PRACTICE / G
G検定｜オリジナル練習問題集 201〜300問
公式の出題範囲を参考に作成した4択の練習問題です。各資格300問を目標に追加します。現在300問を公開しています。このページでは100問に挑戦できます。
QUESTION 201
記号と明示的な規則で知的な処理を表したい
- 公開日
- 2026年9月29日
- 分野
- AIの発展と考え方
- 難易度
- 基礎
記号と明示的な規則で知的な処理を表したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：B
知識を記号と規則で表して推論する立場です。AIの考え方と限界を歴史的な文脈でも捉えます。
選択肢のポイント
- Aコネクショニズムは神経回路を模した結合から知能を捉える立場です。この設問で求めるものとは異なります。
- B正解です。知識を記号と規則で表して推論する立場です。
- C中国語の部屋は記号操作と意味理解の違いを問う思考実験です。この設問で求めるものとは異なります。
- D知識獲得のボトルネックは専門知識を集め形式化する負担です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 202
多数の単純な計算単位の結合から知能を考えたい
- 公開日
- 2026年9月29日
- 分野
- AIの発展と考え方
- 難易度
- 基礎
多数の単純な計算単位の結合から知能を考えたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：C
神経回路を模した結合から知能を捉える立場です。AIの考え方と限界を歴史的な文脈でも捉えます。
選択肢のポイント
- A特化型AIは限られた課題向けに設計されたAIです。この設問で求めるものとは異なります。
- Bデータ駆動型の学習はデータに含まれる傾向からモデルを作る考え方です。この設問で求めるものとは異なります。
- C正解です。神経回路を模した結合から知能を捉える立場です。
- DマルチモーダルAIは複数種類の情報を統合して扱うAIです。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 203
特定の画像認識など限定した用途に強いAIを分類したい
- 公開日
- 2026年9月29日
- 分野
- AIの発展と考え方
- 難易度
- 基礎
特定の画像認識など限定した用途に強いAIを分類したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：D
限られた課題向けに設計されたAIです。AIの考え方と限界を歴史的な文脈でも捉えます。
選択肢のポイント
- Aフレーム問題は状況で何が変わらないかを定める難しさです。この設問で求めるものとは異なります。
- Bチューリングテストは対話相手を人間と見分けられるかを用いる試験案です。この設問で求めるものとは異なります。
- C擬人化への注意はAIへ人間的能力を過度に当てはめない姿勢です。この設問で求めるものとは異なります。
- D正解です。限られた課題向けに設計されたAIです。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 204
未知の環境で何が重要か全てを列挙できない問題を考え…
- 公開日
- 2026年9月29日
- 分野
- AIの発展と考え方
- 難易度
- 基礎
未知の環境で何が重要か全てを列挙できない問題を考えたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：A
状況で何が変わらないかを定める難しさです。AIの考え方と限界を歴史的な文脈でも捉えます。
選択肢のポイント
- A正解です。状況で何が変わらないかを定める難しさです。
- B中国語の部屋は記号操作と意味理解の違いを問う思考実験です。この設問で求めるものとは異なります。
- C知識獲得のボトルネックは専門知識を集め形式化する負担です。この設問で求めるものとは異なります。
- D記号主義は知識を記号と規則で表して推論する立場です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 205
会話が自然でも理解を証明したとは限らないという議論…
- 公開日
- 2026年9月29日
- 分野
- AIの発展と考え方
- 難易度
- 基礎
会話が自然でも理解を証明したとは限らないという議論を示したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：B
記号操作と意味理解の違いを問う思考実験です。AIの考え方と限界を歴史的な文脈でも捉えます。
選択肢のポイント
- Aデータ駆動型の学習はデータに含まれる傾向からモデルを作る考え方です。この設問で求めるものとは異なります。
- B正解です。記号操作と意味理解の違いを問う思考実験です。
- CマルチモーダルAIは複数種類の情報を統合して扱うAIです。この設問で求めるものとは異なります。
- Dコネクショニズムは神経回路を模した結合から知能を捉える立場です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 206
人間が手順を書かずデータから規則性を見つけたい
- 公開日
- 2026年9月29日
- 分野
- AIの発展と考え方
- 難易度
- 基礎
人間が手順を書かずデータから規則性を見つけたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：C
データに含まれる傾向からモデルを作る考え方です。AIの考え方と限界を歴史的な文脈でも捉えます。
選択肢のポイント
- Aチューリングテストは対話相手を人間と見分けられるかを用いる試験案です。この設問で求めるものとは異なります。
- B擬人化への注意はAIへ人間的能力を過度に当てはめない姿勢です。この設問で求めるものとは異なります。
- C正解です。データに含まれる傾向からモデルを作る考え方です。
- D特化型AIは限られた課題向けに設計されたAIです。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 207
知能の有無を対話で判定しようとする古典的な試みを知…
- 公開日
- 2026年9月29日
- 分野
- AIの発展と考え方
- 難易度
- 基礎
知能の有無を対話で判定しようとする古典的な試みを知りたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：D
対話相手を人間と見分けられるかを用いる試験案です。AIの考え方と限界を歴史的な文脈でも捉えます。
選択肢のポイント
- A知識獲得のボトルネックは専門知識を集め形式化する負担です。この設問で求めるものとは異なります。
- B記号主義は知識を記号と規則で表して推論する立場です。この設問で求めるものとは異なります。
- Cフレーム問題は状況で何が変わらないかを定める難しさです。この設問で求めるものとは異なります。
- D正解です。対話相手を人間と見分けられるかを用いる試験案です。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 208
知識を規則で手入力する作業が増えると維持が難しくなる
- 公開日
- 2026年9月29日
- 分野
- AIの発展と考え方
- 難易度
- 基礎
知識を規則で手入力する作業が増えると維持が難しくなる。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：A
専門知識を集め形式化する負担です。AIの考え方と限界を歴史的な文脈でも捉えます。
選択肢のポイント
- A正解です。専門知識を集め形式化する負担です。
- BマルチモーダルAIは複数種類の情報を統合して扱うAIです。この設問で求めるものとは異なります。
- Cコネクショニズムは神経回路を模した結合から知能を捉える立場です。この設問で求めるものとは異なります。
- D中国語の部屋は記号操作と意味理解の違いを問う思考実験です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 209
画像、音声、文を別々でなく組み合わせて扱いたい
- 公開日
- 2026年9月29日
- 分野
- AIの発展と考え方
- 難易度
- 基礎
画像、音声、文を別々でなく組み合わせて扱いたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：B
複数種類の情報を統合して扱うAIです。AIの考え方と限界を歴史的な文脈でも捉えます。
選択肢のポイント
- A擬人化への注意はAIへ人間的能力を過度に当てはめない姿勢です。この設問で求めるものとは異なります。
- B正解です。複数種類の情報を統合して扱うAIです。
- C特化型AIは限られた課題向けに設計されたAIです。この設問で求めるものとは異なります。
- Dデータ駆動型の学習はデータに含まれる傾向からモデルを作る考え方です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 210
人に似た応答が出ても内部に人間と同じ理解があると即…
- 公開日
- 2026年9月29日
- 分野
- AIの発展と考え方
- 難易度
- 基礎
人に似た応答が出ても内部に人間と同じ理解があると即断しない。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：C
AIへ人間的能力を過度に当てはめない姿勢です。AIの考え方と限界を歴史的な文脈でも捉えます。
選択肢のポイント
- A記号主義は知識を記号と規則で表して推論する立場です。この設問で求めるものとは異なります。
- Bフレーム問題は状況で何が変わらないかを定める難しさです。この設問で求めるものとは異なります。
- C正解です。AIへ人間的能力を過度に当てはめない姿勢です。
- Dチューリングテストは対話相手を人間と見分けられるかを用いる試験案です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 211
二値の発生確率を説明変数から推定したい
- 公開日
- 2026年9月29日
- 分野
- 機械学習の手法選択
- 難易度
- 中級
二値の発生確率を説明変数から推定したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：D
二値事象の確率を推定するモデルです。予測対象とデータ構造に応じて手法を選びます。
選択肢のポイント
- Aナイーブベイズは条件付き独立の仮定を用いる分類法です。この設問で求めるものとは異なります。
- B勾配ブースティングは逐次的に弱いモデルを加えて誤差を減らす方法です。この設問で求めるものとは異なります。
- CRidge回帰はL2罰則を加えた回帰です。この設問で求めるものとは異なります。
- D正解です。二値事象の確率を推定するモデルです。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 212
特徴が独立と仮定して文書の分類を行いたい
- 公開日
- 2026年9月29日
- 分野
- 機械学習の手法選択
- 難易度
- 中級
特徴が独立と仮定して文書の分類を行いたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：A
条件付き独立の仮定を用いる分類法です。予測対象とデータ構造に応じて手法を選びます。
選択肢のポイント
- A正解です。条件付き独立の仮定を用いる分類法です。
- Bk-means法は中心に近いデータをまとめるクラスタリングです。この設問で求めるものとは異なります。
- Cバギングは異なる標本で学習したモデルの出力を集約する方法です。この設問で求めるものとは異なります。
