無料のG検定対策
復習 0

問題演習

G検定 練習問題（全500問）

本番と同じ形式のオリジナル問題を、分野別に解けます。答えるとすぐに正解と、すべての選択肢の「なぜ」がわかります。

  • 500問
  • 10分野
  • 全選択肢に解説
  • 本番は1問約41秒

計算問題の対策：G検定の計算問題は捨てていい？最低限おさえる5パターン

1 / 500
正解 0 / 0
人工知能の定義 難易度

問題 1

ある電機メーカーでは、10年前に「AI搭載」をうたって発売した手書き文字認識機能が、現在では社内でも「ごく普通の入力機能」と呼ばれ、AIとして話題にされなくなった。この現象を説明する考え方として、最も適切なものを1つ選べ。

正解と解説を見る
次の問題 ›

分野別の問題一覧

シラバス対応表

すべての問題は、1問ずつ独立したページでも読めます。問題文で検索して来た方は、ここから探せます。

1 人工知能とは 24問
  1. #0001AI効果の具体例
  2. #0002AI・機械学習・DLの包含関係
  3. #0003エージェントとしての人工知能
  4. #0121機械学習の定義（E・T・P）
  5. #0299人工知能の4つのレベル
  6. #0300AIのとらえ方の4分類
  7. #0301機械学習が向く業務の見極め
  8. #0004フレーム問題の具体例
  9. #0005チューリングテストと中国語の部屋
  10. #0006シンギュラリティの意味
  11. #0007シンボルグラウンディングと身体性
  12. #0008機械翻訳の方式の変遷
  13. #0122ダートマス会議の内容
  14. #0123トイ・プロブレムの限界
  15. #0124知識獲得のボトルネックと機械学習
  16. #0125強いAIと弱いAIの区別の観点
  17. #0126ルールベースと統計的翻訳の特性
  18. #0302デネットのロボットのたとえ
  19. #0303チューリングテスト合格の主張
  20. #0304辞書とシマウマの対比
  21. #0305モラベックのパラドックス
  22. #0306中国語の部屋への反論と応答
  23. #0307AIの基本論点の年代順
  24. #0308統計的機械翻訳の訳文選択
この分野を解く
2 人工知能をめぐる動向 41問
  1. #0009幅優先探索と深さ優先探索の違い
  2. #0010αβ法による枝刈りの性質
  3. #0011ゲームAIのモンテカルロ法
  4. #0127ハノイの塔の最短手数と探索
  5. #0128Mini-Max法とαβ法の計算
  6. #0129STRIPSとSHRDLUの役割と限界
  7. #0130ブルートフォースと組合せ爆発
  8. #0309STRIPSの行動による状態の変化
  9. #0310深いゴールまでの探索ノード数
  10. #0311Mini-Max法の前提と適用範囲
  11. #0312プレイアウトの勝率と試行回数
  12. #0012エキスパートシステム開発の課題
  13. #0013意味ネットワークの関係と性質
  14. #0014初期AIシステムの知識の扱い方
  15. #0131DENDRALの位置づけ
  16. #0132エキスパートシステムの構成と推論
  17. #0133オントロジー構築の2つの立場
  18. #0134セマンティックWebによるデータ公開
  19. #0135データマイニングとウェブマイニング
  20. #0136東ロボくんの成果と課題
  21. #0137part-of関係と推移律
  22. #0313知識表現の方法の見分け
  23. #0314マイシンの評価と実用化
  24. #0315ワトソンの質問応答の仕組み
  25. #0316知識を扱うAIシステムの年代順
  26. #0317アソシエーションルールの評価指標
  27. #0318ウェブマイニングの3つの分類
  28. #0015次元の呪いへの対処
  29. #0016機械学習の普及と応用例
  30. #0138スパムフィルタの機械学習化
  31. #0319次元の呪いと必要データ量
  32. #0320ビッグデータの特徴と品質
  33. #0321行動履歴を使う推薦の注意点
  34. #0017ImageNetとILSVRCの関係
  35. #0018ディープラーニングに至る研究史
