G検定 模擬試験 第2回

第2回の出題範囲

シラバスの10分野（大項目）ごとの問題数です。配分は当サイトの推計で、公式の配分は公表されていません。

この模擬試験について

問題の選び方

公開中の500問から、上の表の配分で145問を選んでいます。第2回はいつ解いても同じ問題が同じ順番で出ます。問題の追加や修正にあわせて、一部が入れ替わることがあります。第1回〜第3回のあいだで、同じ問題は出題しません。選択肢の並びは解くたびに入れ替わります（表示設定で切り替えられます）。

試験時間

時間制限は、オンライン試験と同じ100分（1問あたり約41.4秒）です。会場試験の120分も選べます。時間制限ありでは一時停止できず、ページを離れても時間は進み、0になると自動で採点します。時間を気にせず解きたいときは「時間制限なし」を選べます。

採点のしかた

解答は最後にまとめて採点します。すべての問題を同じ重みで数え、未回答は不正解とします。複数選択の問題は、正しい選択肢をすべて選んだときだけ正解です。結果では、8区分と大項目ごとの正答率、時間がかかった問題がわかります。合格ラインは公表されていないため、合否の判定はしません。

オリジナル問題

問題はすべて当サイトが作成したオリジナルです。本番の試験問題を再現したものではありません。JDLAは過去問を公開していないため、シラバスのキーワードをもとに、本番と同じ考え方で解く問題を作っています。

結果の記録

結果はこの端末のブラウザにだけ保存され、下の「過去の結果」に第2回の記録が並びます。2回目からは、前回からの正解数の変化と、分野ごとの正答率の差を表示します。記録は模擬試験全体で新しい20回分まで残ります。

第2回の例題（5問）

この回に出題される問題から、分野の違う5問を載せています。正解は「正解を見る」で確かめられます。

1. 問15 人工知能とは

   1956年に米国で開かれたダートマス会議に関する説明として、最も不適切なものを1つ選べ。

   1. AA：会議の開催を求める提案書の中で、「人工知能（Artificial Intelligence）」という言葉が初めて使われた。
   2. BB：多層のニューラルネットワークを誤差逆伝播法で学習させる手法が発表され、第1次AIブームの中心技術となった。
   3. CC：ジョン・マッカーシー、マービン・ミンスキー、クロード・シャノンらが、会議の提案者に名を連ねた。
   4. DD：学習や知能のあらゆる特徴は、原理的には機械で模倣できるほど正確に記述できる、という推測を出発点に計画された。
   正解を見る

   正解 B

   ダートマス会議は、人工知能が研究分野として名前と目標を得た出発点とされます。誤差逆伝播法などの学習手法が広まったのは、ずっと後のことです。

   すべての選択肢の解説を読む

2. 問44 ディープラーニングの概要

   ある不動産会社が、物件ごとの12項目の数値（駅からの徒歩分数、築年数、専有面積など）から月額賃料を予測するニューラルネットワークを作る。学習に使える過去の成約データは約2,000件である。入力層・隠れ層・出力層の設計に関する説明として、最も不適切なものを1つ選べ。

   1. AA：入力層のユニット数は、1件の物件を表す数値の個数に合わせて12とする。
   2. BB：賃料という1つの数値を予測するので、出力層のユニット数は1とする。
   3. CC：隠れ層の数や各層のユニット数は、検証用データでの誤差を比べながら決める。
   4. DD：隠れ層を増やすほど表現力が高まるため、未知の物件に対する予測の誤差も小さくなる。
   正解を見る

   正解 D

   入力層と出力層のユニット数はデータと課題の形で決まり、隠れ層の数とユニット数は検証用データを見ながら人が決めます。

   すべての選択肢の解説を読む

3. 問73 機械学習の概要

   ある画像分類の課題で、構造の異なる3つのモデルを学習させ、学習用データと検証用データで誤り率を測った。モデルPは学習用2%・検証用25%、モデルQは学習用20%・検証用21%、モデルRは学習用6%・検証用9%であった。この結果の解釈として、最も不適切なものを1つ選べ。

   1. AA：モデルPは学習用データに過剰に適合しており、過学習の状態と考えられる。
   2. BB：モデルPの改善策として、正則化を強めることや、学習用データを増やすことが考えられる。
   3. CC：モデルQは学習用データでも誤り率が高く、データの特徴を十分に捉えられていない未学習の状態と考えられる。
   4. DD：モデルQは学習用と検証用の誤り率の差が最も小さいので、3つの中で汎化性能が最も高い。
   正解を見る

   正解 D

   汎化性能は検証用データでの成績で比べます。学習用との差が大きければ過学習、両方とも悪ければ未学習を疑います。

   すべての選択肢の解説を読む

4. 問103 人工知能をめぐる動向

   知識の表し方の例として、次の（ア）〜（ウ）がある。（ア）「ペンギン」と「鳥」を節点とし、is-aのラベルを付けた矢印で結ぶ。（イ）「鳥」という枠に「翼の数：2」「移動手段：飛ぶ」などの項目と値をまとめ、下位の概念はその値を引き継ぐ。（ウ）「体温が38度以上で、せきが出るならば、感染症を疑う」のような規則を多数集める。（ア）〜（ウ）と知識表現の方法の組み合わせとして、最も適切なものを1つ選べ。

   1. AA：（ア）意味ネットワーク　（イ）フレーム　（ウ）プロダクションルール
   2. BB：（ア）フレーム　（イ）意味ネットワーク　（ウ）プロダクションルール
   3. CC：（ア）意味ネットワーク　（イ）プロダクションルール　（ウ）フレーム
   4. DD：（ア）プロダクションルール　（イ）フレーム　（ウ）意味ネットワーク
   正解を見る

   正解 A

   知識表現の方法は、知識をグラフ、項目つきの枠、if-thenの規則のどの形で表すかで見分けます。

   すべての選択肢の解説を読む

5. 問133 ディープラーニングの応用例

   物体検出のモデルは、候補領域を先に抽出してから各領域のクラスと位置を求める2段階型と、候補領域を抽出せずに画像全体から物体の位置とクラスを一度に予測する1段階型に大別される。次の（ア）〜（エ）を2段階型と1段階型に分けた組合せとして、最も適切なものを1つ選べ。（ア）Faster R-CNN（イ）YOLO（ウ）SSD（エ）Mask R-CNN

   1. AA：2段階型：（ア）（エ）　1段階型：（イ）（ウ）
   2. BB：2段階型：（ア）（ウ）　1段階型：（イ）（エ）
   3. CC：2段階型：（ア）　1段階型：（イ）（ウ）（エ）
   4. DD：2段階型：（ア）（イ）（エ）　1段階型：（ウ）
   正解を見る

   正解 A

   候補領域の抽出と分類を分けて行うのが2段階型、まとめて一度に行うのが1段階型です。1段階型は一般に処理が速く、リアルタイムの用途に向きます。

   すべての選択肢の解説を読む

第2回の過去の結果