⑥ DL要素技術
G検定 第535問
問題
Seq2Seqモデルが最も活用され劇的な精度向上をもたらした代表的な自然言語処理タスクはどれか。
A画像認識
B音声合成
C株価予測
D機械翻訳✓ 正解
正解
D：機械翻訳
解説
長さの異なる異なる言語の時系列データの変換において大きな成果を上げました。
分野解説：⑥ DL要素技術
ディープラーニングを構成する代表的なモデルや技術を学ぶ分野です。畳み込みニューラルネットワーク（CNN）や再帰型ニューラルネットワーク（RNN・LSTM）、オートエンコーダ、ドロップアウトや正規化などの学習を安定させる技術が問われます。各モデルがどのようなデータや課題に適しているかを区別することが重要です。要素技術は応用分野の土台になるため、仕組みの概要と特徴を結びつけて理解しておきましょう。
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。