  36. #0139神経回路とニューラルネットワーク
  37. #0140生成AIの活用場面
  38. #0141AlphaGoと後継AIの学習方法
  39. #0322top-5誤り率の計算
  40. #0323LeNetとAlexNetの共通点と違い
  41. #0324生成AIと従来型モデルの違い
この分野を解く
3 機械学習の概要 59問
  1. #0019回帰問題と分類問題の区別
  2. #0020バギングとブースティング
  3. #0021SVMのマージンとカーネル
  4. #0022複数時系列の予測モデル
  5. #0142決定木の分割基準と性質
  6. #0143線形回帰とロジスティック回帰
  7. #0144重回帰分析の多重共線性
  8. #0145多クラス分類の実現方法
  9. #0146ランダムフォレストの木の本数とOOB
  10. #0147SVMの過学習とハイパーパラメータ
  11. #0148ARモデルによる2期先の予測
  12. #0325勾配ブースティングの予測値の更新
  13. #0326重回帰の偏回帰係数の解釈
  14. #0327回帰木による予測の外挿
  15. #0328アンサンブルとバイアス・バリアンス
  16. #0329ブートストラップ標本の作り方
  17. #0330SVMとロジスティック回帰の違い
  18. #0331ロジスティック回帰の係数とオッズ
  19. #0332多項式の項を含む線形回帰
  20. #0023k-means法と階層的クラスタリング
  21. #0024次元削減手法の選択
  22. #0025新規アイテムのコールドスタート
  23. #0149クラスタリングと分類の使い分け
  24. #0150k-means法の反復計算
  25. #0151LDAによる文書の表し方
  26. #0152MDSとt-SNEが保つ構造
  27. #0153特異値分解による低ランク近似
  28. #0333デンドログラムの切断位置
  29. #0334累積寄与率と主成分の数
  30. #0335k-means法の前処理とkの選び方
  31. #0336協調とコンテンツベースの特性
  32. #0337分析目的と教師なし手法の対応
  33. #0338主成分分析と回帰直線の違い
  34. #0026割引率と累積報酬の計算
  35. #0027価値ベースと方策ベースの手法
  36. #0028探索と活用のバランス
  37. #0154マルコフ決定過程の構成要素
  38. #0155Q学習の更新式の計算
  39. #0156状態価値と行動価値の違い
  40. #0157割引率の大きさと行動の傾向
  41. #0339ε-greedy方策のもとでの状態価値
  42. #0340実際の収益と推定値による更新
  43. #0341探索に危険を伴う場面の手法選択
  44. #0342バンディット問題とマルコフ決定過程
  45. #0343確率的方策と方策勾配法
  46. #0029適合率・再現率・F値の計算
  47. #0030少量データでの検証方法
  48. #0031ROC曲線とAUCの読み方
  49. #0032情報量規準とモデルの複雑さ
  50. #0158回帰の誤差指標の計算
  51. #0159業務に応じた評価指標の選択
  52. #0160学習誤差と検証誤差の比較
  53. #0161AICによるモデル選択の計算
  54. #0162AUCと運用条件でのモデル比較
  55. #0344混同行列とROC曲線上の点
  56. #0345AICとBICで選ぶモデルの違い
  57. #0346大規模データでの検証方法
  58. #0347偽陽性と偽陰性の見分け
  59. #0348外れ値と回帰の評価指標の選択
この分野を解く
4 ディープラーニングの概要 52問
  1. #0033隠れ層と非線形性の役割
  2. #0034学習に使う計算資源の役割分担
  3. #0163パーセプトロンのバイアスの働き
  4. #0164各層のユニット数の決め方
  5. #0349パーセプトロンの学習規則
  6. #0350万能近似定理と深さの意義
  7. #0351ディープラーニングと特徴量設計
  8. #0035シグモイド関数と勾配消失
  9. #0036出力層の活性化関数の選択
  10. #0037ReLU系関数とtanh関数の性質