- Dスタッキングは別モデルの予測を学習して統合する方法です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 213
中心点を更新しながらデータを指定数の群へ分けたい
- 公開日
- 2026年9月29日
- 分野
- 機械学習の手法選択
- 難易度
- 中級
中心点を更新しながらデータを指定数の群へ分けたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：B
中心に近いデータをまとめるクラスタリングです。予測対象とデータ構造に応じて手法を選びます。
選択肢のポイント
- ADBSCANは密度で群と外れ点を見つける方法です。この設問で求めるものとは異なります。
- B正解です。中心に近いデータをまとめるクラスタリングです。
- CLasso回帰はL1罰則を加えた回帰です。この設問で求めるものとは異なります。
- D主成分分析は分散の大きい方向へ情報を要約する方法です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 214
密度の高い領域を群にし孤立点も見つけたい
- 公開日
- 2026年9月29日
- 分野
- 機械学習の手法選択
- 難易度
- 中級
密度の高い領域を群にし孤立点も見つけたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：C
密度で群と外れ点を見つける方法です。予測対象とデータ構造に応じて手法を選びます。
選択肢のポイント
- A勾配ブースティングは逐次的に弱いモデルを加えて誤差を減らす方法です。この設問で求めるものとは異なります。
- BRidge回帰はL2罰則を加えた回帰です。この設問で求めるものとは異なります。
- C正解です。密度で群と外れ点を見つける方法です。
- Dロジスティック回帰は二値事象の確率を推定するモデルです。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 215
弱い決定木を順に追加して前の誤りを補いたい
- 公開日
- 2026年9月29日
- 分野
- 機械学習の手法選択
- 難易度
- 中級
弱い決定木を順に追加して前の誤りを補いたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：D
逐次的に弱いモデルを加えて誤差を減らす方法です。予測対象とデータ構造に応じて手法を選びます。
選択肢のポイント
- Aバギングは異なる標本で学習したモデルの出力を集約する方法です。この設問で求めるものとは異なります。
- Bスタッキングは別モデルの予測を学習して統合する方法です。この設問で求めるものとは異なります。
- Cナイーブベイズは条件付き独立の仮定を用いる分類法です。この設問で求めるものとは異なります。
- D正解です。逐次的に弱いモデルを加えて誤差を減らす方法です。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 216
多数の学習集合で別々に学習した結果を平均したい
- 公開日
- 2026年9月29日
- 分野
- 機械学習の手法選択
- 難易度
- 中級
多数の学習集合で別々に学習した結果を平均したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：A
異なる標本で学習したモデルの出力を集約する方法です。予測対象とデータ構造に応じて手法を選びます。
選択肢のポイント
- A正解です。異なる標本で学習したモデルの出力を集約する方法です。
- BLasso回帰はL1罰則を加えた回帰です。この設問で求めるものとは異なります。
- C主成分分析は分散の大きい方向へ情報を要約する方法です。この設問で求めるものとは異なります。
- Dk-means法は中心に近いデータをまとめるクラスタリングです。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 217
重要な変数だけを残すため係数へ絶対値の罰則を加えたい
- 公開日
- 2026年9月29日
- 分野
- 機械学習の手法選択
- 難易度
- 中級
重要な変数だけを残すため係数へ絶対値の罰則を加えたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：B
L1罰則を加えた回帰です。予測対象とデータ構造に応じて手法を選びます。
選択肢のポイント
- ARidge回帰はL2罰則を加えた回帰です。この設問で求めるものとは異なります。
- B正解です。L1罰則を加えた回帰です。
- Cロジスティック回帰は二値事象の確率を推定するモデルです。この設問で求めるものとは異なります。
- DDBSCANは密度で群と外れ点を見つける方法です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 218
係数の過度な大きさを二乗の罰則で抑えたい
- 公開日
- 2026年9月29日
- 分野
- 機械学習の手法選択
- 難易度
- 中級
係数の過度な大きさを二乗の罰則で抑えたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：C
L2罰則を加えた回帰です。予測対象とデータ構造に応じて手法を選びます。
選択肢のポイント
- Aスタッキングは別モデルの予測を学習して統合する方法です。この設問で求めるものとは異なります。
- Bナイーブベイズは条件付き独立の仮定を用いる分類法です。この設問で求めるものとは異なります。
- C正解です。L2罰則を加えた回帰です。
- D勾配ブースティングは逐次的に弱いモデルを加えて誤差を減らす方法です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 219
複数モデルの予測をもう一つのモデルで組み合わせたい
- 公開日
- 2026年9月29日
- 分野
- 機械学習の手法選択
- 難易度
- 中級
複数モデルの予測をもう一つのモデルで組み合わせたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：D
別モデルの予測を学習して統合する方法です。予測対象とデータ構造に応じて手法を選びます。
選択肢のポイント
- A主成分分析は分散の大きい方向へ情報を要約する方法です。この設問で求めるものとは異なります。
- Bk-means法は中心に近いデータをまとめるクラスタリングです。この設問で求めるものとは異なります。
- Cバギングは異なる標本で学習したモデルの出力を集約する方法です。この設問で求めるものとは異なります。
- D正解です。別モデルの予測を学習して統合する方法です。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 220
正解のない大量データから主な変動方向を取り出したい
- 公開日
- 2026年9月29日
- 分野
- 機械学習の手法選択
- 難易度
- 中級
正解のない大量データから主な変動方向を取り出したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：A
分散の大きい方向へ情報を要約する方法です。予測対象とデータ構造に応じて手法を選びます。
選択肢のポイント
- A正解です。分散の大きい方向へ情報を要約する方法です。
- Bロジスティック回帰は二値事象の確率を推定するモデルです。この設問で求めるものとは異なります。
- CDBSCANは密度で群と外れ点を見つける方法です。この設問で求めるものとは異なります。
- DLasso回帰はL1罰則を加えた回帰です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 221
系列の各位置ごとに特徴を正規化したい
- 公開日
- 2026年9月29日
- 分野
- ニューラルネットの内部
- 難易度
- 上級
系列の各位置ごとに特徴を正規化したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：B
各入力例の特徴方向で値を正規化する方法です。情報の正規化と注意の仕組みを区別します。
選択肢のポイント
- Aグループ正規化はチャンネルを群に分けて値を正規化する方法です。この設問で求めるものとは異なります。
- B正解です。各入力例の特徴方向で値を正規化する方法です。
- Cマルチヘッド注意は複数の注意計算を並列に行う方法です。この設問で求めるものとは異なります。
- D特徴マップは画像上の位置ごとの特徴を並べた表現です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 222
チャンネルを小グループに分けて画像特徴を正規化したい
- 公開日
- 2026年9月29日
- 分野
- ニューラルネットの内部
- 難易度
- 上級
チャンネルを小グループに分けて画像特徴を正規化したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：C
チャンネルを群に分けて値を正規化する方法です。情報の正規化と注意の仕組みを区別します。
選択肢のポイント
- A交差注意機構は一方の系列が別系列を参照する注意機構です。この設問で求めるものとは異なります。
- B注意計算の二乗コストは通常の自己注意で系列長に対し計算が急増する性質です。この設問で求めるものとは異なります。
- C正解です。チャンネルを群に分けて値を正規化する方法です。
- Dグローバル平均プーリングは各特徴マップの空間方向を平均する処理です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 223
文の各語が別の文のどの語を参照するか計算したい
- 公開日
- 2026年9月29日
- 分野
- ニューラルネットの内部
- 難易度
- 上級
文の各語が別の文のどの語を参照するか計算したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：D
一方の系列が別系列を参照する注意機構です。情報の正規化と注意の仕組みを区別します。
選択肢のポイント
- A因果マスクは後の位置の情報を見えなくする制御です。この設問で求めるものとは異なります。
- BGELUは入力値に応じ滑らかに出力を変える活性化関数です。この設問で求めるものとは異なります。
- C学習モードと評価モードは層の動作を学習用と推論用で切り替える設定です。この設問で求めるものとは異なります。
- D正解です。一方の系列が別系列を参照する注意機構です。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 224
文章生成時に未来の語を参照しないようにしたい
- 公開日
- 2026年9月29日
- 分野
- ニューラルネットの内部
- 難易度
- 上級
文章生成時に未来の語を参照しないようにしたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：A
後の位置の情報を見えなくする制御です。情報の正規化と注意の仕組みを区別します。
選択肢のポイント
- A正解です。後の位置の情報を見えなくする制御です。
- Bマルチヘッド注意は複数の注意計算を並列に行う方法です。この設問で求めるものとは異なります。
- C特徴マップは画像上の位置ごとの特徴を並べた表現です。この設問で求めるものとは異なります。
- Dレイヤー正規化は各入力例の特徴方向で値を正規化する方法です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 225
注意機構を複数の観点で並行計算したい
- 公開日
- 2026年9月29日
- 分野
- ニューラルネットの内部
- 難易度
- 上級
注意機構を複数の観点で並行計算したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：B
