勉強法

2021年 7月17日「G検定」191問 振り返り

21年7月17日 G検定振り返り

※7月18日:速報版

昨日は、第11回目の「G検定」試験でした。今回も191問全てをリスト化しました。試験の振り返りや、今後の試験対策などにお使い下さい。

今回の試験は、シラバスが新しくなり、『公式テキスト第2版』が発売されてからの最初の試験になりました。

今回の試験の特徴をまとめると、
・前回の試験との変化は少ないが、昨年の試験と比べると新しいトピックが増加している
・「新シラバス表」と『公式テキスト第2版』から外れた問題は少なかった

試験を運営しているJDLAが、シラバスを新しくした理由として書いていた『よりビジネス的な側面を強化』も、少しだけですが試験に反映されていました。

7月試験から適用されるシラバスでは、DX化が進むニーズに対応し、よりビジネス的な側面を強化。「データ×AI」の活用を企画・推進する上で重要となるAIプロジェクトの計画・データ収集・法律/契約など、実践的な内容が追加されました。

 

全191問のうち「135問」(70%)は定番問題で、今までの試験対策・教材でも対応できる問題でした。

新シラバスの目的が反映されていると考えられる問題は「33問」(17%)
「新シラバス表」と『公式テキスト第2版』では扱われていない、対策が難しい問題は「23問」(12%)でした。

定番問題が7割で、新要素が2割以下だったということで、次回の11月の試験でも大幅な変更は無いと考えていいでしょう。今後は『公式テキスト第2版』を中心に、太字で書かれているトピックを「理解すること」に、安心して時間をかけられるようになりました。

 

