを、学習データ（人間の棋譜の有無）、ネットワークの構成、探索、成績（5対0・100対0）で整理。G検定のAIブームと機械学習の発展で選択肢を切り分ける判断手順と確認問題つき。ResNet比較ResNetとDenseNetの違い｜層の出力を足し合わせる残差接続と、全層をつなぐ密な接続（G検定）ResNetとDenseNetの違いを、層のつなぎ方（足し算と連結）、接続の数、論文の主張、成績で整理。G検定の画像認識の選択肢を切り分ける判断手順と確認問題つき。Fast R-CNN比較Fast R-CNNとFaster R-CNNの違い｜候補領域を外部の手法で出すか、領域提案ネットワークで出すか（G検定）Fast R-CNNとFaster R-CNNの違いを、領域提案の出し方（外部の手法とRPN）、畳み込み特徴の共有、論文の成績で整理。G検定の物体検出の選択肢を切り分ける判断手順と確認問題つき。ELMo比較ELMoとBERTの違い｜単語表現を既存モデルに足すか、モデルごとファインチューニングするか（G検定）ELMoとBERTの違いを、土台のモデル（双方向の言語モデルとTransformer）、使い方（表現を足す・出力層を足してファインチューニング）、論文の主張で整理。G検定の自然言語処理の選択肢を切り分ける判断手順と確認問題つき。word2vec比較word2vecとGloVeの違い｜局所の文脈窓で学習するか、大域の共起回数で学習するか（G検定）word2vecとGloVeの違いを、学習に使う情報（周辺の語・単語どうしの共起行列）、モデルの形（CBOW・Skip-gram・重み付き最小二乗）、論文の主張で整理。G検定の単語の分散表現の選択肢を切り分ける判断手順と確認問題つき。RMSprop比較RMSpropとAdamの違い｜勾配の2乗の移動平均か、1次のモーメントとバイアス補正も使うか（G検定）RMSpropとAdamの違いを、使う統計量（2乗の移動平均・1次と2次のモーメント）、更新の作り方、バイアス補正の有無で整理。G検定の最適化手法の選択肢を切り分ける判断手順と確認問題つき。DQN比較DQNとDouble DQNの違い｜学習目標で行動の選択と評価を同じ網で行うか、分けるか（G検定）DQNとDouble DQNの違いを、学習目標で行動を選ぶ網と価値を評価する網の分け方、価値の過大評価、ターゲットネットワークの使い方で整理。G検定の強化学習の選択肢を切り分ける判断手順と確認問題つき。TD学習比較TD学習とモンテカルロ法の違い｜次の1ステップの推定で更新するか、エピソード終了後の実際の収益で更新するか（G検定）強化学習のTD学習とモンテカルロ法の違いを、更新の目標（TD目標とエピソード全体の収益）、更新のタイミング、ブートストラップの有無で整理。G検定の選択肢を切り分ける判断手順と確認問題つき。A3C比較A3CとDQNの違い｜経験再生で安定させる価値ベースか、並列の非同期学習で安定させるアクター・クリティックか（G検定）A3CとDQNの違いを、学習の安定のさせ方（経験再生か並列のアクター・ラーナーか）、学ぶもの（行動価値か方策と状態価値か）、必要な計算資源で整理。G検定の深層強化学習の選択肢を切り分ける判断手順と確認問題つき。ルールベース機械翻訳比較ルールベース機械翻訳と統計的機械翻訳の違い｜人が書いた辞書と規則か、対訳データから推定した確率か（G検定）ルールベース機械翻訳と統計的機械翻訳の違いを、訳の根拠（辞書と文法規則・対訳データの確率）、必要な資源、弱点で整理。G検定の機械翻訳の選択肢を切り分ける判断手順と確認問題つき。バッグ・オブ・ワーズ比較バッグ・オブ・ワーズとTF-IDFの違い｜出現回数をそのまま使うか、稀な語を重くするか（G検定）バッグ・オブ・ワーズとTF-IDFの違いを、scikit-learn公式ガイドの記述（語順を無視する出現回数の表現、tf×idfの再重みづけ）と3文書の計算例で整理。G検定の自然言語処理の選択肢を切り分ける判断手順と確認問題つき。スタッキング比較スタッキングとバギングの違い｜予測をつなぐ方法と分散・バイアスの狙い（G検定）スタッキングとバギングの違いを、scikit-learn公式ドキュメントの記述で整理。バギングは部分集合で作った同種のモデルの予測を集約して分散を減らし、スタッキングは複数モデルの予測を最終推定器の入力にして、交差検証で訓練する点を、判断手順と確認問題つきで確認します。
執筆: ミナト編集部（運営者情報を見る）