複数の注意計算を並列に行う方法です。情報の正規化と注意の仕組みを区別します。
選択肢のポイント
- A注意計算の二乗コストは通常の自己注意で系列長に対し計算が急増する性質です。この設問で求めるものとは異なります。
- B正解です。複数の注意計算を並列に行う方法です。
- Cグローバル平均プーリングは各特徴マップの空間方向を平均する処理です。この設問で求めるものとは異なります。
- Dグループ正規化はチャンネルを群に分けて値を正規化する方法です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 226
長い系列で計算量が入力長の二乗に増える点を考慮したい
- 公開日
- 2026年9月29日
- 分野
- ニューラルネットの内部
- 難易度
- 上級
長い系列で計算量が入力長の二乗に増える点を考慮したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：C
通常の自己注意で系列長に対し計算が急増する性質です。情報の正規化と注意の仕組みを区別します。
選択肢のポイント
- AGELUは入力値に応じ滑らかに出力を変える活性化関数です。この設問で求めるものとは異なります。
- B学習モードと評価モードは層の動作を学習用と推論用で切り替える設定です。この設問で求めるものとは異なります。
- C正解です。通常の自己注意で系列長に対し計算が急増する性質です。
- D交差注意機構は一方の系列が別系列を参照する注意機構です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 227
活性化を一部滑らかに抑える関数を使いたい
- 公開日
- 2026年9月29日
- 分野
- ニューラルネットの内部
- 難易度
- 上級
活性化を一部滑らかに抑える関数を使いたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：D
入力値に応じ滑らかに出力を変える活性化関数です。情報の正規化と注意の仕組みを区別します。
選択肢のポイント
- A特徴マップは画像上の位置ごとの特徴を並べた表現です。この設問で求めるものとは異なります。
- Bレイヤー正規化は各入力例の特徴方向で値を正規化する方法です。この設問で求めるものとは異なります。
- C因果マスクは後の位置の情報を見えなくする制御です。この設問で求めるものとは異なります。
- D正解です。入力値に応じ滑らかに出力を変える活性化関数です。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 228
画像の空間情報を平坦化せず保って処理したい
- 公開日
- 2026年9月29日
- 分野
- ニューラルネットの内部
- 難易度
- 上級
画像の空間情報を平坦化せず保って処理したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：A
画像上の位置ごとの特徴を並べた表現です。情報の正規化と注意の仕組みを区別します。
選択肢のポイント
- A正解です。画像上の位置ごとの特徴を並べた表現です。
- Bグローバル平均プーリングは各特徴マップの空間方向を平均する処理です。この設問で求めるものとは異なります。
- Cグループ正規化はチャンネルを群に分けて値を正規化する方法です。この設問で求めるものとは異なります。
- Dマルチヘッド注意は複数の注意計算を並列に行う方法です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 229
出力層へ送る前に複数位置の値を平均したい
- 公開日
- 2026年9月29日
- 分野
- ニューラルネットの内部
- 難易度
- 上級
出力層へ送る前に複数位置の値を平均したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：B
各特徴マップの空間方向を平均する処理です。情報の正規化と注意の仕組みを区別します。
選択肢のポイント
- A学習モードと評価モードは層の動作を学習用と推論用で切り替える設定です。この設問で求めるものとは異なります。
- B正解です。各特徴マップの空間方向を平均する処理です。
- C交差注意機構は一方の系列が別系列を参照する注意機構です。この設問で求めるものとは異なります。
- D注意計算の二乗コストは通常の自己注意で系列長に対し計算が急増する性質です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 230
推論時と学習時で値の扱いが異なる層を確認したい
- 公開日
- 2026年9月29日
- 分野
- ニューラルネットの内部
- 難易度
- 上級
推論時と学習時で値の扱いが異なる層を確認したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：C
層の動作を学習用と推論用で切り替える設定です。情報の正規化と注意の仕組みを区別します。
選択肢のポイント
- Aレイヤー正規化は各入力例の特徴方向で値を正規化する方法です。この設問で求めるものとは異なります。
- B因果マスクは後の位置の情報を見えなくする制御です。この設問で求めるものとは異なります。
- C正解です。層の動作を学習用と推論用で切り替える設定です。
- DGELUは入力値に応じ滑らかに出力を変える活性化関数です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 231
同じ画像の変形同士を近く別画像を遠く学習したい
- 公開日
- 2026年9月29日
- 分野
- モデルを学ばせる方法
- 難易度
- 中級
同じ画像の変形同士を近く別画像を遠く学習したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：D
正例と負例の近さを用いて表現を学ぶ方法です。学習目標と必要なラベルの量を区別します。
選択肢のポイント
- Aマスク言語モデルは隠した語を周囲から予測する学習方法です。この設問で求めるものとは異なります。
- Bゼロショット学習はその課題の例を与えず対応することです。この設問で求めるものとは異なります。
- C人間のフィードバックによる強化学習は人の選好を報酬にして応答を調整する方法です。この設問で求めるものとは異なります。
- D正解です。正例と負例の近さを用いて表現を学ぶ方法です。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 232
文章の一部を隠して元の語を当てる学習をしたい
- 公開日
- 2026年9月29日
- 分野
- モデルを学ばせる方法
- 難易度
- 中級
文章の一部を隠して元の語を当てる学習をしたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：A
隠した語を周囲から予測する学習方法です。学習目標と必要なラベルの量を区別します。
選択肢のポイント
- A正解です。隠した語を周囲から予測する学習方法です。
- B半教師あり学習はラベル付きとラベルなしを組み合わせる学習です。この設問で求めるものとは異なります。
- C少数ショット学習は少数の例で新しい課題へ対応する方法です。この設問で求めるものとは異なります。
- Dカリキュラム学習は課題の難しさを段階的に変える学習方法です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 233
一部の正解付きデータと多数の正解なしデータを併用し…
- 公開日
- 2026年9月29日
- 分野
- モデルを学ばせる方法
- 難易度
- 中級
一部の正解付きデータと多数の正解なしデータを併用したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：B
ラベル付きとラベルなしを組み合わせる学習です。学習目標と必要なラベルの量を区別します。
選択肢のポイント
- A能動学習は価値の高い例を選んでラベルを付ける方法です。この設問で求めるものとは異なります。
- B正解です。ラベル付きとラベルなしを組み合わせる学習です。
- Cパラメータ効率のよい調整は更新する重みを絞ってモデルを調整する方法です。この設問で求めるものとは異なります。
- D継続学習は新しいデータを取り込みつつ過去の知識を保つ学習です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 234
人が確認すべき例をモデルが優先して選びたい
- 公開日
- 2026年9月29日
- 分野
- モデルを学ばせる方法
- 難易度
- 中級
人が確認すべき例をモデルが優先して選びたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：C
価値の高い例を選んでラベルを付ける方法です。学習目標と必要なラベルの量を区別します。
選択肢のポイント
- Aゼロショット学習はその課題の例を与えず対応することです。この設問で求めるものとは異なります。
- B人間のフィードバックによる強化学習は人の選好を報酬にして応答を調整する方法です。この設問で求めるものとは異なります。
- C正解です。価値の高い例を選んでラベルを付ける方法です。
- D対照学習は正例と負例の近さを用いて表現を学ぶ方法です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 235
新たなタスクの例を一つも与えず指示だけで解きたい
- 公開日
- 2026年9月29日
- 分野
- モデルを学ばせる方法
- 難易度
- 中級
新たなタスクの例を一つも与えず指示だけで解きたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：D
その課題の例を与えず対応することです。学習目標と必要なラベルの量を区別します。
選択肢のポイント
- A少数ショット学習は少数の例で新しい課題へ対応する方法です。この設問で求めるものとは異なります。
- Bカリキュラム学習は課題の難しさを段階的に変える学習方法です。この設問で求めるものとは異なります。
- Cマスク言語モデルは隠した語を周囲から予測する学習方法です。この設問で求めるものとは異なります。
- D正解です。その課題の例を与えず対応することです。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 236
少数の新しい例から対象カテゴリへ適応したい
- 公開日
- 2026年9月29日
- 分野
- モデルを学ばせる方法
- 難易度
- 中級
少数の新しい例から対象カテゴリへ適応したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：A
少数の例で新しい課題へ対応する方法です。学習目標と必要なラベルの量を区別します。
選択肢のポイント
- A正解です。少数の例で新しい課題へ対応する方法です。
- Bパラメータ効率のよい調整は更新する重みを絞ってモデルを調整する方法です。この設問で求めるものとは異なります。
- C継続学習は新しいデータを取り込みつつ過去の知識を保つ学習です。この設問で求めるものとは異なります。
- D半教師あり学習はラベル付きとラベルなしを組み合わせる学習です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 237
大きなモデルの重みの大半を固定し小さな追加部分だけ…
- 公開日
- 2026年9月29日
- 分野
- モデルを学ばせる方法
- 難易度
- 中級
大きなモデルの重みの大半を固定し小さな追加部分だけ学びたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：B
更新する重みを絞ってモデルを調整する方法です。学習目標と必要なラベルの量を区別します。
