HOME/ AINOW編集部 /G検定でディープラーニングを学ぶ|過去問やおすすめの勉強法を解説
2022.02.22

G検定でディープラーニングを学ぶ|過去問やおすすめの勉強法を解説

ディープラーニングという言葉をテレビなどで耳にする機会が増えたという人も多いと思います。その中でG検定の受講を考えている人もいるでしょう。

そこで、この記事ではディープラーニングG検定について紹介していきます。

ディープラーニングとは

ディープラーニングとは、機械学習の一つで、コンピューターが自動で大量のデータを解析してデータの特徴を抽出する技術です。

人間や動物の脳神経回路であるニューロンをモデルにして作られたニューラルネットワーク(NN)の中間層が複数になっているため、ディープ(多層)ラーニングと呼ばれています。

この多層化された構造によって、データの特徴をさらに深く学習することが可能です。

▼ディープラーニングについて詳しく知りたい方はこちら

G検定とは

ここでは、G検定の概要について説明します。

概要

G検定の「G」は「generalist」の「G」です。G検定におけるジェネラリストとは、ディープラーニングの基礎知識を持ち、適切な活用方針を決定して事業活用する能力や知識がある人物とされています。

G検定に合格すると、JDLA(日本ディープラーニング協会)のロゴマークが与えられ、検定に合格したことを示すことができ、ディープラーニングを現場に実装するエンジニアというよりも、その技術で何ができるかを理解したうえで、ビジネスと組み合わせて課題解決の提案ができる人材を生むための検定と言えます。

▼G検定について詳しく知りたい方はこちら

ディープラーニングの知識を問うG検定とは!?その他関連の検定まで徹底解説

試験範囲

試験範囲は以下の通りです。非常に広い分野について、様々な知識を持っているかが問われます。

①人工知能とは

人工知能の定義

②人工知能をめぐる動向

探索・推論、知識表現、機械学習、深層学習

③人工知能分野の問題

トイプロブレム、フレーム問題、弱いAI強いAI、身体性、シンボルグラウンディング問題、特徴量設計、チューリングテストシンギュラリティ

④機械学習の具体的手法

代表的な手法(教師あり学習教師なし学習強化学習)、データの扱い、評価指標について問う問題

⑤ディープラーニングの概要

ニューラルネットワークとディープラーニング、既存のニューラルネットワークにおける問題、ディープラーニングのアプローチ、CPU と GPU、ディープラーニングのデータ量、活性化関数、学習率の最適化、更なるテクニック

⑥ディープラーニングの手法

CNN、深層生成モデル、画像認識分野での応用、音声処理と自然言語処理分野、RNN、深層強化学習,ロボティクス ,マルチモーダル、モデルの解釈性とその対応

⑦ディープラーニングの社会実装に向けて

AIプロジェクトの計画、データ収集、加工・分析・学習、実装・運用・評価、法律(個人情報保護法・著作権法・不正競争防止法・特許法)、契約、倫理、現行の議論(プライバシー、バイアス、透明性、アカウンタビリティ、ELSI、XAI、ディープフェイク、ダイバーシティ)

一般社団法人日本ディープラーニング協会より

試験日程

G検定は1年に2~3回ほど実施されます。2022年の試験実施日程は以下の3つです。

  • 2022年3月5日
  • 2022年7月2日
  • 2022年11月5日

難易度・合格率

難易度は、試験範囲が広いこともあり、比較的高いとされています。大学教養レベルの数学や、理論的な背景に関する理解が求められる問題も多いため、合格のためにある程度の勉強が必須です。

では、次に合格率を見てみましょう。下の図からも読み取れるように、G検定の合格率は60~70%と決して低くはありません。

G検定の内容

G検定では、以下のような問題が出題されます。

問題形式は、空欄を埋める4択問題、語群から単語を1つずつ選んで複数の空欄に埋める問題、文章の正誤を問う問題、など主に3パターンで、全て選択問題です。

G検定の例題

次に、G検定で問われる具体的な問題を紹介します。

人工知能をめぐる動向

▼問題

以下の文章を読み、空欄に最もよく当てはまる選択肢をそれぞれ1つずつ選べ。

第一次AIブームは1950年台に起こった。この頃に人工知能と呼ばれたプログラムは(ア)をもとに問題を解いていた。

特に、1996年にIBMが開発した(イ)は、チェスの世界チャンピオンであるガルリ・カスパロフに勝利したことで有名である。

しかし、ルールや設定が決まりきった迷路やパズルゲームなどの(ウ)と呼ばれる問題しか解けないという課題があったために、研究は下火になった。

(ア)