  11. #0165活性化関数の形と勾配の伝わり方
  12. #0352回帰の出力層の活性化関数
  13. #0353ソフトマックスとシグモイドの関係
  14. #0354勾配消失問題への対処
  15. #0038交差エントロピーとKL情報量
  16. #0039顔照合に使う距離学習の損失
  17. #0166分類で交差エントロピーを使う理由
  18. #0355Triplet Lossの値の計算
  19. #0356正解以外の確率と損失の関係
  20. #0357KL情報量による分布の監視
  21. #0040特徴量を絞り込む正則化
  22. #0041ドロップアウトの仕組み
  23. #0167L1・L2罰則項の計算
  24. #0168相関の強い変数と正則化回帰
  25. #0358リッジ回帰の偏りとばらつき
  26. #0359L2正則化による重みの更新
  27. #0360正則化と正規化の区別
  28. #0042誤差逆伝播法の仕組み
  29. #0043勾配爆発の症状と対策
  30. #0361連鎖律による勾配の計算
  31. #0362誤差逆伝播法と最適化手法の役割
  32. #0363信用割当問題の現れ方
  33. #0044勾配降下法の改良手法の違い
  34. #0045バッチサイズと更新回数
  35. #0046ハイパーパラメータの探索方法
  36. #0169勾配降下法の1回の更新
  37. #0170学習率の大小と学習の挙動
  38. #0171鞍点と最適解の見分け
  39. #0172早期終了の判断基準
  40. #0173二重降下現象の特徴
  41. #0174ノーフリーランチの定理の含意
  42. #0175バッチ・オンライン学習の比較
  43. #0176適応的手法の改良の系譜
  44. #0177モーメンタムの更新計算
  45. #0178学習の停滞への対処
  46. #0179学習率を減衰させる理由
  47. #0364AdaGradの重みごとの更新量
  48. #0365ハイパーパラメータと重みの区別
  49. #0366凸な損失関数と最適解
  50. #0367オンライン学習の運用と学習率
  51. #0368ミニバッチの並び順の影響
  52. #0369学習率と収束・発散の境目
この分野を解く
5 ディープラーニングの要素技術 72問
  1. #0047全結合層のパラメータ数
  2. #0370全結合層の重みの初期化
  3. #0371全結合層と畳み込み層の共通点
  4. #0048畳み込みの出力サイズ計算
  5. #0049畳み込み層の軽量化
  6. #0050畳み込み層の構成要素の役割
  7. #0180畳み込み層のパラメータ数
  8. #0181CNNに向くデータの性質
  9. #0182畳み込みの設定と出力の変化
  10. #0183受容野を広げる手法の比較
  11. #0372エッジ検出フィルタの出力計算
  12. #0373CNNとSVMのカーネルの違い
  13. #0374畳み込みと位置ずれへの性質
  14. #03751×1畳み込みの役割
  15. #0051正規化手法と統計量の範囲
  16. #0052小さいミニバッチでの正規化
  17. #0184バッチ正規化の推論時の統計量
  18. #0376バッチ正規化の出力の計算
  19. #0377バッチ正規化の効果
  20. #0378場面に応じた正規化層の選択
  21. #0053プーリングの種類と働き
  22. #0185最大値プーリングの計算
  23. #0186GAPと入力画像の大きさ
  24. #0379プーリング層の誤差逆伝播
  25. #0380プーリングの選択と不変性の範囲
  26. #0054深層化による訓練誤差の悪化
  27. #0381スキップ結合の働きと応用先
  28. #0382射影ショートカットの重みの数
  29. #0055LSTMとGRUのゲート機構
  30. #0056エルマン型とジョルダン型RNN
  31. #0057双方向RNNの適用条件
  32. #0187RNN層のパラメータ数
  33. #0188BPTTの逆伝播の進め方
  34. #0189教師強制と推論時のずれ
  35. #0190RNNの入出力の対応形式
  36. #0191LSTMの記憶セルの更新計算
