2022年 7月 2日「G検定」191問振り返り

昨日7月2日に「G検定」試験が行われました。受験された方、お疲れ様でした。
わたしは、3月に受験できなかったので、半年ぶりのG検定になりました。

新シラバスから出題傾向は大きく変わっておらず、試験対策がしやくなりましたね。

今回も試験に出題された全191問をまとめました。

受験された方で復習したいと思っている方や、今年最後の試験を受けようとしている方のお役にたてたら幸いです。下のリストを表示させながら、『公式テキスト第２版』を読むだけでも、格段に試験対策がしやすくなると思います。

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を書いています。

■「対策」・・・『公式テキスト第2版』だけでは対策が難しい問題は【⚠】としました

番号	内容	対策：難
1	誤差関数
2	音声処理の説明	⚠
3	GANのジェネレーターの説明
4	パラメータのノルムにペナルティを課す手法
5	ディープラーニングの説明
6	レコメンデーションに関する説明
7	確率を出力する際に有用な活性化関数
8	ランダムサーチとグリッドサーチの説明
9	データの網羅性を向上させる取り組み
10	AI・データの利用に関する契約ガイドラインの説明
11	STRIPS
12	TPUの説明
13	スキップグラムの説明
14	MobileNet	⚠
15	ドメインランダマイゼーション	⚠
16	Self-Attentionの説明	⚠
17	意味ネットワーク
18	バギングの説明
19	６面体サイコロの出る目の確立：Xの期待値
20	Faster R-CNN
21	正解率と再現率の式
22	隠れ層：多層パーセプトロン
23	LSTMを構成する要素
24	第一次AIブーム：探索・推論
25	二重降下現象が発生し得るネットワーク構造
26	ミニバッチ学習
27	プルーニング
28	EfficientNet	⚠
29	チューリングテストの説明
30	音韻・音素
31	ブースティングの説明
32	RNNの再帰構造
33	深層信念ネットワーク
34	正規分布の説明	⚠
35	セマンティックWeb
36	CNN：全結合層
37	単純パーセプトロンの欠点
38	深層生成モデル
39	マルチモーダル
40	オンライン／バッチ／ミニバッチ学習のデータ数
41	TransformerのEncoder側のAttentionの種類	⚠
42	ビッグデータの活用事例
43	匿名加工情報の説明	⚠
44	ブロックチェーンの説明
45	シグモイド関数
46	TF-IDFの説明
47	AIシステム開発のステークホルダーのニーズ把握
48	2019年1月施工の改正著作権法30条の4第2号
49	ハイパーパラメータに該当するもの
50	学習済みモデルを知的財産として保護する場合
51	データ拡張の手法
52	AIにおける透明性	⚠
53	勾配降下法のパラメータ更新
54	ReLU関数に負の値Xを与えた際の出力値
55	誤差逆伝播法の説明
56	Mini-Max法の改良、αβ法	⚠
57	深層強化学習の応用
58	ディープフェイク
59	OpenAI Five	⚠
60	MLOpsの説明
61	炎上対策における留意点
62	U-Net	⚠
63	GLUEの説明	⚠
64	半教師あり学習の特徴
65	過学習を防ぐ有効な手法
66	インスタンスセグメンテーション：Mask R-CNN
67	AIのビジネス利活用	⚠
68	Dilated Convolutionの説明	⚠
69	回帰問題・分類問題の説明
70	プルーニング
71	物体識別タスクに用いられるモデル
72	Adversarial attacksの例
73	早期終了、二重降下現象
74	Cutout
75	主成分分析（PCA）
76	ビジネスで決定木やその派生が使用される理由
77	転移学習・ファインチューニングの説明
78	GPT-３の説明
79	データがもたらす偏りや偏見の説明
80	モンテカルロ法
81	RNNの説明
82	箱ひげ図から読み取れる状況説明	⚠
83	量子化
84	Partnership on AI、信倫理的に～、多様な背景～
85	知識ベースと推論エンジン
86	ILSVRC
87	バイアス・バリアンスの説明
88	Seq2Seqの説明
89	VAE
90	物体検出タスクの説明
91	IBMのワトソン：2011年クイズ番組出演時の説明
92	画像のスタイル変換の学習でデータの制約が少ない手法	⚠
93	個人情報保護法の説明	⚠