選択肢のポイント
- A人間のフィードバックによる強化学習は人の選好を報酬にして応答を調整する方法です。この設問で求めるものとは異なります。
- B正解です。更新する重みを絞ってモデルを調整する方法です。
- C対照学習は正例と負例の近さを用いて表現を学ぶ方法です。この設問で求めるものとは異なります。
- D能動学習は価値の高い例を選んでラベルを付ける方法です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 238
人の評価した応答の良し悪しを学習へ反映したい
- 公開日
- 2026年9月29日
- 分野
- モデルを学ばせる方法
- 難易度
- 中級
人の評価した応答の良し悪しを学習へ反映したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：C
人の選好を報酬にして応答を調整する方法です。学習目標と必要なラベルの量を区別します。
選択肢のポイント
- Aカリキュラム学習は課題の難しさを段階的に変える学習方法です。この設問で求めるものとは異なります。
- Bマスク言語モデルは隠した語を周囲から予測する学習方法です。この設問で求めるものとは異なります。
- C正解です。人の選好を報酬にして応答を調整する方法です。
- Dゼロショット学習はその課題の例を与えず対応することです。この設問で求めるものとは異なります。
関連キーワード
- 人間のフィードバックによる強化学習
- モデルを学ばせる方法
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 239
簡単な例から難しい例へ順番に学習させたい
- 公開日
- 2026年9月29日
- 分野
- モデルを学ばせる方法
- 難易度
- 中級
簡単な例から難しい例へ順番に学習させたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：D
課題の難しさを段階的に変える学習方法です。学習目標と必要なラベルの量を区別します。
選択肢のポイント
- A継続学習は新しいデータを取り込みつつ過去の知識を保つ学習です。この設問で求めるものとは異なります。
- B半教師あり学習はラベル付きとラベルなしを組み合わせる学習です。この設問で求めるものとは異なります。
- C少数ショット学習は少数の例で新しい課題へ対応する方法です。この設問で求めるものとは異なります。
- D正解です。課題の難しさを段階的に変える学習方法です。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 240
古い課題を忘れず新しい課題を続けて学びたい
- 公開日
- 2026年9月29日
- 分野
- モデルを学ばせる方法
- 難易度
- 中級
古い課題を忘れず新しい課題を続けて学びたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：A
新しいデータを取り込みつつ過去の知識を保つ学習です。学習目標と必要なラベルの量を区別します。
選択肢のポイント
- A正解です。新しいデータを取り込みつつ過去の知識を保つ学習です。
- B対照学習は正例と負例の近さを用いて表現を学ぶ方法です。この設問で求めるものとは異なります。
- C能動学習は価値の高い例を選んでラベルを付ける方法です。この設問で求めるものとは異なります。
- Dパラメータ効率のよい調整は更新する重みを絞ってモデルを調整する方法です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 241
動画の連続フレームで画素の動く方向を見たい
- 公開日
- 2026年9月29日
- 分野
- 視覚と音声の理解
- 難易度
- 中級
動画の連続フレームで画素の動く方向を見たい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：B
連続画像間の見かけの動きを表すものです。媒体ごとに必要な出力を選びます。
選択肢のポイント
- A深度推定は画像の各位置の奥行きを推定する処理です。この設問で求めるものとは異なります。
- B正解です。連続画像間の見かけの動きを表すものです。
- C話者分離は音声の区間を発話者ごとに分ける処理です。この設問で求めるものとは異なります。
- D音声映像の整合確認は異なる媒体間の対応を確かめることです。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 242
一枚の写真から近くと遠くの距離を推定したい
- 公開日
- 2026年9月29日
- 分野
- 視覚と音声の理解
- 難易度
- 中級
一枚の写真から近くと遠くの距離を推定したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：C
画像の各位置の奥行きを推定する処理です。媒体ごとに必要な出力を選びます。
選択肢のポイント
- Aデジタル透かしは画像などに識別用の情報を埋め込む方法です。この設問で求めるものとは異なります。
- B音声認識は音声から発話内容を文字にする処理です。この設問で求めるものとは異なります。
- C正解です。画像の各位置の奥行きを推定する処理です。
- D色補正は画像の色の偏りを調整する処理です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 243
画像が生成後に改変されたか検出できる印を埋め込みたい
- 公開日
- 2026年9月29日
- 分野
- 視覚と音声の理解
- 難易度
- 中級
画像が生成後に改変されたか検出できる印を埋め込みたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：D
画像などに識別用の情報を埋め込む方法です。媒体ごとに必要な出力を選びます。
選択肢のポイント
- A画像検索は視覚的特徴で画像を探す方法です。この設問で求めるものとは異なります。
- B音声合成は文字から音声を生成する処理です。この設問で求めるものとは異なります。
- C照明変化への頑健性評価は明るさが変わっても性能を保つか調べることです。この設問で求めるものとは異なります。
- D正解です。画像などに識別用の情報を埋め込む方法です。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 244
大量の写真から似た構図の画像を探したい
- 公開日
- 2026年9月29日
- 分野
- 視覚と音声の理解
- 難易度
- 中級
大量の写真から似た構図の画像を探したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：A
視覚的特徴で画像を探す方法です。媒体ごとに必要な出力を選びます。
選択肢のポイント
- A正解です。視覚的特徴で画像を探す方法です。
- B話者分離は音声の区間を発話者ごとに分ける処理です。この設問で求めるものとは異なります。
- C音声映像の整合確認は異なる媒体間の対応を確かめることです。この設問で求めるものとは異なります。
- Dオプティカルフローは連続画像間の見かけの動きを表すものです。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 245
録音から話した人の区間を分けたい
- 公開日
- 2026年9月29日
- 分野
- 視覚と音声の理解
- 難易度
- 中級
録音から話した人の区間を分けたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：B
音声の区間を発話者ごとに分ける処理です。媒体ごとに必要な出力を選びます。
選択肢のポイント
- A音声認識は音声から発話内容を文字にする処理です。この設問で求めるものとは異なります。
- B正解です。音声の区間を発話者ごとに分ける処理です。
- C色補正は画像の色の偏りを調整する処理です。この設問で求めるものとは異なります。
- D深度推定は画像の各位置の奥行きを推定する処理です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 246
録音した言葉をテキストへ変えたい
- 公開日
- 2026年9月29日
- 分野
- 視覚と音声の理解
- 難易度
- 中級
録音した言葉をテキストへ変えたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：C
音声から発話内容を文字にする処理です。媒体ごとに必要な出力を選びます。
選択肢のポイント
- A音声合成は文字から音声を生成する処理です。この設問で求めるものとは異なります。
- B照明変化への頑健性評価は明るさが変わっても性能を保つか調べることです。この設問で求めるものとは異なります。
- C正解です。音声から発話内容を文字にする処理です。
- Dデジタル透かしは画像などに識別用の情報を埋め込む方法です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 247
文章を自然な読み上げ音声へ変えたい
- 公開日
- 2026年9月29日
- 分野
- 視覚と音声の理解
- 難易度
- 中級
文章を自然な読み上げ音声へ変えたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：D
文字から音声を生成する処理です。媒体ごとに必要な出力を選びます。
選択肢のポイント
- A音声映像の整合確認は異なる媒体間の対応を確かめることです。この設問で求めるものとは異なります。
- Bオプティカルフローは連続画像間の見かけの動きを表すものです。この設問で求めるものとは異なります。
- C画像検索は視覚的特徴で画像を探す方法です。この設問で求めるものとは異なります。
- D正解です。文字から音声を生成する処理です。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 248
動画の音声と映像が同じ出来事を示すか見たい
- 公開日
- 2026年9月29日
- 分野
- 視覚と音声の理解
- 難易度
- 中級
動画の音声と映像が同じ出来事を示すか見たい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：A
異なる媒体間の対応を確かめることです。媒体ごとに必要な出力を選びます。
選択肢のポイント
- A正解です。異なる媒体間の対応を確かめることです。
- B色補正は画像の色の偏りを調整する処理です。この設問で求めるものとは異なります。
- C深度推定は画像の各位置の奥行きを推定する処理です。この設問で求めるものとは異なります。
- D話者分離は音声の区間を発話者ごとに分ける処理です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 249
画像の撮影条件による色の違いを補正したい
- 公開日
- 2026年9月29日
- 分野
- 視覚と音声の理解
- 難易度
- 中級
画像の撮影条件による色の違いを補正したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：B
画像の色の偏りを調整する処理です。媒体ごとに必要な出力を選びます。
選択肢のポイント
- A照明変化への頑健性評価は明るさが変わっても性能を保つか調べることです。この設問で求めるものとは異なります。
- B正解です。画像の色の偏りを調整する処理です。
- Cデジタル透かしは画像などに識別用の情報を埋め込む方法です。この設問で求めるものとは異なります。
- D音声認識は音声から発話内容を文字にする処理です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 250
背景の照明変化で検出結果が不安定にならないか試したい
- 公開日
- 2026年9月29日
