G検定の出題範囲は？

G検定攻略ガイド管理人です。

今回はＧ検定の出題範囲について簡単に見ていきたいと思います。

それでは、どんな出題範囲なのかを確認してみましょう。

JDLAの公式サイトに載っているシラバスを見てみることにします。

ディープラーニング全般に関して、まんべんなく出題されることが分かりますね。

一筋縄ではいかないような、少し難しい言葉も並んでいます。

それぞれの項目に少し補足を入れたシラバスもどきを下に作ってみました。

◆G検定の出題範囲（シラバスより抜粋してグループ化）

①人工知能（AI）とは（人工知能の定義）

➡「人工知能」というものが、どのような定義で成立し、歴史的にどのような議論がされてきたかということが出題されます。人名なども出題されたりします。

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

➡技術的な面から見た「人工知能」がどのような発展を経て深層学習にたどり着くのかについて出題されます。それぞれの項目についてもある程度知識を深堀りしたような出題があります。

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、シンボルグランンディング問題、特徴量設計、チューリングテスト、シンギュラリティ

➡人工知能がかかえる問題に関する出題です。現在も解決されていない難題もあり、どういう部分が解決できていないかなど、深い部分の出題もあります。

④機械学習の具体的手法

代表的な手法、データの扱い、応用

➡深層学習の前に、機械学習における代表的な手法について出題されます。サポートベクターマシンなどの内部的な仕組みについての出題もあり、初学者にとってはやや難易度の高い分野になっていますが、毎回多くの出題がある分野でもあります。また、データの取り扱いや成形方法に関する問題も出題されることがあります。

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におけるデータ量

➡深層学習における基本的事項の出題です。ニューラルネットワークやコンピュータに関する出題もありますが、概要をとらえておけばさほど難しい項目ではありません。

⑥ディープラーニングの手法

活性化関数、学習率の最適化、更なるテクニック、CNN、RNN、深層強化学習、深層生成モデル

➡深層学習におけるパラメータの最適化や細かいモデルに関する出題です。ディープラーニングが流行するきっかけとなったニューラルネットワークの重要な処理やテクニックに関する出題があります。

⑦ディープラーニングの研究分野

画像認識、自然言語処理、音声処理、ロボティクス（強化学習）、マルチモーダル

➡ディープラーニングが応用されている様々な分野に対しての出題があります。細かい部分まで掘り下げる問題もまれに出題されますが、大枠をとらえておけば問題ない分野です。

⑧ディープラーニングの応用に向けて

産業への応用、法律、倫理、現行の議論

➡社会へのディープラーニングの応用に関する出題があります。最新の人工知能の動向や、自動運転などの社会応用に関する出題、法律に関する出題も多く日ごろから最新の動向を注視しておかなければ得点は難しい分野です。

かなり長く書きましたが、一番重要なことは「とにかく暗記」です。

はっきり言って「すべて暗記」でなんとかなります。①～⑦ぐらいまでは本当になんとかなります。

計算を行う問題は全体220問ほどのうち2～3問程度ですので、勉強の際は「暗記」を中心にした学習計画を立ててください。

■公式テキストはこちらから購入できます！