  37. #0192双方向RNNの内部構造
  38. #0383GRUの2つのゲートの役割
  39. #0384BPTTの打ち切りと学習範囲
  40. #0385長期依存の学習とモデル選択
  41. #0386RNNの隠れ状態の順伝播計算
  42. #0058Seq2Seqの固定長ベクトルの限界
  43. #0059Attentionの出力の計算
  44. #0060Transformer内の注意機構
  45. #0193位置エンコーディングの必要性
  46. #0194内積をスケーリングする理由
  47. #0195Self-Attentionの計算量
  48. #0196Multi-Headのヘッドの分け方
  49. #0387スケーリング後のスコアと重み
  50. #0388注意の重みのヒートマップ
  51. #0389クエリ・キー・バリューの作り方
  52. #0390推論時の生成手順の比較
  53. #0061オートエンコーダの派生手法
  54. #0197積層オートエンコーダの学習手順
  55. #0198VAE派生手法の改良点
  56. #0391PCAとオートエンコーダの比較
  57. #0392再構成誤差による異常検知
  58. #0393オートエンコーダとVAEの潜在空間
  59. #0062画像データ拡張手法の区別
  60. #0199拡張とデータ分割の順序
  61. #0200物体検出での拡張と座標
  62. #0201隠れに強くする拡張
  63. #0202文章の拡張とラベルの保持
  64. #0203文章のデータ拡張の分類
  65. #0204CutMixのラベル計算
  66. #0205RandAugmentの探索の工夫
  67. #0206小さな欠陥の画像の拡張
  68. #0394Mixupの画素値とラベル計算
  69. #0395データ拡張の目的と限界
  70. #0396撮影条件に合う変換の選択
  71. #0397拡張を加えるタイミング
  72. #0398CutMixの提案のねらい
この分野を解く
6 ディープラーニングの応用例 93問
  1. #0063画像認識タスクの使い分け
  2. #0064物体検出モデルの特徴
  3. #0065セグメンテーションモデルの構造
  4. #0066画像分類モデルの設計の工夫
  5. #0207ResNet以降のCNNの工夫
  6. #0208MobileNetのパラメータ数計算
  7. #0209モバイル向けモデルの自動設計
  8. #0210FPNによるマルチスケール検出
  9. #0211Open Poseによる多人数姿勢推定
  10. #0212Mask R-CNNの構造
  11. #0213一般物体認識と物体識別
  12. #0214ViTとCNNの性質の違い
  13. #0215AlexNetの学習の工夫
  14. #0399パノプティックセグメンテーションの出力
  15. #0400物体検出のIoUの計算
  16. #0401VGGの3×3畳み込みの積み重ね
  17. #0402重複した検出結果の除去
  18. #04032段階型と1段階型の物体検出
  19. #0404FCNの構造の特徴
  20. #0405画像認識タスクと正解データ
  21. #0406ViTの系列長と計算量
  22. #0067TF-IDFによる単語の重み
  23. #0068単語の分散表現の手法
  24. #0069BERTの事前学習
  25. #0070LLMを業務で使うときの性質
  26. #0216形態素解析と構文解析の役割
  27. #0217bi-gram言語モデルの確率
  28. #0218Seq2Seqの出力長の決まり方
  29. #0219感情分析での語順と文脈
  30. #0220文書を活用するNLPタスク
  31. #0221CECが勾配消失を防ぐ理由
  32. #0222LLMの規模と性能の関係
  33. #0407埋め込み行列による単語の変換
  34. #0408スキップグラムとCBOWの予測回数
  35. #0409単語ベクトルの加減算による類推
  36. #0410BERTを下流タスクに使う方法
  37. #0411同義語を含む文の類似度計算
  38. #0412全文検索の索引の単位
  39. #0413極性辞書を使う感情分析
  40. #0071音声認識に使う特徴量
