ディープラーニングG検定

【受験体験記】G検定2020年3月14日　気になる難易度・出題内容は？【全214問　出題一覧】

2020年3月17日

こんにちわ、ひひまろです。

今回は、G検定シリーズの第３弾！！【受験体験記】
G検定シリーズも大詰めになってきました。

今回の記事では、2020年３月14日（土）に行われた、
ディープラーニングG検定について、気になる出題内容・難易度をお教えします。

G検定　気になる出題内容　【全214問　問題リスト】

 

管理人が受験した、2020年3月14日（土）G検定の問題リストを公開します。

リストの見方

  • 問題　：そのまま掲載することはできないので、カテゴリーを掲載
  • カバー：公式テキスト・『徹底攻略ディープラーニングG検定』（黒本）でカバーできるかどうか
  • 難易度：難しい問題

※参考程度にご覧ください

番号 問題 カバー 難易度
1 AIの歴史 ○
2 AIの歴史 ○
3 AIの歴史 ○
4 AlexNet ○
5 ResNet ○
6 AIの歴史 ○
7 AIの歴史 ○
8 自然言語処理・セマンティックウェブ ○
9 自然言語処理・セマンティックウェブ
10 DNNのブームの理由 難
11 ゲームで人間に勝てるAIを作る研究 ○
12 ゲームで人間に勝てるAIを作る研究 ○
13 チューリングテスト ○
14 ELIZA ○
15 モラベックのパラドックス ○
16 ディープラーニングの特徴量 ○
17 自己符号化器 ○
18 意味ネットワーク ○
19 Cycプロジェクト ○
20 シンボルグラウンディング問題 ○
21 フレーム問題 ○
22 ディープラーニングによって発展したもの ○ 難
23 知識獲得のボトルネック ○
24 自動運転のレベル別の説明 ○
25 自動運転のレベル別の説明 ○
26 道路交通法の改正 ○
27 道路交通法の改正後、レベル３以上で条件付きで認可 難
28 Kaggle ○
29 arXiv ○
30 Google Scholar ○
31 coursera ○
32 データ管理の仕組み 難
33 データ管理の仕組み 難
34 AIが生成した創作物 ○
35 AI自身のリスク
36 人間がAIを利用して引き起こすリスク
37 法律・社会のあり方のリスク
38 AAAI 難
39 ドローンの飛行規制 ○
40 説明可能な人工知能 ○
41 説明可能な人工知能 ○
42 ブラックボックス化 難
43 モデルの記述可能性、複雑性を表現する概念 難
44 Adversarial Examples 難
45 学習済みモデルの知的財産保護 ○
46 個人情報保護法 ○
47 Tayの事例 難
48 不正競争防止法
49 DARPA 難
50 説明可能なAIへの投資プログラム
51 AIの共同開発 難
52 法的倫理的課題に対処する団体、ガイドライン
53 EU一般データ保護規制
54 第三者の著作物の学習データ化 ○
55 AIの倫理的・法的・社会的な課題
56 自動運転 ○
57 自動運転 ○
58 自動運転 ○
59 ディープフェイク 難
60 匿名加工情報 難
61 個人情報保護法 ○
62 個人情報保護法 ○
63 個人情報保護法 ○
64 協調フィルタリング
65 内容ベースフィルタリング
66 計算問題（クラス分類） 難
67 サポートベクターマシン ○
68 サポートベクターマシン ○
69 サポートベクターマシン ○
70 LSI
71 LDA 難
72 単純パーセプトロン
73 活性化関数 ○
74 ベイズの定理 難
75 自然言語処理のフロー ○
76 自然言語処理のフロー ○
77 自然言語処理のフロー ○
78 自然言語処理のフロー ○
79 自然言語処理のフロー ○
80 情報量
81 最適化手法 ○
82 ロジスティクス回帰 ○
83 回帰問題 ○
84 機械学習の各フェーズ 難
85 教師あり学習 ○
86 混同行列 難
87 過学習 ○
88 単回帰分析の説明 ○
89 クラスタリングの特徴 ○ 難
90 重回帰分析
91 グリッドサーチ
92 次元削減 ○
93 優れたモデルの検証 難
94 条件分岐を適切な回数に留める手法 ○
95 アンサンブル学習 ○
96 バギング ○ 難
97 ブースティング ○ 難
98 k-最近傍法 難
99 クラスタリング
100 k-平均法 難
101 決定木 ○
102 決定木 ○
103 k-平均法 難
104 主成分分析 ○
105 交差検証 難
106 k-分割交差検証 難
107 計算問題（偏微分） ○ 難
108 計算問題（斜辺の長さ）
109 過学習の図 ○
110 ボルツマンマシン 難
111 DNNの説明：重み・バイアス・活性化関数 ○
112 DNNの説明：重み・バイアス・活性化関数 ○
113 DNNの説明：重み・バイアス・活性化関数 ○
114 ハイパラメータ ○
115 ハイパラメータ ○
116 訓練誤差・汎化誤差 ○
117 訓練誤差・汎化誤差 ○
118 訓練誤差・汎化誤差 ○
119 確率的勾配降下法 難
120 オンライン学習 難
121 ミニバッチ学習 ○
122 バッチ学習 ○
123 PyTorch 難
124 TensorFlow 難
125 Caffe 難
126 多層パーセプトロン 難
127 過学習対策：ドロップアウト ○
128 過学習対策：バッチ正規化 ○
129 過学習対策：データ拡張 ○
130 過学習対策：L2正則化 ○
131 自己符号化器 ○
132 データの分布を近似する生成モデル 難
133 GANの説明 ○
134 プーリング層の説明 ○
135 RNNの説明
136 自然言語処理の「注意機構」 難
137 GAN ○
138 変分自己符号化器 難
139 DQNの特徴 ○
140 深層強化学習 ○
141 損失関数
142 イテレーション ○
143 エポック ○
144 DQN→AlphaGo→AlphaGoZero→AlphaStar 難
145 RNNの説明：再帰構造 ○
146 RNNの説明：系列データ ○
147 RNNの説明：情報を一時的に記憶させる ○
148 強化学習で用いられる手法 ○
149 ステップ関数 ○
150 シグモイド関数 ○
151 ReLU関数 ○
152 ソフトマックス関数 ○
153 LSTMの説明 ○ 難
154 LSTMの説明 ○ 難
155 CNNの構造 ○
156 インセプションモジュールの構造 難
157 GANの説明 ○
158 GANの説明 ○
159 Transformer 難
160 t-SNE 難
161 強化学習のエージェント ○
162 強化学習の具体例 ○
163 強化学習の説明 ○
164 深層強化学習の説明 ○
165 DQN ○
166 状態価値を学習する手法 難
167 CNNの畳込み演算の計算 ○ 難
168 隠れマルコフモデル ○
169 WaveNet ○
170 イアン＝グッドフェロー ○
171 学習率 ○
172 GoogLeNetの説明
173 自然言語処理モデル 難
174 強化学習の適した課題 ○
175 強化学習の説明 ○
176 R-CNNの説明 難
177 方策勾配法の説明 難
178 価値反復法の説明 難
179 誤差逆伝播法の説明 難
180 CNNの説明 ○
181 一般物体検知・セグメンテーション
182 ImageNetの説明 ○
183 CIFARの説明
184 MNISTの説明 ○
185 アンサンブル学習 ○
186 VGG16 難
187 LSTMのゲート数 難
188 画像処理に関連する技術
189 PB→EB→ZB→YB 難
190 強化学習の動向
191 深層強化学習 ○ 難
192 マルチモーダル ○ 難
193 一気通貫学習 ○ 難
194 キャプション生成 ○
195 照応解析
196 談話構造解析
197 様々な分野でのディープラーニング ○
198 Word２Vecの説明：skip-gram 難
199 Word２Vecの説明：CBOW 難
200 言語処理技術：BERT 難
201 言語処理技術：BERT 難
202 行動価値関数Qの説明 難
203 単語埋め込みモデルの説明 難
204 RNNのモデルではないもの
205 単語や文章の表現を得られないモデル
206 単語埋め込みモデルでないもの
207 n-gram 難
208 構文解析の説明
209 分散表現の説明
210 物体検出の説明 ○
211 セマンティックセグメンテーションの説明 難
212 OCRの説明
213 事前学習の手法
214 転移学習