全191問 問題リスト

出題された問題をそのまま書いてしまうのは禁止行為なので、ザックリとした内容に書き換えています。

■「新」・・・『公式テキスト第2版』と「新シラバス表」に記載されているトピック

■「対策」・・・『公式テキスト第2版』と「新シラバス表」にないトピックに【⚠】

■「不」・・・『正しくない~/不適切な選択肢を選べ』という問題に【✔】

番号 問題のカテゴリー 対策
1 AI効果
2 Pythonの説明
3 営業秘密の説明
4 解釈性(解釈可能性)
5 CRISP-DM
6 AI・ディープラーニングのビジネス活用
7 教師なし学習の手法
8 ベイズ定理の式
9 次元削減として用いられない手法
10 ビッグデータ
11 決定木:情報利得の最大化
12 音素の説明
13 PoC段階でAIモデルを生成する目的
14 define-by-runの説明
15 機械学習のモデル:損害や倫理への対応
16 アンサンブル学習の説明
17 探索木:幅優先/深さ優先探索
18 DNNの順伝播の計算
19 データセット/訓練/検証/テストデータ
20 AIの社会実装とビジネス利活用の説明
21 第1次AIブーム:探索や推論
22 顔認識技術:倫理的な問題
23 AIに関する倫理ガイドライン
24 バギングの説明
25 単純パーセプトロン
26 GDPRの説明
27 パーソナルデータの利用:留意すべき点
28 自己回帰モデルによる分析対象例
29 ResNet:Skip connection
30 ドロップアウトの説明
31 メル尺度への変換が必要な理由
32 Deep Learningのブラックボックス化:事例と対策
33 AIが持つ知的な処理能力
34 日本の自動運転「レベル3」の説明
35 大域最適解/局所最適解/ハイパーパラメータ
36 DNNの順伝播の計算
37 AI社会実装:倫理・法律などへの企業側の対処
38 RNNの説明
39 Deep Learning:盛り上がりの理由
40 LSTMの説明
41 Deep Learningとデータの関係の説明
42 ブースティングの説明
43 AIへの敵対的な攻撃の特徴
44 ウェブマイニングやデータマイニングの取り組み
45 混同行列
46 データ分析をビジネス適用する際の留意点
47 学習済みモデルの権利保護の説明
48 プライバシー・バイ・デザインの説明
49 誤差逆伝播法の「勾配消失」を抑える方法
50 オープンデータセットを利用するメリット
51 Rainbowに使われている手法
52 過学習をしている状態の説明
53 BoWによる処理の説明
54 part-ofの関係
55 DQN
56 AIシステムへの攻撃や想定外の振る舞いへの備え
57 6面体サイコロの出る目の確立:Xの期待値
58 過学習の原因
59 SVM:マージンの最大化
60 AIのビジネス利活用
61 GRU
62 NAS(Neural Architecture Search)
63 ディープフェイクの説明
64 個人識別符号
65 RNNが扱うデータ:系列データ
66 ReLU関数に負の値Xを与えた際の出力値
67 Grad-CAM
68 物体検出の説明
69 RNNに期待されるメリット
70 イテレーション
71 EfficientNetの特徴
72 AIの共同開発形式の留意点
73 ロボット制御における強化学習のメリット
74 GoogLeNetの説明
75 事前学習の手法
76 チューリングテスト/ローブナーコンテスト
77 フォルマント
78 離散確率変数XとYの相互情報量の説明
79 ファインチューニング
80 ReLU関数
81 一般物体検知/セグメンテーション
82 汎化性能
83 GPUを使ったDeepLearningの説明
84 ディープフェイクの説明
85 強いAIと弱いAIの説明
86 TPUの説明
87 エキスパートシステム
88 LSTMの説明:RNNの問題点
89 AIにおける透明性
90 シリアス・ゲームの説明 S
91 転移学習・ファインチューニングの説明
92 偏微分/勾配降下法/確率的勾配降下法
93 ソフトマックス関数
94 FCNの特徴
95 正則化の説明
96 過学習を防ぐ、抑制する手法
97 順伝播型ニューラルネットワーク
98 ハイパーパラメータの説明
99 Adversarial attackと関連が深い内容
100 RNNが系列データを扱うことが可能となった理由
101 AIのビジネス活用時のリスク、危機への対処
102 GPUの説明
103 誤差逆伝播法の説明
104 BERT
105 ディープブルーの探索手法の課題
106 コサイン類似度
107 プルーニング S
108 重回帰分析の例
109 条件分岐を適切な回数に留める手法
110 データリーケージの影響 S
111 TF-IDF
112 転移学習の例
113 RNN
114 白色化
115 探索・推論
116 モデル圧縮を行う目的 S
117 CycleGANの説明
118 匿名加工情報の説明
119 転移学習の説明
120 GANの説明
121 音声の時系列データを扱う手法やモデル
122 データ拡張手法の説明
123 強化学習に適した課題
124 重みの微分計算を効率的に行う方法
125 アナログ音声を特徴量に変換する流れ
126 カメラ画像利活用ガイドブック:留意点
127 CAM
128 AI・データの利用に関する契約ガイドライン
129 ネオコグニトロンの説明
130 単純パーセプトロンの欠点
131 TPU
132 word2vec
133 ニューラルネットワークの説明
134 説明可能なAIへの投資プログラムの試み
135 U-Net
136 量子化 S
137 深層強化学習の応用
138 LSTMのゲートの名称
139 ポアソン回帰によるモデル分析の対象例
140 OCRの説明
141 学習済みモデルを知的財産として保護するには
142 Seq2Seqの説明
143 活性化関数の説明
144 知識獲得のボトルネックの説明
145 分散表現と関連性の深いもの
146 OpneAIがGPT-2の一般公開を懸念した理由
147 LeNet→AlexNet→GoogLeNet→ResNet
148 k-means法
149 Mini-max法
150 GPT-3
151 GANのジェネレーターの説明
152 確率的勾配降下法の説明
153 説明可能なAIの説明
154 途中で学習を打ち切る手法
155 学習率の説明
156 Adversarial Examples
157 系列データを扱うDeep Learningの説明
158 CNN:再学習時の方法
159 データ拡張
160 CNNの構造上の特徴
161 k-最近傍法
162 サンプリング・バイアスの説明
163 トイ・プロブレムの説明
164 強化学習の具体例:A3C
165 シンボルグラウンディング問題
166 MNISTの説明
167 相関係数/偏相関係数/共分散/分散
168 知識ベースと推論エンジン
169 OpenPose
170 構文解析の説明
171 WaveNet
172 TF-IDFの説明
173 k-分割交差検証が効果的な状況
174 蒸留
175 著作物を学習用データとして扱う場合の留意点
176 信頼性を備えたAI~、倫理的に~、Partnership on AI
177 個人情報保護法の説明
178 パーセプトロンの説明
179 音声認識エンジン
180 深層強化学習:問題と報酬の組み合わせ
181 ImageNetの説明
182 変分オートエンコーダの説明
183 個人情報保護法
184 ベイズ推定の説明
185 ResNet
186 発明者に関する説明
187 カメラ画像利活用ガイドブック:個人データ
188 勾配消失問題
189 MLOpsの説明
190 音声データ処理の流れ
191 データ拡張の目的

「新」の枠に、【▲】や【S】と付いている問題があります。
 ▲=『公式テキスト第2版』に記載されているが、正解するためには本だけでは情報が足りない
 S=「新シラバス表」に記載されている(『公式テキスト第2版』には記載なし)

※この記事は速報版になります。
もう少し時間をかけて、今後の対策を盛り込みたいと思います。上の表で「対策に⚠」とした問題にも、対応策があります。そちらも紹介したいと思います。