⑦ DL応用①画像・音声・自然言語
G検定 第578問
問題
手元にある学習データに加工を施して擬似的に別のデータを生成しデータ量を増やすアプローチを何というか。
Aデータマイニング
Bデータ拡張（Data Augmentation）✓ 正解
C次元削減
Dクラスタリング
正解
B：データ拡張（Data Augmentation）
解説
画像の反転や回転などの処理を施し未知のデータに対する汎化性能を高めるために行われます。
分野解説：⑦ DL応用①画像・音声・自然言語
ディープラーニングの代表的な応用領域である画像・音声・自然言語処理を学ぶ分野です。画像認識・物体検出・セグメンテーションの代表モデル、音声認識の仕組み、自然言語処理におけるword2vecやTransformer、BERTなどが問われます。各タスクで使われる代表的な技術やモデル名と、その特徴を結びつけて覚えることが重要です。技術の進化が速い領域のため、有名なモデルの位置づけを押さえると理解が深まります。
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。