  41. #0072音声認識と音声合成の手法
  42. #0223標本化周波数と音声のデータ量
  43. #0224音素という単位の性質
  44. #0225話者識別と音声認識の違い
  45. #0226声の高さとフォルマントの関係
  46. #0227音声からの感情の推定
  47. #0414CTCの出力確率の計算
  48. #0415FFTの周波数分解能
  49. #0416メルフィルタバンクの帯域配置
  50. #0417音声合成の処理段階と誤り
  51. #0418隠れマルコフモデルの構造
  52. #0073DQNの課題と改良手法
  53. #0074深層強化学習の課題と手法
  54. #0228A3CとAPE-Xの並列化の違い
  55. #0229連続値の行動を扱う手法選択
  56. #0230ゲームで成果を上げたAIの事例
  57. #0231報酬が疎な課題での報酬設計
  58. #0232状態表現学習のねらい
  59. #0233マルチエージェント強化学習の特徴
  60. #0419Rainbowを構成する改良
  61. #0420PPOのクリップ付き目的関数
  62. #0421RLHFの各段階の役割
  63. #0422オフライン強化学習の難しさ
  64. #0423既存の制御を生かす強化学習
  65. #0424Agent57の探索の工夫
  66. #0075対応のない画像間の変換
  67. #0076拡散モデルの生成の仕組み
  68. #0234GANの生成器と識別器の学習
  69. #0235生成したいデータと手法の対応
  70. #0425NeRFのシーン表現と描画
  71. #0426DCGANのネットワーク構造
  72. #0427文章生成の多様さの調整
  73. #0077少量データでの事前学習済みモデル活用
  74. #0078事前学習に関わる学習の枠組み
  75. #0236破滅的忘却を抑える工夫
  76. #0428自己教師あり学習の事前タスク
  77. #0429疑似ラベルによる半教師あり学習
  78. #0430Few-shotとファインチューニング
  79. #0079CLIPによる画像分類の方法
  80. #0080マルチモーダルのタスクとモデル
  81. #0237Unified-IOの入出力の統一
  82. #0238活用案に合うマルチモーダルタスク
  83. #0431CLIPの対照学習の正例と負例
  84. #0432マルチタスク学習の利点と注意点
  85. #0081説明可能AIの代表的手法
  86. #0239Grad-CAMによるモデルの検証
  87. #0240解釈手法の弱点と注意点
  88. #0433SHAP値の加法性
  89. #0434要件に合う説明手法の選択
  90. #0082モデル軽量化の手法
  91. #0241量子化による重みのデータ量
  92. #0242エッジAIを採用する利点
  93. #0435蒸留におけるソフトターゲット
この分野を解く
7 AIの社会実装に向けて 24問
  1. #0083CRISP-DMとCRISP-MLの特徴
  2. #0084PoCの進め方と判断基準
  3. #0085アジャイルとウォーターフォール
  4. #0086運用中のモデル劣化への対応
  5. #0087BPRとオープン・イノベーション
  6. #0243CRISP-DMのモデリングと評価
  7. #0244AIプロジェクトの体制と役割
  8. #0245Dockerとコンテナの特徴
  9. #0246Web APIとクラウドでの提供
  10. #0247Jupyter Notebookの特徴
  11. #0248AI活用テーマの選び方
  12. #0436CRISP-DMのフェーズ間の行き来
  13. #0437MLOpsとDevOpsの違い
  14. #0438産学連携の共同研究の取り決め
  15. #0439IaaS・PaaS・SaaSの違い
  16. #0440データサイエンティストのスキル区分
  17. #0441AIの誤りを前提とした業務設計
  18. #0088データリーケージの防止策
  19. #0089アノテーションの品質管理
  20. #0090オープンデータセットとコーパス
  21. #0442タスクに応じたコーパスの種類
