Blog
ブログ

2022年02月07日

【無料公開中!】受験直前の最終チェックに! G検定対策問題集#2

【AI】G検定対策問題集

 

G検定とは?

 

・G検定とは日本ディープラーニング協会が開催するAIや機械学習・深層学習の網羅的な知識を有しているかを確認するための試験です。

・合格率は毎回5~7割程度とされていますが範囲が広いため、最新の試験傾向に対応した講座や問題集で勉強しておく必要があります。

 

この対策問題集は弊社社員がG検定を受験し、考えた対策問題です。

回答は最後にダウンロードできるのでメモを取ってください。

 

 

 

問21:発明者に関する説明として、最も適切な選択肢を1つ選べ 

 

①特許法上、人工知能が発明者になることはない.

②株式会社等の法人であっても発明者になることができる

③発明者は他社に特許を受ける権利を譲り渡すことはできない

④特許を出願する際、願書に記載する発明者と出願者は同じ人物でなくてはならない

 

 

 

22畳み込みネットワーク(CNN)を用いたEnd-to-EndなアルゴリズムであるYOLOの説明として最も適切な選択肢を一つ選べ。

 

①全結合層を持たず、ネットワークが畳み込み層のみで構成されている。

②「検出」と「識別」を同時に行うことで、処理時間の遅延を解消するモデル

③CVPR2017で発表された手法、エンコードにResNet101の特徴抽出層を利用しており、エンコーダとデコーダの間に、Pyramid Pooling Moduleを追加している。

④1度のCNN演算で物体の「領域候補検出」と「クラス分類」の両方を行うモデル。

 

 

 

問23:RainbowはDQN以降に登場した合計7つの手法を組み合わせた深層強化学習アルゴリズムであるが、下記のうち、いくつ当てはまるか。

・Dueling network

・Double DQN

・Categorical DQN

・Noisy network

・ Prioritized Experience Replay

 

①0個

②1個

③3個

④5個

 

 

 

問24ニューラルネットワークは、過学習しやすいという欠点を持つため,それを改善させる方法が多数考案されている. これに関して特定のレイヤーの出力を学習時にランダムで0に落とし,一定割合のノードを不活性化する手法を1つ選べ。

 

①L2正則化

②ドロップアウト

③データ拡張

④バッチ正規化

  

 

 

問25下図は混合行列というデータの予測結果を陽性・陰性ごとにまとめた行列である. (A),(B)に当てはまる組み合わせとして最も適切な選択肢を1つ選べ。

①(A)偽陽性(B)偽陰性

②(A)偽陽性(B)真陰性

③(A)偽陰性(B)偽陽性

④(A)偽陰性(B)真陽性

 

 

 

Q26アンサンブル学習を行う上で、学習済みのモデルにおけるエラーの主な原因として、適切でないものを選択肢の中から1つ選べ

 

①ノイズ

②バイアス

③バリアンス

④スタッキング

 

 

 

Q27次の文章を読み、空欄に最もよく当てはまる選択肢を1つ選べ。

 

CPUの主な役割は(ア)であり、(イ)を得意とする。

 

①(ア)コンピュータ全体の計算

 (イ)単純な命令の並列計算

②(ア)3DCGなどの描写に必要な計算

 (イ)単純な命令の並列計算

③(ア)コンピュータ全体の計算

 (イ)複雑な命令の逐次計算

④(ア)3DCGなどの描写に必要な計算

 (イ)複雑な命令の逐次計算

 

 

 

Q28:次の文章を読み、空欄に最もよく当てはまる選択肢を1つ選べ。

 

(ア)はある層に与えられた信号を少し上位の層の出力に追加することで深いネットワークを訓練できるようにした。

対して(イ)は前方の各層からの出力すべてが後方の層への入力に用いられる。

 

①(ア)Skipconnection

 (イ)DenseNet

②(ア)DenseNet

 (イ)ResNet

③(ア)ResNet

 (イ)Skipconnection

④(ア)ResNet

 (イ)DenseNet

  

 

 

Q29欧州委員会が2019年4月に発表した「人工知能(AI)に関する倫理ガイドライン」では信頼できるAIは合法的で倫理的、堅固であるべきとし、その条件として7要件を挙げた。

この要件に含まれない選択肢を1つ選べ。

 

①堅固性と安全性
(信頼できるAIには、全ライフサイクルを通じて、エラーや矛盾に対処し得る安全かつ確実、堅固なアルゴリズムが必要)
②透明性
(AIシステムのデータの処理のされ方などの追跡可能性の実現)
③説明責任
(AIとAIにより得られる結果について、責任と説明責任を果たすための仕組みを導入すべき)
④解釈性
(AIシステムの処理のされ方について人間が容易に解釈できる仕組みを導入すべき)