全214問をざっと並べてみました。本番ではこの後に6問ほどのアンケートがありました。

 

G検定　公式テキスト・黒本だけで合格できるか？【カバー率と難易度】

ここでは、2つの側面から検証したいと思います。
前提として、合格ラインを6割ほどと仮定します。

①公式テキスト・『徹底攻略 ディープラーニングG検定』（黒本）だけで合格できるか？

正直なところ、微妙です。
本を紹介した身としては、『この2冊でいけます！』って自身を持って言いたかった。。。

結論、『たぶん、大丈夫です。。。』

まず、管理人がカバーできると思った問題数は124問、全問が214問なので、
約58％がカバーされていることになります。
また、難しいと感じた問題数（未カバー含む）は66問、こちらも全問124問なので、
約30％が難易度の比較高そうな問題でした。

このことから、公式テキスト・『徹底攻略 ディープラーニングG検定』（黒本）をしっかりと学習し、+αで少し点数を上乗せしてあげれば、なんとか合格点に届くかなという印象です。

最近のニュースや法律関係の問題が多かったため、博識な方は楽かもしれません。

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 （EXAMPRESS） [ 一般社団法人日本ディープラーニング協会 ]
created by Rinker
徹底攻略ディープラーニングG検定ジェネラリスト問題集 [ 明松真司 ]
created by Rinker

②Ｇ検定の今後の難易度について

検定試験なので、基本的なベースの知識を試す問題については大きく難易度は変わらないと思います。しかし、ＩＴ・ＡＩといった分野は日々新しくなっていくこと、問題に最近のＡＩに関する話題や法律関係の出題もあることを考えると、試験全体での難易度はあがる可能性があると思っています。

早めの受験をオススメしたいと思います。

 

さいごに、一番大事なこと。　管理人の試験の出来は？

試験終了後の画面では、結果発表は3/26（木）くらいにメールみたいなことが書いてあった気がします。

正直なところ、受かっているか、落ちているか、わかりません。
しばらく不安な日常を送ると思います。

だが、しかし、せっかくなので、

第４回目となる最終章で、合格のご報告ができたらいいなと思っています。

今回も最後までお読みいただきありがとうございました。

 

  • この記事を書いた人
  • 最新記事

ひひまろ

はじめまして、ひひまろです。 都会に憧れるアラフォーサラリーマンです。 日々、仕事に追われています。

-ディープラーニングG検定

Copyright© ゆとログ －YUTOROGU－ , 2021 All Rights Reserved.