  22. #0443アノテーションの負担を減らす工夫
  23. #0444同一個体をまたぐデータ分割
  24. #0445ベンチマークのコンタミネーション
この分野を解く
8 AIに必要な数理・統計知識 21問
  1. #0091度数分布表と代表値の計算
  2. #0092分散と標準偏差の計算
  3. #0093条件付き確率の計算
  4. #0094確率分布の使い分け
  5. #0095疑似相関と偏相関係数
  6. #0096相関係数と相互情報量
  7. #0097推定法と仮説検定の考え方
  8. #0098距離・類似度指標の使い分け
  9. #0249移動平均の窓幅と性質
  10. #0250確率密度と確率の違い
  11. #0251共分散と相関係数の計算
  12. #0252ベルヌーイ分布の最尤推定
  13. #0446二項分布と余事象の確率
  14. #0447標準化による得点の比較
  15. #0448マハラノビス距離による異常度
  16. #0449外れ値の検出と扱い方
  17. #0450最小二乗法による回帰直線
  18. #0451A/Bテストにおけるp値の解釈
  19. #0452ポアソン分布の確率計算
  20. #0453期待値による施策の比較
  21. #0454相関係数を読むときの注意点
この分野を解く
9 AIに関する法律と契約 62問
  1. #0099GDPRの適用範囲と規律
  2. #0100要配慮個人情報の取扱い
  3. #0101仮名加工情報と匿名加工情報
  4. #0102AI開発の委託と個人データ
  5. #0253個人情報に当たる情報の範囲
  6. #0254個人データと保有個人データ
  7. #0255行動履歴の分析と利用目的
  8. #0256外国にある第三者への提供
  9. #0257保有個人データの開示と利用停止
  10. #0258GDPRの処理根拠と本人の権利
  11. #0455漏えい等報告の対象となる事態
  12. #0456個人関連情報の第三者提供
  13. #0457生成AIへの個人データ入力
  14. #0458仮名・匿名加工の加工基準
  15. #0459第三者提供の制限の例外
  16. #0460学習データ収集と要配慮個人情報
  17. #0103著作権法30条の4の適用範囲
  18. #0104AI生成物の著作物性
  19. #0105生成AI利用時の著作権侵害
  20. #0259データとデータベースの著作物性
  21. #0260業務で作成したプログラムの著作者
  22. #0261著作権と著作者人格権の違い
  23. #0461侵害時の差止と損害賠償の要件
  24. #0462RAGでの著作物利用と権利制限
  25. #0463利用規約違反と著作権侵害の区別
  26. #0464生成AI利用と私的使用の範囲
  27. #0465生成AIの侵害の責任主体
  28. #0106AI関連発明と特許要件
  29. #0262AI関連技術の発明該当性
  30. #0263特許権と著作権の保護の違い
  31. #0264新規性を失う公開の範囲
  32. #0265既存手法の置換と進歩性
  33. #0266職務発明の範囲と事前の定め
  34. #0267共同研究の発明者と権利共有
  35. #0466特許権の効力が及ぶ実施
  36. #0467特許出願と秘匿化の選択
  37. #0468AI関連成果と産業財産権
  38. #0107営業秘密と限定提供データ
  39. #0268学習データの営業秘密管理
  40. #0469営業秘密の有用性と非公知性
  41. #0470限定提供データの不正競争の類型
  42. #0471生成AIの出力と営業秘密
  43. #0108価格設定AIとカルテル規制
  44. #0269AI・データ取引と独禁法の類型
  45. #0472競争制限と公正競争阻害性の違い
  46. #0473競合他社とのデータ共同収集
  47. #0109AI開発の探索的段階型
  48. #0270学習済みモデルの利用条件の設計
  49. #0271請負型と準委任型の義務の違い
  50. #0272開発契約での精度目標の定め方
  51. #0273段階ごとのモデル契約の種類
  52. #0274保守契約で定める再学習の範囲
  53. #0474アセスメント段階のNDAの内容
