⑤ DL理論基礎
G検定 第406問
問題
過学習を防ぎ、モデルの汎化性能（未知のデータへの対応力）を高めるための手法の総称を何と呼ぶか。
A最適化
B正則化✓ 正解
Cクラスタリング
Dバギング
正解
B：正則化
解説
モデルが複雑になりすぎるのを防ぐため、学習に様々な制約を組み込む手法の総称です。
分野解説：⑤ DL理論基礎
ディープラーニングを支える理論的な基礎を学ぶ分野です。ニューラルネットワークの構造、活性化関数、誤差逆伝播法、勾配降下法と各種最適化手法、勾配消失問題やその対策が中心テーマになります。なぜ深い層の学習が難しいのか、それをどう克服してきたのかという流れの理解が問われます。数式そのものより、各手法が「何を解決するためのものか」を押さえることが効率的な学習につながります。
この分野の問題をすべて見る →本番形式で問題を解いてみよう
クイズモードで挑戦 →同じ分野の関連問題
G検定について
AI・ディープラーニングを事業に活かす力を証明
| 主催 | 一般社団法人 日本ディープラーニング協会（JDLA） |
|---|---|
| 出題形式 | 知識問題（多肢選択式）160問程度 |
| 試験時間 | オンライン試験100分・会場試験120分 |
| 受験料 | 13,200円（税込）※学生5,500円 |
| 合格基準 | 合格基準は公表されていない |
| 難易度 | ★★★☆☆（標準） |
G検定の関連記事
AI史から法律・倫理まで：G検定を3週間で回す順番
Gはジェネラリスト、つまり実装しない人のための検定です。生成AIを取り込んで動き続けるシラバスにどう追いつくか、9分野の分量と1038問の使い分けを段階ごとに整理しました。
20時間で届く人と60時間かかる人、G検定の差はどこか
合格ラインは非公表、そのうえ約200問を120分で処理する。G検定の負荷は内容の深さより範囲と速さにあります。文系は技術、理系は法律・倫理でつまずく偏りにも踏み込みました。
基礎から生成AIまで、G検定の深層学習用語を段階で並べる
CNNは画像、RNNとTransformerは系列、GANと拡散モデルは生成。名前の似たディープラーニングの略語を、どの領域で何に使うかとセットで並べた、試験直前の確認用チートシートです。