- 分野
- 視覚と音声の理解
- 難易度
- 中級
背景の照明変化で検出結果が不安定にならないか試したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：C
明るさが変わっても性能を保つか調べることです。媒体ごとに必要な出力を選びます。
選択肢のポイント
- Aオプティカルフローは連続画像間の見かけの動きを表すものです。この設問で求めるものとは異なります。
- B画像検索は視覚的特徴で画像を探す方法です。この設問で求めるものとは異なります。
- C正解です。明るさが変わっても性能を保つか調べることです。
- D音声合成は文字から音声を生成する処理です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 251
文章から助詞など検索に不要な頻出語を除きたい
- 公開日
- 2026年9月29日
- 分野
- 自然言語処理の評価
- 難易度
- 中級
文章から助詞など検索に不要な頻出語を除きたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：D
特定の高頻度語を前処理で外すことです。前処理と品質評価を目的ごとに選びます。
選択肢のポイント
- A見出し語化は単語を辞書形に正規化する処理です。この設問で求めるものとは異なります。
- Bパープレキシティは言語モデルの予測の困難さを表す指標です。この設問で求めるものとは異なります。
- C単語誤り率は参照文に対する認識語の誤り割合です。この設問で求めるものとは異なります。
- D正解です。特定の高頻度語を前処理で外すことです。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 252
活用した動詞を辞書に載る基本形へそろえたい
- 公開日
- 2026年9月29日
- 分野
- 自然言語処理の評価
- 難易度
- 中級
活用した動詞を辞書に載る基本形へそろえたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：A
単語を辞書形に正規化する処理です。前処理と品質評価を目的ごとに選びます。
選択肢のポイント
- A正解です。単語を辞書形に正規化する処理です。
- Bステミングは語の一部を削って共通の語幹にする処理です。この設問で求めるものとは異なります。
- CBLEUは参照訳とのn-gram一致を用いる翻訳評価指標です。この設問で求めるものとは異なります。
- D平均逆順位は最初の正解の順位の逆数を平均した指標です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 253
単語の語尾を削って語幹の形へ近づけたい
- 公開日
- 2026年9月29日
- 分野
- 自然言語処理の評価
- 難易度
- 中級
単語の語尾を削って語幹の形へ近づけたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：B
語の一部を削って共通の語幹にする処理です。前処理と品質評価を目的ごとに選びます。
選択肢のポイント
- ATF-IDFは語頻度を文書間の珍しさで重み付けする指標です。この設問で求めるものとは異なります。
- B正解です。語の一部を削って共通の語幹にする処理です。
- CROUGEは参照文との語句の重なりを用いる評価指標です。この設問で求めるものとは異なります。
- D根拠忠実性の評価は出力が与えられた資料に支えられるか調べることです。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 254
語の出現頻度と文書内での珍しさを組み合わせたい
- 公開日
- 2026年9月29日
- 分野
- 自然言語処理の評価
- 難易度
- 中級
語の出現頻度と文書内での珍しさを組み合わせたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：C
語頻度を文書間の珍しさで重み付けする指標です。前処理と品質評価を目的ごとに選びます。
選択肢のポイント
- Aパープレキシティは言語モデルの予測の困難さを表す指標です。この設問で求めるものとは異なります。
- B単語誤り率は参照文に対する認識語の誤り割合です。この設問で求めるものとは異なります。
- C正解です。語頻度を文書間の珍しさで重み付けする指標です。
- Dストップワード除去は特定の高頻度語を前処理で外すことです。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 255
生成文章の次の語をどれほど予測しやすいか測りたい
- 公開日
- 2026年9月29日
- 分野
- 自然言語処理の評価
- 難易度
- 中級
生成文章の次の語をどれほど予測しやすいか測りたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：D
言語モデルの予測の困難さを表す指標です。前処理と品質評価を目的ごとに選びます。
選択肢のポイント
- ABLEUは参照訳とのn-gram一致を用いる翻訳評価指標です。この設問で求めるものとは異なります。
- B平均逆順位は最初の正解の順位の逆数を平均した指標です。この設問で求めるものとは異なります。
- C見出し語化は単語を辞書形に正規化する処理です。この設問で求めるものとは異なります。
- D正解です。言語モデルの予測の困難さを表す指標です。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 256
翻訳文と参照訳の語の並びの一致度を測りたい
- 公開日
- 2026年9月29日
- 分野
- 自然言語処理の評価
- 難易度
- 中級
翻訳文と参照訳の語の並びの一致度を測りたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：A
参照訳とのn-gram一致を用いる翻訳評価指標です。前処理と品質評価を目的ごとに選びます。
選択肢のポイント
- A正解です。参照訳とのn-gram一致を用いる翻訳評価指標です。
- BROUGEは参照文との語句の重なりを用いる評価指標です。この設問で求めるものとは異なります。
- C根拠忠実性の評価は出力が与えられた資料に支えられるか調べることです。この設問で求めるものとは異なります。
- Dステミングは語の一部を削って共通の語幹にする処理です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 257
要約文と参照要約の語の重なりを測りたい
- 公開日
- 2026年9月29日
- 分野
- 自然言語処理の評価
- 難易度
- 中級
要約文と参照要約の語の重なりを測りたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：B
参照文との語句の重なりを用いる評価指標です。前処理と品質評価を目的ごとに選びます。
選択肢のポイント
- A単語誤り率は参照文に対する認識語の誤り割合です。この設問で求めるものとは異なります。
- B正解です。参照文との語句の重なりを用いる評価指標です。
- Cストップワード除去は特定の高頻度語を前処理で外すことです。この設問で求めるものとは異なります。
- DTF-IDFは語頻度を文書間の珍しさで重み付けする指標です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 258
音声の文字起こしで単語の置換や欠落を数えたい
- 公開日
- 2026年9月29日
- 分野
- 自然言語処理の評価
- 難易度
- 中級
音声の文字起こしで単語の置換や欠落を数えたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：C
参照文に対する認識語の誤り割合です。前処理と品質評価を目的ごとに選びます。
選択肢のポイント
- A平均逆順位は最初の正解の順位の逆数を平均した指標です。この設問で求めるものとは異なります。
- B見出し語化は単語を辞書形に正規化する処理です。この設問で求めるものとは異なります。
- C正解です。参照文に対する認識語の誤り割合です。
- Dパープレキシティは言語モデルの予測の困難さを表す指標です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 259
検索で上位に正解文書が出る順番を評価したい
- 公開日
- 2026年9月29日
- 分野
- 自然言語処理の評価
- 難易度
- 中級
検索で上位に正解文書が出る順番を評価したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：D
最初の正解の順位の逆数を平均した指標です。前処理と品質評価を目的ごとに選びます。
選択肢のポイント
- A根拠忠実性の評価は出力が与えられた資料に支えられるか調べることです。この設問で求めるものとは異なります。
- Bステミングは語の一部を削って共通の語幹にする処理です。この設問で求めるものとは異なります。
- CBLEUは参照訳とのn-gram一致を用いる翻訳評価指標です。この設問で求めるものとは異なります。
- D正解です。最初の正解の順位の逆数を平均した指標です。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 260
言語モデルが根拠にない文を追加していないか人が見たい
- 公開日
- 2026年9月29日
- 分野
- 自然言語処理の評価
- 難易度
- 中級
言語モデルが根拠にない文を追加していないか人が見たい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：A
出力が与えられた資料に支えられるか調べることです。前処理と品質評価を目的ごとに選びます。
選択肢のポイント
- A正解です。出力が与えられた資料に支えられるか調べることです。
- Bストップワード除去は特定の高頻度語を前処理で外すことです。この設問で求めるものとは異なります。
- CTF-IDFは語頻度を文書間の珍しさで重み付けする指標です。この設問で求めるものとは異なります。
- DROUGEは参照文との語句の重なりを用いる評価指標です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 261
資料を意味の近さで探すため数値ベクトルを保存したい
- 公開日
- 2026年9月29日
- 分野
- 生成AIの実装
- 難易度
- 中級
資料を意味の近さで探すため数値ベクトルを保存したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：B
ベクトルの類似検索を支える保存先です。生成と外部操作を安全に組み合わせます。
選択肢のポイント
- Aチャンク化は文書を検索可能な小部分へ分けることです。この設問で求めるものとは異なります。
- B正解です。ベクトルの類似検索を支える保存先です。
- Cプロンプトインジェクション対策は参照資料を信頼できる指示と区別する対策です。この設問で求めるものとは異なります。
- D構造化出力は決めた形式に沿って応答させることです。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 262
長い資料を見出し単位の断片に切りたい
- 公開日
- 2026年9月29日
- 分野
- 生成AIの実装
- 難易度
- 中級
長い資料を見出し単位の断片に切りたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：C
文書を検索可能な小部分へ分けることです。生成と外部操作を安全に組み合わせます。
選択肢のポイント
- Aリランキングは候補の順位を別の方法で評価し直すことです。この設問で求めるものとは異なります。