  54. #0475生データから学習済みモデルまで
  55. #0476データ契約の3類型の見分け
  56. #0110SaaS型AIの利用規約
  57. #0275サービスで集まるデータの利用権限
  58. #0276SaaS型提供と開発委託の違い
  59. #0277規約上の生成物の権利条項
  60. #0477AI利用・開発契約の3類型
  61. #0478消費者向け規約の免責条項
  62. #0479バリューチェーンでの責任分配
この分野を解く
10 AI倫理・AIガバナンス 52問
  1. #0111ハードローとソフトローの違い
  2. #0112AI事業者ガイドラインの適用
  3. #0278国内外のAI原則の系譜
  4. #0279EUのAI法のリスク区分
  5. #0480価値原則どうしの衝突への対応
  6. #0481NIST AI RMFの4つの機能
  7. #0482AI法の活用事業者とAI指針
  8. #0113店舗カメラ画像の利活用
  9. #0280プライバシー・バイ・デザインの原則
  10. #0483リピート分析と特徴量データ
  11. #0484PIAとプライバシー・バイ・デザイン
  12. #0114代理変数によるバイアス
  13. #0281収集方法によるサンプリングバイアス
  14. #0282公平性の定義と指標の計算
  15. #0283アルゴリズムバイアスの発生経路
  16. #0485属性の組み合わせによる偏り
  17. #0486個人の公平性と集団の公平性
  18. #0487予測目標の選び方とバイアス
  19. #0115AIへの攻撃手法の区別
  20. #0116AI提供時のセキュリティ対策
  21. #0284学習データを推測する攻撃
  22. #0285公開された学習済みモデルの汚染
  23. #0488ブラックボックス型の敵対的攻撃
  24. #0489間接プロンプトインジェクション
  25. #0490LLMからの学習データ抽出
  26. #0117音声ディープフェイクへの備え
  27. #0491ディープフェイクとチープフェイク
  28. #0492ディープフェイクと法的責任
  29. #0118AIの透明性を支える概念
  30. #0286解釈しやすいモデルの選択
  31. #0493データシートとモデルカード
  32. #0494透明性・説明可能性・アカウンタビリティ
  33. #0119フィルターバブルとエコーチェンバー
  34. #0287選挙期間の推薦アルゴリズム
  35. #0495偽情報と誤情報の区別
  36. #0288AIの環境負荷の見積もり
  37. #0496学習時のCO2排出量の計算
  38. #0289AI導入とスキルの喪失
  39. #0290AIが雇用に与える影響の推計
  40. #0497AI導入時の労働者への配慮
  41. #0291自律型致死兵器システムの論点
  42. #0292故人を再現するAIへの配慮
  43. #0293人間の自律性が問われる事例
  44. #0498行政AIの包摂性の確保
  45. #0120AIガバナンス体制の整備
  46. #0294再現性とトレーサビリティ
  47. #0295人間の関与と自動化バイアス
  48. #0296倫理アセスメントの進め方
  49. #0297運用中のモニタリング
  50. #0298AIポリシーの位置づけ
  51. #0499AIマネジメントシステムの監査
  52. #0500人間による監督の3つの方式
この分野を解く

よくある質問

本番の過去問ですか？

いいえ。すべて当サイトのオリジナル問題です。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。

解いた記録はどこに保存されますか？

この端末のブラウザに保存されます。登録やログインは不要です。機種変更に備えて、学習記録のページから書き出せます。

どの順番で解けばいいですか？

はじめての方は実力診断（20問）で苦手な分野を確かめてから、苦手な分野を優先して解くのがおすすめです。間違えた問題は「間違えた」タブにたまるので、まとめて解き直せます。

本番と同じ時間で練習できますか？

できます。模擬試験では、本番と同じ1問あたりの時間で解き、ペースメーターで進み具合を確かめられます。

表示設定

テーマ
文字の大きさ
問題演習