 

 

 

Q30機械学習において、適切な特徴量の選択を行った際の効果として最も不適切な選択肢はどれか。

 

①モデルの構造を単純化し理解しやすくできる

②過学習を防ぐことができる

③学習データを縮小することによって学習にかかる時間を短縮できる

④過去にないデータへの予測も行うことができる

 

 

 

Q31数学、統計学、機械学習においてコサイン類似度が1に近い値のときどのような意味になるか 最も適切な選択肢を1つ選べ。

 

①2つのベクトルのなす角が0度であり、完全に似ている

②2つのベクトルのなす角が45度であり、似ている

③2つのベクトルのなす角が90度であり、似ている、似ていないどちらにも無関係

④2つのベクトルのなす角が180度であり、完全に似ていない

 

 

 

Q32:空欄(ア)(イ)(ウ)に入る最も適切な組み合わせを1つ選べ

  

機械学習の手法の目標は「モデルの予測値と実際の目的変数との差をなくすこと」である。

関数の最小化問題として(ア)で(イ)を(ウ)した値がゼロとなる重みを求められれば、誤差関数が最小化されたことになる。

①(ア)誤差関数

 (イ)ニューラルネットワークの各層の重み

 (ウ)偏微分

②(ア)誤差関数

 (イ)ニューラルネットワークの各層の重み

 (ウ)全微分

③(ア)ニューラルネットワークの各層の重み

 (イ)誤差関数

 (ウ)偏微分

(ア)ニューラルネットワークの各層の重み

 (イ)誤差関数

 (ウ)全微分

 

 

 

 

Q33以下の文章を読み、空欄に最もよく当てはまる選択肢を1つ選べ

第2次AIブームでは、主に( )に注目が集まりました。 ( )を活用することで、第1次AIブームでなし得なかった現実的な課題の解決も可能になると期待されました。

 

①機械学習

②推論・探索

③表現学習

④エキスパートシステム

 

 

 

Q34以下の文章を読み、空欄に最もよく当てはまる選択肢を1つ選べ

( )は、深さが 8 層の畳み込みニューラル ネットワークです。 100 万枚を超えるイメージで学習させた事前学習済みのネットワークを、 ImageNetデータベースから読み込むことができます。

 

①Word2vec

②A3C

③VGGNet

④ AlexNet

 

 

 

Q35:単純なリカレントニューラルネットワーク(RNN)には長い系列を遡るにつれて学習が困難になるという問題があった。

しかし、ある手法(層)を使い、内部にゲート構造を設けることでその問題は解決された。

この手法点として最も適切な選択肢を一つ選べ。

 

①CEC(Constant Error Carousel)

②LSTM(Long Short Term Memory)

③BPTT(Backpropagation through time)

④Attention

 

 

 

Q36:次の選択肢の中から個人情報保護法で個人識別符号として定められていない選択肢を1つ選べ

 

①DNA

②指紋や掌紋

③顔の骨格

④携帯電話番号

 

 

 

Q37以下の文章が説明するものとして最も適切な選択肢を1つ選べ

Googleが開発したプロセッサ。

ディープラーニングの学習・推論に最適化されていて、Google自身は「Google Search」「Google Translate」「Google Photos」といったサービスで活用している。

 

①TPU

②CPU

③GPU

④GPGPU

 

 

 

Q38:(ア)(イ)に入る適切な選択肢を1つ選べ

 

ボードゲームのような問題において、自分のターンの時にスコアが最大となり、相手のターンの時に最小となるような方法を(ア)と呼ぶ。

さらに、得られたスコアに基づいて余計な探索を減らす方法を(イ)と呼ぶ。

 

(ア)モンテカルロ法

 (イ)ε-greedy法

(ア)Mini-Max法

 (イ)ε-greedy法

(ア)モンテカルロ法

 (イ)αβ法

(ア)Mini-Max法

 (イ)αβ法

 

 

 

Q39:過学習を抑制する方法として最も適切でないものを1つ選べ。

 

学習データの数を減らす

K分割交差検証

ドロップアウト

正則化

  

 

 

Q40LSTMの説明において空欄(ア)(イ)に当てはまる組み合わせとして最も適切な選択肢を1つ選べ

 

LSTMは、(ア)の一種で、強みは(イ)の学習や予測にあります。

一般的な応用分野としては感情分析、言語モデリング、音声認識、動画解析などがあります。  

 

(ア)RNN

 (イ)クロスセクションデータ

(ア)RNN

 (イ)時系列データ

(ア)CNN

 (イ)パネルデータ

(ア)CNN

 (イ)時系列データ

 


 

 

このページの先頭へ