- B関数呼び出しはモデルが定義された外部機能を実行する仕組みです。この設問で求めるものとは異なります。
- C正解です。文書を検索可能な小部分へ分けることです。
- Dモデル比較評価は候補モデルの出力を同じ課題で評価することです。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 263
検索候補を質問との関連度で再び並べたい
- 公開日
- 2026年9月29日
- 分野
- 生成AIの実装
- 難易度
- 中級
検索候補を質問との関連度で再び並べたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：D
候補の順位を別の方法で評価し直すことです。生成と外部操作を安全に組み合わせます。
選択肢のポイント
- A検索メタデータは検索対象に付随する説明情報です。この設問で求めるものとは異なります。
- B実行前承認は重要操作の前に人が確認する制御です。この設問で求めるものとは異なります。
- C入力の機密検査は送信する情報に秘密がないか調べることです。この設問で求めるものとは異なります。
- D正解です。候補の順位を別の方法で評価し直すことです。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 264
検索結果に文書の版と更新日を付けたい
- 公開日
- 2026年9月29日
- 分野
- 生成AIの実装
- 難易度
- 中級
検索結果に文書の版と更新日を付けたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：A
検索対象に付随する説明情報です。生成と外部操作を安全に組み合わせます。
選択肢のポイント
- A正解です。検索対象に付随する説明情報です。
- Bプロンプトインジェクション対策は参照資料を信頼できる指示と区別する対策です。この設問で求めるものとは異なります。
- C構造化出力は決めた形式に沿って応答させることです。この設問で求めるものとは異なります。
- Dベクトルデータベースはベクトルの類似検索を支える保存先です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 265
外部資料に紛れた命令へモデルが従う危険を減らしたい
- 公開日
- 2026年9月29日
- 分野
- 生成AIの実装
- 難易度
- 中級
外部資料に紛れた命令へモデルが従う危険を減らしたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：B
参照資料を信頼できる指示と区別する対策です。生成と外部操作を安全に組み合わせます。
選択肢のポイント
- A関数呼び出しはモデルが定義された外部機能を実行する仕組みです。この設問で求めるものとは異なります。
- B正解です。参照資料を信頼できる指示と区別する対策です。
- Cモデル比較評価は候補モデルの出力を同じ課題で評価することです。この設問で求めるものとは異なります。
- Dチャンク化は文書を検索可能な小部分へ分けることです。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 266
計算が必要な質問を電卓ツールへ渡したい
- 公開日
- 2026年9月29日
- 分野
- 生成AIの実装
- 難易度
- 中級
計算が必要な質問を電卓ツールへ渡したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：C
モデルが定義された外部機能を実行する仕組みです。生成と外部操作を安全に組み合わせます。
選択肢のポイント
- A実行前承認は重要操作の前に人が確認する制御です。この設問で求めるものとは異なります。
- B入力の機密検査は送信する情報に秘密がないか調べることです。この設問で求めるものとは異なります。
- C正解です。モデルが定義された外部機能を実行する仕組みです。
- Dリランキングは候補の順位を別の方法で評価し直すことです。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 267
外部サービスへメールを送る前に人の許可を待ちたい
- 公開日
- 2026年9月29日
- 分野
- 生成AIの実装
- 難易度
- 中級
外部サービスへメールを送る前に人の許可を待ちたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：D
重要操作の前に人が確認する制御です。生成と外部操作を安全に組み合わせます。
選択肢のポイント
- A構造化出力は決めた形式に沿って応答させることです。この設問で求めるものとは異なります。
- Bベクトルデータベースはベクトルの類似検索を支える保存先です。この設問で求めるものとは異なります。
- C検索メタデータは検索対象に付随する説明情報です。この設問で求めるものとは異なります。
- D正解です。重要操作の前に人が確認する制御です。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 268
AIの回答を必ず指定した項目を持つデータで受けたい
- 公開日
- 2026年9月29日
- 分野
- 生成AIの実装
- 難易度
- 中級
AIの回答を必ず指定した項目を持つデータで受けたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：A
決めた形式に沿って応答させることです。生成と外部操作を安全に組み合わせます。
選択肢のポイント
- A正解です。決めた形式に沿って応答させることです。
- Bモデル比較評価は候補モデルの出力を同じ課題で評価することです。この設問で求めるものとは異なります。
- Cチャンク化は文書を検索可能な小部分へ分けることです。この設問で求めるものとは異なります。
- Dプロンプトインジェクション対策は参照資料を信頼できる指示と区別する対策です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 269
同じ依頼への品質を複数モデルで比べたい
- 公開日
- 2026年9月29日
- 分野
- 生成AIの実装
- 難易度
- 中級
同じ依頼への品質を複数モデルで比べたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：B
候補モデルの出力を同じ課題で評価することです。生成と外部操作を安全に組み合わせます。
選択肢のポイント
- A入力の機密検査は送信する情報に秘密がないか調べることです。この設問で求めるものとは異なります。
- B正解です。候補モデルの出力を同じ課題で評価することです。
- Cリランキングは候補の順位を別の方法で評価し直すことです。この設問で求めるものとは異なります。
- D関数呼び出しはモデルが定義された外部機能を実行する仕組みです。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 270
秘密情報を含む質問を外部モデルへ渡す前に検査したい
- 公開日
- 2026年9月29日
- 分野
- 生成AIの実装
- 難易度
- 中級
秘密情報を含む質問を外部モデルへ渡す前に検査したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：C
送信する情報に秘密がないか調べることです。生成と外部操作を安全に組み合わせます。
選択肢のポイント
- Aベクトルデータベースはベクトルの類似検索を支える保存先です。この設問で求めるものとは異なります。
- B検索メタデータは検索対象に付随する説明情報です。この設問で求めるものとは異なります。
- C正解です。送信する情報に秘密がないか調べることです。
- D実行前承認は重要操作の前に人が確認する制御です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 271
確率分布の不確かさを一つの値で表したい
- 公開日
- 2026年9月29日
- 分野
- AIを支える数理
- 難易度
- 上級
確率分布の不確かさを一つの値で表したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：D
分布の不確実さを表す量です。距離や情報量の尺度を区別します。
選択肢のポイント
- AKLダイバージェンスは一方の分布から見た他方との差を表す量です。この設問で求めるものとは異なります。
- Bユークリッド距離は座標差の二乗和の平方根です。この設問で求めるものとは異なります。
- C微分は入力の小さな変化に対する出力の変化率です。この設問で求めるものとは異なります。
- D正解です。分布の不確実さを表す量です。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 272
二つの確率分布の違いを情報量で表したい
- 公開日
- 2026年9月29日
- 分野
- AIを支える数理
- 難易度
- 上級
二つの確率分布の違いを情報量で表したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：A
一方の分布から見た他方との差を表す量です。距離や情報量の尺度を区別します。
選択肢のポイント
- A正解です。一方の分布から見た他方との差を表す量です。
- B相互情報量は変数間の情報の共有量です。この設問で求めるものとは異なります。
- C内積は対応する成分の積の和です。この設問で求めるものとは異なります。
- D勾配は多変数関数の各方向の変化率の組です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 273
二変数が共有する情報の量を測りたい
- 公開日
- 2026年9月29日
- 分野
- AIを支える数理
- 難易度
- 上級
二変数が共有する情報の量を測りたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：B
変数間の情報の共有量です。距離や情報量の尺度を区別します。
選択肢のポイント
- Aコサイン類似度は角度からベクトルの近さを測る指標です。この設問で求めるものとは異なります。
- B正解です。変数間の情報の共有量です。
- C固有ベクトルは変換後も方向が変わらないベクトルです。この設問で求めるものとは異なります。
- D局所最小値は近傍では最も小さいが全体最小とは限らない値です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 274
二つの数値ベクトルの向きの近さを測りたい
- 公開日
- 2026年9月29日
- 分野
- AIを支える数理
- 難易度
- 上級
二つの数値ベクトルの向きの近さを測りたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：C
角度からベクトルの近さを測る指標です。距離や情報量の尺度を区別します。
選択肢のポイント
- Aユークリッド距離は座標差の二乗和の平方根です。この設問で求めるものとは異なります。
- B微分は入力の小さな変化に対する出力の変化率です。この設問で求めるものとは異なります。
- C正解です。角度からベクトルの近さを測る指標です。
- Dエントロピーは分布の不確実さを表す量です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 275
二つの点の直線距離を測りたい
- 公開日
- 2026年9月29日
- 分野
- AIを支える数理
- 難易度
- 上級
二つの点の直線距離を測りたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：D
座標差の二乗和の平方根です。距離や情報量の尺度を区別します。
選択肢のポイント
- A内積は対応する成分の積の和です。この設問で求めるものとは異なります。
