⑤ DL理論基礎
G検定 第415問
問題
ドロップアウトが過学習を防ぐ効果は、機械学習のどのような手法と似た考え方であると解釈できるか。
A決定木
B強化学習
Cアンサンブル学習✓ 正解
D主成分分析
正解
C：アンサンブル学習
解説
毎回異なる形状のネットワークで学習を行うため、多数のモデルの多数決を取るアンサンブル学習と似た効果があります。
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。