このページではカテゴリ別に練習問題を作成しています。
苦手分野や覚えたい分野を徹底的に練習しましょう。正解/不正解の根拠や解説もついています。
当サイトでは、G検定の市販の問題集(黒本)と同等レベルの問題を無料で300問以上を公開しています。まずは無料の練習問題でG検定の知識を幅広く定着させましょう。
G検定は2026年現在は市販の問題集よりも難易度が難しい問題が本番では出題されます。今までは黒本等の問題集と本番の問題は難易度に乖離が出てきています。
そこで、本番相当レベルの模擬試験2回分も含め収録した問題集(全725問)をUdemyで公開しましたのでぜひ受講も検討してみてください。お得な最新のクーポン情報もチェックしてみてください!

人工知能(AI)とは
人工知能をめぐる動向
- プランニングの基本概念
- Mini-Max法の理解
- αβ法(アルファベータ法)の特徴
- SHRDLUの歴史的意義
- STRIPSの理解
- ハノイの塔と探索
- 幅優先探索(BFS)の理解
- 深さ優先探索(DFS)の特徴
- ブルートフォース(力任せ探索)
- モンテカルロ法の理解
- 探索と推論の違い
- 探索アルゴリズムの比較
- Cycプロジェクトの目的
- DENDRALの特徴
- is-a関係の理解
- has-a関係の特徴
- part-of関係の理解
- Question-Answeringの特徴
- 意味ネットワークの理解
- ELIZAの特徴
- インタビューシステムの理解
- ウェブマイニングの特徴
- オントロジーの理解
- セマンティックWebの特徴
- 東ロボくんの目的
- MYCINの特徴
- IBM Watsonの特徴
- 機械学習の基本概念
- 次元の呪いの理解
- スパムフィルターの特徴
- ビッグデータの特徴
- レコメンデーションエンジンの理解
- ImageNetの意義
- ILSVRCの歴史的転換点
- LeNetの特徴
- AlphaGoの意義
- ネオコグニトロンの理解
- LLM(大規模言語モデル)の特徴
機械学習の具体的手法
- 教師あり学習の基本要件
- 回帰問題の理解
- 分類問題の特徴
- 決定木モデルの性質
- サポートベクターマシン(SVM)の理解
- カーネルとカーネルトリック
- 重回帰分析の理解
- 勾配ブースティングの特徴
- 多クラス分類の理解
- 教師あり学習のビジネス応用
- アンサンブル学習の基本概念
- バギングの特徴
- ブートストラップサンプリングの理解
- ランダムフォレストの性質
- ブースティングの理解
- ランダムフォレストの特徴
- 自己回帰モデル(AR)の理解
- VARモデルの特徴
- マージン最大化の理解
- ロジスティック回帰の理解
- 教師なし学習の基本概念
- k-means法の理解
- t-SNEの特徴
- ウォード法の理解
- 協調フィルタリングの理解
- クラスタリングの特徴
- 次元削減の理解
- 主成分分析(PCA)の理解
- 潜在的ディリクレ配分法(LDA)の理解
- 多次元尺度構成法(MDS)の理解
- デンドログラムの理解
- 特異値分解(SVD)の理解
- コンテンツベースフィルタリングの理解
- クラスタ分類の理解
- 強化学習の基本概念
- 方策(Policy)の理解
- 価値関数の理解
- 行動価値関数Q(s,a)の理解
- 状態価値関数V(s)の理解
- TD誤差の理解
- Actor-Criticの理解
- Q学習の特徴
- ε-greedy方策の理解
- UCB方策の理解
- バンディット問題の理解
- 方策勾配法の理解
- REINFORCEの特徴
- マルコフ決定過程(MDP)の理解
- マルコフ性の理解
- 期待割引報酬の理解
- 割引率γの理解
- 汎化性能の理解
- 訓練誤差と汎化誤差
- ホールドアウト検証の理解
- 交差検証の特徴
- k-分割交差検証の理解
- 混同行列の理解
- 偽陽性・偽陰性の理解
- 正解率の計算
- 適合率の計算
- 再現率の計算
- F値の理解
- 回帰指標MSEの理解
- RMSEの理解
- MAEの理解
- ROC曲線の理解
- AICの理解
- BICとオッカムの剃刀
ディープラーニングの概要
- 過学習(Overfitting)の理解
- AUCの理解
- 単純パーセプトロンの限界に関する問題
- 多層パーセプトロン(MLP)の特徴
- GPUとCPUの違いに関する理解
- ディープラーニングの学習データ量に関する理解
- ニューラルネットワークの層構造に関する問題
- 活性化関数の役割に関する理解
- シグモイド関数の特徴に関する問題
- ReLU関数の利点と注意点