  1.  知識表現
  2.  表現学習
  3.  機械学習
  4. 探索・推論

(イ)

  1. Deep Blue
  2. Bonkras
  3.  Ponanza
  4.  Sharp

(ウ)

  1.  A/Bテスト
  2. パターンマッチング
  3.  トイ・プロブレム
  4.  ダートマスワークショップ


▼答え

(ア) 4. 探索・推論、(イ) 1. Deep Blue、(ウ) 3. トイ・プロブレム

 

▼問題

国際的な画像認識コンペティション“ILSVRC2012”について、正しいものをすべて選べ。

  1.  画像認識は、2017年現在でディープラーニングが最も高い精度を実現できるタスクである。
  2.  ImageNetとは、手書き文字認識のためのデータセットである。
  3.  優勝チームはトロント大学のジェフリー・ヒントン教授率いるSuperVisionである。
  4.  このコンペティションであげられた成果は、「人工知能研究50年来のブレイク・スルー」と称された。


▼答え

1. 3. 4

人工知能分野の問題

▼問題

以下に挙げる用語は、第二次AIブームが起こった際に取り上げられた問題である。それぞれの問題の説明としてふさわしいものをそれぞれ1つずつ選びなさい。

(ア)フレーム問題
(イ)シンボルグラウンディング問題

  1.  人間の持つ膨大な知識を体系化することが難しい。
  2.  膨大な情報のうちから、必要なものだけを選んで考慮することが難しい。
  3.  単語などの記号と、それの表す意味を結びつけることが難しい。
  4.  膨大な知識を処理するための計算機の開発が難しい。
  5.  十分なデータを取るためのインターネットを整備することが難しい。


▼答え

(ア) 2、(イ) 3

 

▼問題

強いAI弱いAI」に関する説明として適切なものを2つ選べ。

  1.  「強いAI」は、エキスパートシステムと呼ばれ、現在でも広く実用されている。
  2.  AGI(Artificial General Intelligence: 汎用人工知能)と呼ばれるものは、「強いAI」により近いものである。
  3.  本来の意味での「人間のように考えるコンピュータ」が開発されたことが、第3次人工知能ブームのきっかけである。
  4.  国際的な画像認識のコンペティションでは、「弱いAI」が人間を超える識別性能を実現している。


▼答え

2、4

 

機械学習の具体的手法

▼問題

空欄に当てはまる語句の組み合わせとして最も適しているものを1つ選べ。

教師あり学習の問題は出力値の種類によって、大きく2種類に分けられる。(A) 問題は出力が離散値であり、カテゴリーを予測したいときに利用される。一方、(B) 問題は出力が連続値であり、その連続値そのものを予測したいときに利用される。

  1.  (A) 限定 (B) 一般
  2.  (A) 部分 (B) 完全
  3.  (A) 分類 (B) 回帰
  4.  (A) 線形 (B) 非線形


▼答え

3

 

▼問題

以下の文章は、さまざまな機械学習の手法について述べたものである。空欄に最もよく当てはまる選択肢を、語群の中から1つずつ選べ。

機械学習にはいくつかの手法があり、用語の意味を正しく理解する必要がある。学習データに教師データと呼ばれる正解ラベルつきのデータを用いる手法は(ア)と呼ばれ、対照的に正解ラベルがないデータを利用する手法は(イ)と呼ばれる。また、正解ラベルが一部のサンプルにのみ与えられている(ウ)という手法も存在する。

  1.  教師なし学習
  2.  教師あり学習
  3.  強化学習
  4.  表現学習
  5.  マルチタスク学習
  6.  半教師あり学習
  7.  多様体学習


▼答え

(ア) 2、(イ) 1、(ウ) 6

 

▼問題

以下の空欄に最もよく当てはまる選択肢を、語群の中から1つずつ選べ。

分類問題にはさまざまな性能指標がある。ここでは、サンプルを陽性(Positive)と陰性(Negative)の2クラスに分ける2値分類を考える。(ア)は単純にサンプル全体のうち、予測が正解したサンプル数の比を取ったものである。また、偽陽性(False Positive, FP)を減らすことに特に注力したい場合には(イ)を、逆に偽陰性(False Negative, FN)を減らすことに特に注力する場合には(ウ)を採用することが望ましい。しかし、この両者はトレードオフの関係にあることから、それらの調和平均を取った(エ)が利用されることも多い。

  1.  正答率
  2.  実現率
  3.  協調率
  4.  調和率
  5.  適合率
  6.  再現率
  7.  f値
  8.  p値
  9.  t値
  10.  z値