94	発音音声の周波数のピークを示す用語	⚠
95	シンボルグラウンディング問題
96	イテレーション
97	データの利用条件をレビューする際の留意点	⚠
98	Adversarial attacksと最も関連が深い内容
99	DCGANの説明
100	PoC、準委任	⚠
101	IoT
102	VGGとResNetとの相違：スキップ構造の説明
103	コールドスタート／コンテンツベース／協調フィルタリング
104	ディープフェイクの説明
105	AIの軍事利用の説明	⚠
106	CRISP-DMの説明	⚠
107	単体として個人情報とみなされるデータ形式とは	⚠
108	個人情報保護法の説明	⚠
109	カメラ画像の取扱い方：個人情報保護法	⚠
110	エキスパートシステムの限界
111	活性化関数の説明
112	ランダムフォレスト
113	GPU
114	音声の時系列データを扱う手法やモデル
115	２つの相関係数の値	⚠
116	N-gram
117	Attentionの説明
118	DenseNet	⚠
119	大域最適解、局所最適解、ハイパーパラメータ
120	機械学習を利用するアプリケーション
121	分散・中央値・標準偏差・平均	⚠
122	BPTT
123	教師強制の説明	⚠
124	転移学習の説明
125	強化学習の価値関数の説明	⚠
126	限定提供データの説明
127	k-分割交差検証を用いると効果的な状況
128	CTC（Connectionist Temporal Classification）	⚠
129	ε-greedy法：一定の確率でランダムに行動	⚠
130	早期終了で指標とする数値
131	ソフトマックス関数
132	オートエンコーダの説明
133	オープンイノベーションの説明	⚠
134	AlexNet
135	不正競争防止法の「営業秘密」の説明	⚠
136	系列データを扱うディープラーニングに関する説明	⚠
137	プライバシー・バイ・デザインの説明
138	AIシステムの開発を外部と連携して行う際に注意すること
139	分類問題におけるGAPの説明	⚠
140	構文解析の説明
141	オープンデータセットを利用する際の留意点	⚠
142	深層強化学習の特徴
143	混同行列：予測と正解の統計表への説明
144	平均値プーリングの処理の説明	⚠
145	バッチ正規化の説明
146	ドロップアウトの説明
147	収集したデータセットの扱い
148	ビッグデータの特徴：３つの「V」
149	アノテーション作業の説明
150	ディープフェイクの説明
151	PCMの音声をデジタルデータに変換するステップ	⚠
152	GPGPU
153	正則化を行う目的
154	BoWによる処理の説明
155	計算グラフ：a ☓ b ＋ d = e
156	次元の呪いへの対処法
157	双方向リカレントニューラルネットワークの説明	⚠
158	プライバシー・バイ・デザインの観点からの評価
159	AIの開発契約において留意しなければならないこと	⚠
160	ResNetが考案された背景
161	CNNにおいて判断基準となる画像部位を可視化する手法
162	ReLU関数
163	AIの倫理・信頼性に関する動向	⚠
164	正解率・再現率・適合率
165	AIの推論精度の取扱い
166	AIシステムのクラウド活用のメリット
167	A-D変換
168	AIの説明の代表的な手法	⚠
169	DNNの順伝播の計算
170	マルチエージェント強化学習の特徴
171	AI効果の説明
172	音声認識においてメル尺度の考えが重要である理由	⚠
173	Inceptionモジュールの構造の説明
174	フォルマント周波数	⚠
175	収集生成データ・学習済みモデル：知的財産保護の説明	⚠
176	LIMEの説明	⚠
177	AIプロジェクトの体制構築の説明
178	RNN Encoder-Decoderの中間層の次元の説明	⚠
179	訓練データにテストデータが紛れ込んだ場合の問題
180	脳神経回路の特徴	⚠
181	データポータビリティ、新興企業による新規サービス創出
182	カテゴリ変数をOne-Hot Encodingした際の説明	⚠
183	ディープラーニングの性質
184	ハイパーパラメータの説明
185	全結合層を入れ替えたCNNを再学習させる効率の良い方法
186	ランダムフォレスト：決定木
187	強化学習：マルコフ決定過程の説明	⚠
188	プルーニングの説明
189	BPTTの説明
190	主成分分析、デンドログラム
191	モデルの解釈性に関する説明	⚠