- Leaky ReLUの特徴に関する問題
- ソフトマックス関数の理解
- 誤差関数の基本的な役割に関する理解
- 平均二乗誤差(MSE)の特徴
- 交差エントロピーの性質に関する理解
- KLダイバージェンス(カルバック・ライブラー情報量)の理解
- Contrastive Loss(コントラスト損失)の理解
- Triplet Loss(トリプレット損失)の特徴
- 正則化の目的に関する理解
- L1正則化(ラッソ回帰)の特徴
- L2正則化(リッジ回帰)の性質
- ドロップアウトの仕組みと目的
- L0・L1・L2正則化の違いに関する理解
- 誤差逆伝播法の基本原理に関する理解
- 連鎖律(チェーンルール)の役割
- 勾配爆発問題の原因に関する理解
- 勾配降下法の基本原理に関する理解
- 学習率(Learning Rate)の特徴
- 確率的勾配降下法(SGD)の性質
- バッチ学習・ミニバッチ学習・オンライン学習の違い
- 局所最適解と大域最適解の理解
- 早期終了(Early Stopping)の目的
- ハイパーパラメータの役割
- 最適化手法の課題と改善手法
- ミニバッチ学習の利点
- オンライン学習の特徴
- 学習率と収束の関係
- 二重降下現象の特徴
- モーメンタムの役割
- AdaGradの特徴
- RMSpropの改善点
- AdaDeltaの特徴
- Adamの理解
- AMSGradの特徴
- AdaBoundの理解
- AMSBoundの特徴
- グリッドサーチの特徴
- ランダムサーチの特徴
ディープラーニングの要素技術
- TPUの理解
- ノーフリーランチの定理の理解
- 全結合層の特徴に関する問題
- 全結合層のパラメータ数に関する問題
- 畳み込み層の役割に関する問題
- カーネル(フィルタ)の理解
- パディングの目的
- 特徴マップの理解
- CNNの構造に関する問題
- Depthwise Separable Convolution
- Dilation Convolution の理解
- 全結合層と畳み込み層の違い
- バッチ正規化(Batch Normalization)の理解
- 正規化層の役割に関する問題
- プーリング層の役割に関する問題
- 最大値プーリングと平均値プーリングの理解
- グローバルアベレージプーリング(GAP)の特徴
- スキップ結合の役割に関する問題
- Residual Network(ResNet)の特徴
- 回帰結合層の理解
- RNNの特徴に関する問題
- LSTMのゲート構造
- GRUの特徴に関する問題
- 双方向RNNの理解
- Attentionの役割に関する問題
- Self-Attentionの特徴
- Multi-Head Attentionの理解
- Transformerの構造に関する問題
- Encoder-Decoder Attentionの理解
- Seq2SeqとAttentionの関係
- オートエンコーダの基本理解
- 積層オートエンコーダの特徴
- 次元削減とオートエンコーダ
- 変分オートエンコーダ(VAE)の理解
- データ拡張の基本理解
- 画像データ拡張手法の理解
- テキストデータの拡張手法
ディープラーニングの応用例
- tanh関数の理解
- 勾配消失問題と活性化関数の関係
- エポック(Epoch)とイテレーションの理解
- 鞍点(Saddle Point)の理解
- ストライド(stride)の理解
- BPTTの理解
- 位置エンコーディングの理解
- MixupおよびCutMixの理解
- 物体識別と物体検出の違い
- セマンティックセグメンテーションの特徴
- インスタンスセグメンテーションの理解
- パノプティックセグメンテーションの特徴
- 姿勢推定(Pose Estimation)の理解
- AlexNetの特徴
- GoogLeNet(Inception)の理解
- VGGの構造的特徴
- ResNetの残差学習の理解
- Wide ResNetの特徴
- DenseNetの密結合構造
- EfficientNetとMobileNetの理解
- NAS(ニューラルアーキテクチャ探索)の特徴
- MnasNetの探索戦略
- NASNetのセル構造
- SENet(Squeeze-and-Excitation Network)の理解
- Vision Transformer(ViT)の特徴
- Fast R-CNNの処理構造
- Faster R-CNNのRPN
- Mask R-CNNの追加機能
- SSD(Single Shot MultiBox Detector)の特徴
- YOLO(You Only Look Once)の特徴
