chevron_left

G検定（ジェネラリスト検定）対策講座（2026年版）
PREMIUM
第9回

【G検定対策講座】第9回：G検定合格のための総仕上げ問題（改訂版）③

2026年6月14日 45min
【G検定対策講座】第9回：G検定合格のための総仕上げ問題（改訂版）③ play_arrow おためし受講

スライド資料

会員登録して、全てのスライドを見よう

1 / 205

授業の概要

本授業では、総仕上げ問題100問のうち問51〜問75に取り組みます。

アンサンブル学習の違いや不均衡データへの対処法、CNNの出力サイズ計算などの機械学習・ディープラーニング分野に加え、LoRAやNeRF、AIエージェントなど、新シラバスで重要度が高まったテーマまでを総仕上げ問題を通じて幅広く確認します。2026年度からの新試験形式を意識しながら、時間配分を考えた実践演習を通じて、知識の定着と解答力を身につけます。

 

【この授業で学べること】

  • オンライン試験（100分・約145問）のペースを体に染み込ませる、1問あたり約41秒のタイムマネジメント実戦
  • バギングとブースティングの違い、不均衡データに対する適切なサンプリング（SMOTE等）や評価の選び方
  • 強化学習における方策（Policy）の概念、Adamオプティマイザの仕組み、CNNの出力サイズ計算アプローチ
  • セマンティックセグメンテーションとの違い、WaveNetや敵対的攻撃、VGG16やNICの構成といった深層学習の応用
  • 【新シラバス最重点】基盤モデルや創発的能力、自己教師あり学習の定義、LoRAやNeRF、CLIP、AIエージェントの核心技術

 

【授業構成】

  • イントロダクション
    • 講座の構成と第9回のゴール
  • 総仕上げ問題（問51〜問75）の演習と詳細解説
    • 【問51〜問55】バギングとブースティング、不均衡データ（SMOTE）、強化学習の方策、CNN出力サイズ計算、Adamの特徴
    • 【問56〜問61】インスタンスセグメンテーション、WaveNetの役割、敵対的攻撃、活性化関数の出力範囲、VGG16の構成、NIC（画像脚注付け）
    • 【問62〜問65】基盤モデルの定義、創発的能力（エマージェント能力）、自己教師あり学習、LoRAによる効率的な微調整
    • 【問66〜問70】NeRFによる3D復元、Zero-shotとFew-shot、LLM発展の時系列、トークナイゼーション、RAGとファインチューニングの使い分け
    • 【問71〜問75】Multi-Head Attention、Stable Diffusionの潜在空間、CLIPの対照学習、コンテキストウィンドウ、AIエージェントの仕組み

こんな人にオススメ

G検定を受験する方

担当の先生／パーソナリティ

チャプター

play_arrow
問51~
08:10
play_arrow
問56~
09:10
play_arrow
問61~
08:37
play_arrow
問66~
08:48
play_arrow
問71~