- B勾配は多変数関数の各方向の変化率の組です。この設問で求めるものとは異なります。
- CKLダイバージェンスは一方の分布から見た他方との差を表す量です。この設問で求めるものとは異なります。
- D正解です。座標差の二乗和の平方根です。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 276
成分同士を掛けて足しベクトルの関係を調べたい
- 公開日
- 2026年9月29日
- 分野
- AIを支える数理
- 難易度
- 上級
成分同士を掛けて足しベクトルの関係を調べたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：A
対応する成分の積の和です。距離や情報量の尺度を区別します。
選択肢のポイント
- A正解です。対応する成分の積の和です。
- B固有ベクトルは変換後も方向が変わらないベクトルです。この設問で求めるものとは異なります。
- C局所最小値は近傍では最も小さいが全体最小とは限らない値です。この設問で求めるものとは異なります。
- D相互情報量は変数間の情報の共有量です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 277
線形変換で方向を保ったまま倍率だけ変わるベクトルを…
- 公開日
- 2026年9月29日
- 分野
- AIを支える数理
- 難易度
- 上級
線形変換で方向を保ったまま倍率だけ変わるベクトルを調べたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：B
変換後も方向が変わらないベクトルです。距離や情報量の尺度を区別します。
選択肢のポイント
- A微分は入力の小さな変化に対する出力の変化率です。この設問で求めるものとは異なります。
- B正解です。変換後も方向が変わらないベクトルです。
- Cエントロピーは分布の不確実さを表す量です。この設問で求めるものとは異なります。
- Dコサイン類似度は角度からベクトルの近さを測る指標です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 278
曲線の一点での変化率を求めたい
- 公開日
- 2026年9月29日
- 分野
- AIを支える数理
- 難易度
- 上級
曲線の一点での変化率を求めたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：C
入力の小さな変化に対する出力の変化率です。距離や情報量の尺度を区別します。
選択肢のポイント
- A勾配は多変数関数の各方向の変化率の組です。この設問で求めるものとは異なります。
- BKLダイバージェンスは一方の分布から見た他方との差を表す量です。この設問で求めるものとは異なります。
- C正解です。入力の小さな変化に対する出力の変化率です。
- Dユークリッド距離は座標差の二乗和の平方根です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 279
損失を各パラメータで偏微分した値をまとめたい
- 公開日
- 2026年9月29日
- 分野
- AIを支える数理
- 難易度
- 上級
損失を各パラメータで偏微分した値をまとめたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：D
多変数関数の各方向の変化率の組です。距離や情報量の尺度を区別します。
選択肢のポイント
- A局所最小値は近傍では最も小さいが全体最小とは限らない値です。この設問で求めるものとは異なります。
- B相互情報量は変数間の情報の共有量です。この設問で求めるものとは異なります。
- C内積は対応する成分の積の和です。この設問で求めるものとは異なります。
- D正解です。多変数関数の各方向の変化率の組です。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 280
一つの点の近くで損失が最小でも全体で最小とは限らない
- 公開日
- 2026年9月29日
- 分野
- AIを支える数理
- 難易度
- 上級
一つの点の近くで損失が最小でも全体で最小とは限らない。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：A
近傍では最も小さいが全体最小とは限らない値です。距離や情報量の尺度を区別します。
選択肢のポイント
- A正解です。近傍では最も小さいが全体最小とは限らない値です。
- Bエントロピーは分布の不確実さを表す量です。この設問で求めるものとは異なります。
- Cコサイン類似度は角度からベクトルの近さを測る指標です。この設問で求めるものとは異なります。
- D固有ベクトルは変換後も方向が変わらないベクトルです。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 281
本人の顔を使う生成画像の公開条件を確かめたい
- 公開日
- 2026年9月29日
- 分野
- 人とAIの安全
- 難易度
- 基礎
本人の顔を使う生成画像の公開条件を確かめたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：B
人物の画像利用に必要な条件を調べることです。影響を受ける人と公開条件を考えます。
選択肢のポイント
- A著作物との類似性確認は既存作品との表現の近さを調べることです。この設問で求めるものとは異なります。
- B正解です。人物の画像利用に必要な条件を調べることです。
- C救済経路は不利益を受けた人が再検討を求める道です。この設問で求めるものとは異なります。
- D不確実性の伝達は出力の確かさや限界を伝えることです。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 282
第三者の作品に似た出力を広告へ使う前に点検したい
- 公開日
- 2026年9月29日
- 分野
- 人とAIの安全
- 難易度
- 基礎
第三者の作品に似た出力を広告へ使う前に点検したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：C
既存作品との表現の近さを調べることです。影響を受ける人と公開条件を考えます。
選択肢のポイント
- A入力情報の最小化は不要な情報を外部へ送らないことです。この設問で求めるものとは異なります。
- B代表性の確認はデータが対象集団を適切に表すか確かめることです。この設問で求めるものとは異なります。
- C正解です。既存作品との表現の近さを調べることです。
- Dデータ利用権の確認は資料を使える条件を調べることです。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 283
サービスへ渡す情報を目的に必要な範囲へ絞りたい
- 公開日
- 2026年9月29日
- 分野
- 人とAIの安全
- 難易度
- 基礎
サービスへ渡す情報を目的に必要な範囲へ絞りたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：D
不要な情報を外部へ送らないことです。影響を受ける人と公開条件を考えます。
選択肢のポイント
- A影響評価は利用による利益と不利益を見積もることです。この設問で求めるものとは異なります。
- B安全性テストは有害または不適切な振る舞いを調べる試験です。この設問で求めるものとは異なります。
- C運用責任の明記は用途と責任者を記録して示すことです。この設問で求めるものとは異なります。
- D正解です。不要な情報を外部へ送らないことです。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 284
診断支援の誤判定が人へ及ぼす影響を事前に考えたい
- 公開日
- 2026年9月29日
- 分野
- 人とAIの安全
- 難易度
- 基礎
診断支援の誤判定が人へ及ぼす影響を事前に考えたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：A
利用による利益と不利益を見積もることです。影響を受ける人と公開条件を考えます。
選択肢のポイント
- A正解です。利用による利益と不利益を見積もることです。
- B救済経路は不利益を受けた人が再検討を求める道です。この設問で求めるものとは異なります。
- C不確実性の伝達は出力の確かさや限界を伝えることです。この設問で求めるものとは異なります。
- D肖像に関する確認は人物の画像利用に必要な条件を調べることです。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 285
利用者がAIの判断に異議を伝えられる窓口を設けたい
- 公開日
- 2026年9月29日
- 分野
- 人とAIの安全
- 難易度
- 基礎
利用者がAIの判断に異議を伝えられる窓口を設けたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：B
不利益を受けた人が再検討を求める道です。影響を受ける人と公開条件を考えます。
選択肢のポイント
- A代表性の確認はデータが対象集団を適切に表すか確かめることです。この設問で求めるものとは異なります。
- B正解です。不利益を受けた人が再検討を求める道です。
- Cデータ利用権の確認は資料を使える条件を調べることです。この設問で求めるものとは異なります。
- D著作物との類似性確認は既存作品との表現の近さを調べることです。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 286
検証用のデータが特定集団を十分含むか調べたい
- 公開日
- 2026年9月29日
- 分野
- 人とAIの安全
- 難易度
- 基礎
検証用のデータが特定集団を十分含むか調べたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：C
データが対象集団を適切に表すか確かめることです。影響を受ける人と公開条件を考えます。
選択肢のポイント
- A安全性テストは有害または不適切な振る舞いを調べる試験です。この設問で求めるものとは異なります。
- B運用責任の明記は用途と責任者を記録して示すことです。この設問で求めるものとは異なります。
- C正解です。データが対象集団を適切に表すか確かめることです。
- D入力情報の最小化は不要な情報を外部へ送らないことです。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 287
想定外の入力で危険な出力が出ないか試したい
- 公開日
- 2026年9月29日
- 分野
- 人とAIの安全
- 難易度
- 基礎
想定外の入力で危険な出力が出ないか試したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：D
有害または不適切な振る舞いを調べる試験です。影響を受ける人と公開条件を考えます。
選択肢のポイント
- A不確実性の伝達は出力の確かさや限界を伝えることです。この設問で求めるものとは異なります。
- B肖像に関する確認は人物の画像利用に必要な条件を調べることです。この設問で求めるものとは異なります。
- C影響評価は利用による利益と不利益を見積もることです。この設問で求めるものとは異なります。
- D正解です。有害または不適切な振る舞いを調べる試験です。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 288
利用者へ予測の確実でない部分も示したい
- 公開日
- 2026年9月29日
- 分野
- 人とAIの安全
- 難易度
- 基礎
利用者へ予測の確実でない部分も示したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：A
