学習ガイド第5章

ディープラーニングの要素技術（G検定技術分野）

畳み込み層・回帰結合層・Attentionなど、ネットワークを組み立てる部品を扱います。

中項目9
キーワード60語
練習問題72問
出題の目安約21問

この分野の練習問題は72問です。復習の時期が来た問題と、まだ解いていない問題から順に出題します。

この分野から10問解く

全72問・解いた記録はまだありません

概要

この分野で扱うこと

前の分野で学んだ学習の仕組みの上に、モデルを組み立てる「部品」を学ぶ分野です。中項目が9つあり、扱うデータや目的でまとめると見通しがよくなります。

まとまり	中項目	主な役割
基本の層	全結合層	多くのモデルの土台
画像向けの層	畳み込み層、プーリング層	画像の特徴を取り出す
深くするための工夫	正規化層、スキップ結合	学習を安定させる
主に系列データ向け	回帰結合層、Attention	文章・音声・時系列を扱う
データを生かす工夫	オートエンコーダ、データ拡張	特徴の圧縮と生成、学習データの水増し

学ぶ順番

まず、全結合層、畳み込み層、プーリング層、正規化層、スキップ結合の順に、画像を扱うCNNを組み立てる流れで読みます。次に、回帰結合層からAttentionへ進み、系列データの処理がRNNからTransformerへ移った流れを追います。オートエンコーダとデータ拡張は最後で構いません。

つまずきやすいところ

畳み込み層では出力サイズやパラメータ数の計算、正規化層では平均と分散をどの範囲でとるかが、理解の分かれ目になります。どちらも、小さな数値の例を自分で1つ計算してみると定着します。Attentionはクエリ・キー・バリューの役割が抽象的なので、辞書を引く操作にたとえて理解します。ここで学ぶ部品は、次の分野「ディープラーニングの応用例」に出てくるモデル名を読み解く手がかりになります。

出題の目安

145問中約21問前後

当サイトの推計です。幅をもたせると約17〜22問（全体の12〜15%）とみています。分野別の出題数は公表されていません。

全体の問題数「145問程度」の出典：JDLAのFAQ 最終確認日：2026年10月30日

中項目一覧

9項目

数字はシラバスの項目番号です。右側にはこのブラウザに保存された正答率を表示します。

つまずきやすい点

最大値プーリングや平均値プーリングには学習で調整する重みがなく、畳み込み層はフィルタの重みを学習する点
バッチ正規化はミニバッチ内の複数のデータにまたがってチャンネルごとに、レイヤー正規化は1つのデータの中で、平均と分散を計算する点
スキップ結合は層を飛ばして入力を出力に足す仕組みで、層を深くしても勾配が伝わりやすくなり、ResNetの中心となる仕組みである点
Transformerは回帰結合層を使わずAttentionで系列を処理するため、語順の情報を位置エンコーディングで加える必要がある点

この分野を解く

この分野から10問解く全72問を解く

復習の時期が来た問題と、まだ解いていない問題から順に出題します。

混同しやすい用語の比較

出典

G検定試験出題範囲（シラバス2024）第1.4版（技術分野ディープラーニングの要素技術（項目17〜25）） 2026年10月30日閲覧
Yann LeCun, Léon Bottou, Yoshua Bengio, Patrick Haffner, Gradient-Based Learning Applied to Document Recognition, Proceedings of the IEEE 86(11), 2278–2324 (1998) 2026年10月30日閲覧
Sergey Ioffe, Christian Szegedy, Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift (2015) 2026年10月30日閲覧
Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun, Deep Residual Learning for Image Recognition (2015) 2026年10月30日閲覧
Ashish Vaswani et al., Attention Is All You Need (2017) 2026年10月30日閲覧

作成：ウカトレ編集部（AIで作成し、別のAIが一次資料と照合）人による確認：未最終確認日：2026年10月30日

全問オリジナル（JDLAの過去問ではありません）。誤りを報告