▼答え

(ア) 1、(イ) 5、(ウ) 6 、(エ) 7

 

▼問題

機械学習では、教師データをいくつかに分割して、そのうち一部だけを学習に利用するのが原則である。逆に言えば、その他の教師データはあえてモデルの学習に利用せずに、残しておく。そのような手法を採用する目的として、最も適切なものを1つ選べ。

  1.  いったん少ないデータ量で学習させ、初期段階の計算資源を節約するため。
  2.  データの中に含まれる異常値を持つサンプルを取り除くため。
  3.  半教師あり学習はデータの一部がラベル付けされていなくても行えるため。
  4.  モデルが運用される際に示す性能を正しく見積もるため。


▼答え

4

 

ディープラーニングの概要

▼問題

近年急速にディープラーニングが高い成果を上げるようになった理由として当てはまるものを全て選べ。

  1.  半導体技術の進歩による計算機の性能向上やGPUによる高速な並列演算により、現実的な時間で学習を行うことができるようになったため。
  2.  神経科学の発展により、画像認識や自然言語処理に対する視覚野や言語野など、タスクに対応した人間の脳の構造を実物通りに再現できるようになったため。
  3.  インターネットの普及により、表現力の高いモデルが過学習を起こさずにすむ大量のデータを得ることができるようになったため。
  4.  誤差逆伝播法の発明によってそれまで困難だった多層ニューラルネットワークの訓練が可能になったため。
  5.  ディープラーニング向けのフレームワークが多数開発され、実装が容易になったため。


▼答え

1、3、5

 

▼問題

以下の文章を読み、空欄に最もよく当てはまる選択肢を1つずつ選びなさい。

従来の機械学習で利用されていた最適化手法である最急降下法は、一度の学習にすべてのデータを利用することから(ア)と呼ばれている。しかし、ディープラーニングの場合データが大規模であることからそれが難しい。よって、確率的勾配降下法という手法が用いられることも多い。ひとつのサンプルだけを利用する手法は(イ)と呼ばれる。(ア)と(イ)は、どちらにも長所と短所があり、一定数のサンプル群を利用する(ウ)が採用されることが推奨される。

  1.  セット学習
  2.  バッチ学習
  3.  オンライン学習
  4.  ポイント学習
  5.  サンプリング学習
  6.  ミニバッチ学習


▼答え

(ア)2、(イ)3、(ウ)6

 

▼問題

あるニューラルネットワークのモデルを学習させた際、テストデータに対する誤差を観測していた。そのとき、学習回数が100を超えるまでは誤差が順調に下がり続けていたが、それ以降は誤差が徐々に増えるようになってしまった。その理由として最も適切なものを1つ選べ。

  1.  学習回数が増えるほど、誤差関数の値が更新されにくくなるため。
  2.  学習回数が増えるほど、学習データにのみ最適化されるようになってしまうため。
  3.  学習回数が増えるほど、一度に更新しなければならないパラメータの数が増えていくため。
  4.  学習回数が増えるほど、計算処理にかかる時間が増えてしまうため。


▼答え

2

 

ディープラーニングの手法

▼問題

以下の文章を読み、空欄に最もよく当てはまる選択肢を語群の中から1つずつ選べ。

画像認識の国際的なコンペティションのひとつに、ILSVRC(ImageNet Large Scale Visual Recognition Competition)がある。ここで、2012年にCNNのモデルである(ア)が優勝を飾った。それからというもの、続けざまにCNNのモデルが高い成果を上げている。2014年にはインセプションモジュールという構造を利用した(イ)が優勝し、(ウ)もまたそれに迫る優秀な功績を収めた。また、2015年には残差学習という深いネットワークの学習を可能にした(エ)がそれぞれ優勝している。

  1.  AlexNet
  2.  ElmanNet
  3.  GoogLeNet
  4.  ImageNet
  5.  LeNet
  6.  ResNet
  7.  VGG
  8.  WaveNet


▼答え

(ア) 1、(イ) 3、(ウ) 7、(エ) 6

 

▼問題

以下の文章を読み、空欄に最もよく当てはまる選択肢を各語群の中から1つずつ選べ。

ニューラルネットワークにおいて、初期は中間層で(ア)が活性化関数として使用されていた。しかし、(イ)ために、層を深くすると学習に用いる勾配がほぼ0になってしまうという問題が起こった。これは、勾配消失問題と呼ばれる重要な問題である。
ディープラーニングで活性化関数として用いられることが多い(ウ)は(ア)と比較してこの問題が生じにくい。また、計算量が少なく済むことも特徴的である。一方で、(エ)を用いることで活性化関数として(ア)を用いた場合でも学習が早く進むことが知られている。