出力の確かさや限界を伝えることです。影響を受ける人と公開条件を考えます。
選択肢のポイント
- A正解です。出力の確かさや限界を伝えることです。
- Bデータ利用権の確認は資料を使える条件を調べることです。この設問で求めるものとは異なります。
- C著作物との類似性確認は既存作品との表現の近さを調べることです。この設問で求めるものとは異なります。
- D救済経路は不利益を受けた人が再検討を求める道です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 289
第三者に渡す前に学習データの利用許諾を確かめたい
- 公開日
- 2026年9月29日
- 分野
- 人とAIの安全
- 難易度
- 基礎
第三者に渡す前に学習データの利用許諾を確かめたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：B
資料を使える条件を調べることです。影響を受ける人と公開条件を考えます。
選択肢のポイント
- A運用責任の明記は用途と責任者を記録して示すことです。この設問で求めるものとは異なります。
- B正解です。資料を使える条件を調べることです。
- C入力情報の最小化は不要な情報を外部へ送らないことです。この設問で求めるものとは異なります。
- D代表性の確認はデータが対象集団を適切に表すか確かめることです。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 290
モデルによる選別の目的と担当者を文書に残したい
- 公開日
- 2026年9月29日
- 分野
- 人とAIの安全
- 難易度
- 基礎
モデルによる選別の目的と担当者を文書に残したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：C
用途と責任者を記録して示すことです。影響を受ける人と公開条件を考えます。
選択肢のポイント
- A肖像に関する確認は人物の画像利用に必要な条件を調べることです。この設問で求めるものとは異なります。
- B影響評価は利用による利益と不利益を見積もることです。この設問で求めるものとは異なります。
- C正解です。用途と責任者を記録して示すことです。
- D安全性テストは有害または不適切な振る舞いを調べる試験です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 291
新モデルを一部利用者だけへ先に提供したい
- 公開日
- 2026年9月29日
- 分野
- AI運用と改善
- 難易度
- 中級
新モデルを一部利用者だけへ先に提供したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：D
少数の利用者へ段階的に公開する方法です。公開後も性能と事業成果を監視します。
選択肢のポイント
- Aシャドー運用は本番入力で動かし結果を実利用せず評価する方法です。この設問で求めるものとは異なります。
- Bチャンピオン・チャレンジャー評価は現行と新候補を比較する評価です。この設問で求めるものとは異なります。
- C遅延ラベルの評価は後日得られる正解で運用性能を確認することです。この設問で求めるものとは異なります。
- D正解です。少数の利用者へ段階的に公開する方法です。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 292
新モデルの予測を業務に使わず裏側で比較したい
- 公開日
- 2026年9月29日
- 分野
- AI運用と改善
- 難易度
- 中級
新モデルの予測を業務に使わず裏側で比較したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：A
本番入力で動かし結果を実利用せず評価する方法です。公開後も性能と事業成果を監視します。
選択肢のポイント
- A正解です。本番入力で動かし結果を実利用せず評価する方法です。
- Bモデルレジストリはモデルの成果物と版を管理する仕組みです。この設問で求めるものとは異なります。
- C切戻し計画は問題時に前の構成へ戻る手順です。この設問で求めるものとは異なります。
- D再学習方針は更新の時期と条件を定める方針です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 293
学習済みモデルの版と設定を保管したい
- 公開日
- 2026年9月29日
- 分野
- AI運用と改善
- 難易度
- 中級
学習済みモデルの版と設定を保管したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：B
モデルの成果物と版を管理する仕組みです。公開後も性能と事業成果を監視します。
選択肢のポイント
- A特徴量ストアは特徴量を共有し一貫して管理する仕組みです。この設問で求めるものとは異なります。
- B正解です。モデルの成果物と版を管理する仕組みです。
- C分布変化の検知はデータの分布の変化を監視することです。この設問で求めるものとは異なります。
- D業務効果測定は運用が業務成果へ与えた変化を測ることです。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 294
予測に使う特徴を学習と運用で同じ定義にしたい
- 公開日
- 2026年9月29日
- 分野
- AI運用と改善
- 難易度
- 中級
予測に使う特徴を学習と運用で同じ定義にしたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：C
特徴量を共有し一貫して管理する仕組みです。公開後も性能と事業成果を監視します。
選択肢のポイント
- Aチャンピオン・チャレンジャー評価は現行と新候補を比較する評価です。この設問で求めるものとは異なります。
- B遅延ラベルの評価は後日得られる正解で運用性能を確認することです。この設問で求めるものとは異なります。
- C正解です。特徴量を共有し一貫して管理する仕組みです。
- Dカナリアリリースは少数の利用者へ段階的に公開する方法です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 295
現行モデルと候補モデルを同じ条件で競わせたい
- 公開日
- 2026年9月29日
- 分野
- AI運用と改善
- 難易度
- 中級
現行モデルと候補モデルを同じ条件で競わせたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：D
現行と新候補を比較する評価です。公開後も性能と事業成果を監視します。
選択肢のポイント
- A切戻し計画は問題時に前の構成へ戻る手順です。この設問で求めるものとは異なります。
- B再学習方針は更新の時期と条件を定める方針です。この設問で求めるものとは異なります。
- Cシャドー運用は本番入力で動かし結果を実利用せず評価する方法です。この設問で求めるものとは異なります。
- D正解です。現行と新候補を比較する評価です。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 296
新モデルで誤判定が増えたら旧版へ戻したい
- 公開日
- 2026年9月29日
- 分野
- AI運用と改善
- 難易度
- 中級
新モデルで誤判定が増えたら旧版へ戻したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：A
問題時に前の構成へ戻る手順です。公開後も性能と事業成果を監視します。
選択肢のポイント
- A正解です。問題時に前の構成へ戻る手順です。
- B分布変化の検知はデータの分布の変化を監視することです。この設問で求めるものとは異なります。
- C業務効果測定は運用が業務成果へ与えた変化を測ることです。この設問で求めるものとは異なります。
- Dモデルレジストリはモデルの成果物と版を管理する仕組みです。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 297
入力の統計が学習時と変わったら通知したい
- 公開日
- 2026年9月29日
- 分野
- AI運用と改善
- 難易度
- 中級
入力の統計が学習時と変わったら通知したい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：B
データの分布の変化を監視することです。公開後も性能と事業成果を監視します。
選択肢のポイント
- A遅延ラベルの評価は後日得られる正解で運用性能を確認することです。この設問で求めるものとは異なります。
- B正解です。データの分布の変化を監視することです。
- Cカナリアリリースは少数の利用者へ段階的に公開する方法です。この設問で求めるものとは異なります。
- D特徴量ストアは特徴量を共有し一貫して管理する仕組みです。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 298
正解が後から得られる業務で予測精度を継続して測りたい
- 公開日
- 2026年9月29日
- 分野
- AI運用と改善
- 難易度
- 中級
正解が後から得られる業務で予測精度を継続して測りたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：C
後日得られる正解で運用性能を確認することです。公開後も性能と事業成果を監視します。
選択肢のポイント
- A再学習方針は更新の時期と条件を定める方針です。この設問で求めるものとは異なります。
- Bシャドー運用は本番入力で動かし結果を実利用せず評価する方法です。この設問で求めるものとは異なります。
- C正解です。後日得られる正解で運用性能を確認することです。
- Dチャンピオン・チャレンジャー評価は現行と新候補を比較する評価です。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 299
再学習をいつ実施するか事業条件で決めたい
- 公開日
- 2026年9月29日
- 分野
- AI運用と改善
- 難易度
- 中級
再学習をいつ実施するか事業条件で決めたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：D
更新の時期と条件を定める方針です。公開後も性能と事業成果を監視します。
選択肢のポイント
- A業務効果測定は運用が業務成果へ与えた変化を測ることです。この設問で求めるものとは異なります。
- Bモデルレジストリはモデルの成果物と版を管理する仕組みです。この設問で求めるものとは異なります。
- C切戻し計画は問題時に前の構成へ戻る手順です。この設問で求めるものとは異なります。
- D正解です。更新の時期と条件を定める方針です。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →
QUESTION 300
AI導入前後の作業時間と品質を両方比べたい
- 公開日
- 2026年9月29日
- 分野
- AI運用と改善
- 難易度
- 中級
AI導入前後の作業時間と品質を両方比べたい。最も適切なものはどれですか。
ANSWER & EXPLANATION
正解：A
運用が業務成果へ与えた変化を測ることです。公開後も性能と事業成果を監視します。
選択肢のポイント
- A正解です。運用が業務成果へ与えた変化を測ることです。
- Bカナリアリリースは少数の利用者へ段階的に公開する方法です。この設問で求めるものとは異なります。
- C特徴量ストアは特徴量を共有し一貫して管理する仕組みです。この設問で求めるものとは異なります。
- D分布変化の検知はデータの分布の変化を監視することです。この設問で求めるものとは異なります。
関連キーワード
参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日
この問題の個別ページ →