- FPN(Feature Pyramid Network)の理解
- FCN(Fully Convolutional Network)の特徴
- OpenPoseとPart Affinity Fields
- BERTの事前学習タスク
- Bag-of-Words(BoW)の特徴
- word2vecの理解
- fastTextのサブワード学習
- CBOW(Continuous Bag-of-Words)の特徴
- skip-gramの特徴
- CEC(Constant Error Carousel)の役割
- ELMoの文脈化表現
- GPTモデルの学習方式
- PaLMの理解
- Seq2Seqモデルの構造
- TF-IDFの重要度計算
- 形態素解析の役割
- 構文解析の目的
- 感情分析の特徴
- 文書要約の種類
- A-D変換(アナログ-デジタル変換)のプロセス
- WaveNetの特徴
- 音韻の理解
- 音声認識の基本
- 音素の理解
- 隠れマルコフモデル(HMM)の特徴
- 高速フーリエ変換(FFT)の理解
- スペクトル包絡の特徴
- PCM(パルス符号変調)の理解
- MFCC(メル周波数ケプストラム係数)の特徴
- CTC(Connectionist Temporal Classification)の理解
- A3C(Asynchronous Advantage Actor-Critic)の特徴
- Agent57の特徴
- APE-Xの理解
- DQN(Deep Q-Network)の理解
- Double DQNの理解
- Dueling Networkの特徴
- PPO(Proximal Policy Optimization)の理解
- OpenAI Fiveの特徴
- AlphaStarの理解
- sim2realの課題
- ドメインランダマイゼーションの理解
- ノイジーネットワークの特徴
- 報酬成形(Reward Shaping)の理解
- GAN(敵対的生成ネットワーク)の理解
- DCGANの特徴
- Diffusion Modelの理解
- NeRF(Neural Radiance Fields)の特徴
- Pix2Pixの理解
- CycleGANの特徴
- StyleGANの理解
- データ生成タスクの応用
- 転移学習の基本概念
- ファインチューニングの特徴
- Few-shot / One-shot 学習の理解
- 自己教師あり学習の役割
- 破壊的忘却(Catastrophic Forgetting)
- 半教師あり学習の特徴
- マルチモーダルAIの基本理解
- CLIPの特徴理解
- DALL-Eの役割
- Visual Question Answeringの理解
- zero-shot推論の理解
- マルチタスク学習の特徴
- CAMの特徴に関する問題
- Grad-CAMの理解
- LIMEの特徴
- SHAPの特徴理解
- 知識蒸留の理解
- プルーニングの理解
- 量子化の理解
- 説明可能AI(XAI)の理解
AIの社会実装に向けて
AIの法律と倫理
- 個人情報の定義
- 個人識別符号の理解
- 個人データの取り扱い
- 保有個人データの理解
- 匿名加工情報の理解
- 仮名加工情報の理解
- 要配慮個人情報の理解
- 利用目的の通知義務
- 第三者提供のルール
- GDPRの基本理解
- 著作物の創作性の理解
- AI生成物の著作権の成否
- 著作権侵害とデータ利用
- 利用規約とライセンスの理解
- 著作権法30条4の理解
- 発明と自然法則の理解
- 新規性の理解
- 進歩性の理解
- 特許権と営業秘密の違い
- 職務発明の理解
- 実施権の理解
- 営業秘密の三要件
- 限定提供データの制度趣旨
- 不正競争防止法と特許権の違い
- 独占禁止法におけるAIの論点
- 営業秘密と限定提供データの違い
- AI開発の契約形態に関する理解
- NDA(秘密保持契約)の目的
- 契約ガイドラインの活用
- PoCの意義と契約
- 精度保証と免責事項
- SaaSと知的財産権の扱い
- データ利用権の契約上の扱い
- 保守契約の役割
- 探索的段階型プロセスの理解
- 利用規約の役割
- AI倫理の基本原則に関する理解
- AIガバナンスの目的
- ソフトローとハードローの違い
- リスクベースアプローチ
- プライバシー保護とライフサイクル
- プライバシー・バイ・デザインの概念
- カメラ画像利活用ガイドブックの内容
- 公平性の定義に関する理解
- アルゴリズムバイアスの理解
- サンプリングバイアスの理解
- センシティブ属性の理解
- 代理変数のリスク