(ア)

  1.  ステップ関数
  2.  ReLU
  3.  sigmoid関数
  4.  softmax関数

(イ)

  1.  負の値を入力された場合に出力が一定になってしまう
  2.  出力の平均値が0、標準偏差が1にならない
  3.  関数に微分不可能な点が存在する
  4.  入力の絶対値が大きいと、出力がほぼ一定になってしまう

(ウ)

  1.  ステップ関数
  2.  ReLU
  3.  sigmoid関数
  4.  softmax関数

(エ)

  1.  Dropout
  2.  Batch Normalization
  3.  Regularization
  4.  Weight Decay


▼答え

(ア) 3、(イ) 4、(ウ) 2、(エ) 2

 

ディープラーニングの研究分野

▼問題

以下の文章の空欄に最もよく当てはまるものを1つずつ選べ。

ロボティクス分野でも、機械学習の応用が進められている。例えば、ロボットの動作制御にQ学習やモンテカルロ法などの(ア)のアルゴリズムを利用する事例は多く存在する。また、ロボットはカメラ(視覚)、マイク(聴覚)、圧力センサ(触覚)などの異なったセンサ情報を収集できる(イ)システムを持っていることから、これらの情報をDNNで統合的に処理する研究や、ロボットの一連の動作の生成をひとつのDNNで実現しようとする(ウ)の研究も行われている。

(ア)

  1.  End to End Learning
  2.  Supervised Learning
  3.  Motion Learning
  4.  Adaptive Learning
  5.  Reinforcement Learning
  6.  Representation Learning

(イ)

  1.  マルチモーダル
  2.  インセプション
  3.  コグニティブ
  4.  フルスクラッチ

(ウ)

  1.  End to End Learning
  2.  Supervised Learning
  3.  Motion Learning
  4.  Adaptive Learning
  5.  Reinforcement Learning
  6.  Representation Learning


▼答え

(ア)5、(イ)1、(ウ)1

 

▼問題

RNN(Recurrent Neural Network)が自然言語処理の分野で精度の向上に寄与した理由として、最も適しているものを1つ選べ。

  1.  畳み込み層で畳み込み処理を行うことにより、単語の出現位置から文脈を読み取れるようになったため。
  2.  隠れ層で過去の情報を保持できるようになり、文字の並びから意味を抽出できるようになったため。
  3.  ネットワークの外部に記憶部分を設けることで、文章のパターンを簡単に参照できるようになったため。
  4.  正しい文章の出力ができるようになるまで繰り返し自動で学習できるようになったため。


▼答え

2

 

G検定を受験するメリット

次に、G検定を受験するメリットを4つ紹介していきます。

ディープラーニングに関する体系的な知識が得られる

まず1つ目は、ディープラーニングに関する体系的な知識が得られることです。

G検定では以上で見てきたように、ディープラーニングやAIに関する様々な知識が問われます。そのため、G検定受験のための勉強をしていく中で、必然的にこれらの知識を学習できます。

仕事に活かせる

2つ目は、仕事に生かせることです。

紹介してきたように、G検定のGはgeneralistという意味です。つまり、G検定では、ディープラーニングの基礎知識を持ち、適切な活用方針を決定して事業活用する能力や知識がある人物が求められています。

そのため、G検定によって得た知識は、事業などでも活用できます。

就職・転職で有利になれる

3つ目は、就職や転職で有利になれるということです。

仕事に活かせるメリットを紹介しましたが、G検定の資格を持っている人物はディープラーニングを事業に活用する能力があることを意味します。G検定は合格するとロゴを名刺に記載できるため、この人材を求める会社への就職や転職では、G検定の資格を持っているというだけで、有利になります。

コミュニティに参加できる

最後のメリットは、「CDLE(シードル)」というJDLA試験の合格者が情報交換などを行う目的で2018年に設立されたコミュニティに参加できることです。

入会すると、このコミュニティで開催されている勉強会やイベントなどへの参加することができるようになるため、より自分の知識を深められます。

G検定取得はこんな方におすすめ

次に、どのような人にG検定の取得をおすすめできるかを紹介していきます。

データサイエンスプロジェクトに携わる方

まず、データサイエンスに関する事業に携わる人です。

G検定は、AIに関する基礎知識を事業活用する能力をはかります。。そのため、G検定を通じて得た知識はデータサイエンスプロジェクトにも役立ちます。

初めてデータサイエンスを学ぶ人

そして、AIに関する知識がほとんどなく、初めてデータサイエンスを学ぶ人です。

G検定は基礎的な内容が出題されるため、今まで一度もAIやディープラーニングについて勉強したことがない人にピッタリの資格です。G検定の勉強を通じて、AIやディープラーニングに関する基礎的な知識、そしてそれを活用する能力を得ることができます。

おすすめの勉強方法

G検定を受験しようと思っていても、ディープラーニングの勉強もしたことがなく、どのように勉強すればいいのか分からないという人も多いと思います。

そこで、ここではG検定のおすすめの勉強方法を紹介します。

書籍で学ぶ

まず、1つ目が書籍を利用して自分で勉強するという方法です。

書籍のメリットとしては、講座を取って勉強するよりも安く済むということがあげられます。現在はG検定受験対策のための多くの書籍が出版されており、日本ディープラーニング協会が出版しているものもあります。

書籍であれば、普段勉強時間が取れない人でも通勤、通学など、隙間時間に勉強を進められます。

オンライン講座で学ぶ

もう1つが、オンライン講座を利用して勉強するという方法です。

G検定対策講座にも様々な種類があり、自分にあった講座を選べます。また、カリキュラムが組まれている講座もあるため、何から勉強すればいいのかが分からない人におすすめです。

G検定のおすすめ書籍

ここでは、おすすめの書籍を紹介します。

深層学習教科書 ディープラーニング G検定(ジェネラリスト)公式テキスト

(出典:Amazon

この本は、日本ディープラーニング協会が公式テキストとしているものです。G検定の受験を考えているのであれば、一度読んでみることをおすすめします。

ディープラーニング活用の教科書

[日経クロストレンド, 日本ディープラーニング協会]のディープラーニング活用の教科書

(出典:Amazon

こちらも日本ディープラーニング協会でG検定の推薦図書とされているものです。ディープラーニングが与える影響を、事例を基に解説します。
ボタン

最短突破 ディープラーニングG検定(ジェネラリスト) 問題集

(出典:Amazon

この本は、G検定を研究し、重要な箇所を網羅した問題集です。演習の教材としておすすめです。

人工知能は人間を超えるか ディープラーニングの先にあるもの

(出典:Amazon

ディープラーニングによって今後AIがどのように変化していくのかが書かれていますここでの指摘は、G検定を受験するうえで重要な視点です。

G検定のおすすめ講座

次に、おすすめのオンライン講座を紹介していきます。

資格スクエア

(引用:資格スクエア

この講座では、初めてAIやディープラーニングを勉強する人でもわかりやすい教材を使って勉強できます。

▼資格スクエアの受講はこちらから
G検定対策講座 | 資格スクエア (shikaku-square.com)

AVILEN

(引用:AVILEN

AVILENでは、1年以内にこの講座の修了条件を満たした上で不合格となった場合、講座料金を全額返金してくれるというメリットがあります。

▼AVIELENの受講はこちらから
合格保証のG検定対策講座をオンラインで|AVILEN – AVILEN|AI・機械学習の技術開発と人材教育でビジネス支援

アガルート

(引用:アガルート

この講座では、講師が書いた教材が使われており、非常にわかりやすいことで評判です。

▼アガルートの受講はこちらから
データサイエンス|G検定対策講座(日本ディープラーニング協会) | アガルートアカデミー (agaroot.jp)

まとめ

この記事では、ディープラーニングG検定について試験内容や例題、勉強方法などを詳しく紹介しました。

もし、G検定を受験しようか迷っていたら、この記事を参考にしていただきたいと思います。

無料メールマガジン登録

週1回、注目のAIニュースやイベント情報を
編集部がピックアップしてお届けしています。

こちらの規約にご同意のうえチェックしてください。

規約に同意する

あなたにおすすめの記事

陸で、海で、宇宙で:5つのスタートアップがAIを利用して地球を救う方法

データサイエンスタスクに必要なデータセットを入手するさまざまな方法

日本語に特化した言語と画像の関係を表現するAI「CLIP」が公開|rinna株式会社

データサイエンスに最適な言語とは何か

Aidemy

株式会社アイデミー|日本最大級のAI学習プラットフォーム

なぜテキスト要約は依然として難しいのか

あなたにおすすめの記事

陸で、海で、宇宙で:5つのスタートアップがAIを利用して地球を救う方法

データサイエンスタスクに必要なデータセットを入手するさまざまな方法

日本語に特化した言語と画像の関係を表現するAI「CLIP」が公開|rinna株式会社

データサイエンスに最適な言語とは何か

Aidemy

株式会社アイデミー|日本最大級のAI学習プラットフォーム

なぜテキスト要約は依然として難しいのか