G検定

G検定取得に向けて勉強を始めました。自分のOutputとして、同じ取得に向けて頑張ってる人の参考になればとまとめています。執筆開始時点のシラバスは2004_v1.3です。
おかげさまで、2025#6にて合格しました。本ページに記載した内容は、あくまで勉強した内容であることをご了承ください。

初めに

G検定 完全ガイド｜勉強方法・難易度・克服のコツを初心者向けに体系解説

第1章 人工知能とは

• • 人工知能の定義（弱いAI・強いAI・AI効果・ロボットとの違い）

• • AI分野で議論される問題（シンギュラリティ、チューリングテスト、中国語の部屋など）

第2章 人工知能をめぐる動向

• • 探索・推論（探索木、αβ法、モンテカルロ法など）

• • 知識表現とエキスパートシステム（MYCIN、Cyc、オントロジーなど）

• • 機械学習の登場と背景（ルールベースとの違い、応用例）

• • ディープラーニングの発展（ImageNet、AlphaGo、生成AIまで）

第3章 機械学習の概要

• • 教師あり学習（回帰・分類・SVM・決定木・ランダムフォレストなど）

• • 教師なし学習（クラスタリング、次元削減、PCA、LDAなど）

• • 強化学習（Q学習、SARSA、Actor-Criticなど）

• • モデルの選択・評価（過学習、交差検証、混同行列、ROC・AUC、MSE/RMSE/MAE）

第4章 ディープラーニングの概要と要素技術

• • ニューラルネットワーク基礎（パーセプトロン、CPU/GPU/TPU）

• • 活性化関数（ReLU、sigmoid、softmax、勾配消失問題）

• • 誤差関数（クロスエントロピー、KL情報量、Contrastive Lossなど）

• • 正則化（L1/L2、ドロップアウト）

• • 誤差逆伝播法（勾配消失・勾配爆発）

• • 最適化手法（SGD、Adam、学習率調整、ハイパーパラメータ探索）

• • 要素技術（CNN、RNN、Attention、オートエンコーダ、データ拡張、スキップ結合など）

第5章 ディープラーニングの応用

• • 画像認識（CNN系、YOLO、ResNet、Vision Transformerなど）

• • 自然言語処理（word2vec、BERT、GPT、LLM、ChatGPT）

• • 音声処理（音声認識、WaveNet、CTC、話者識別など）

• • 深層強化学習（DQN、A3C、AlphaStar、RLHFなど）

• • データ生成（GAN、Diffusion、NeRFなど）

• • 転移学習・ファインチューニング（事前学習モデル、破壊的忘却など）

• • マルチモーダル（CLIP、DALL-E、基盤モデル）

• • モデルの解釈性（SHAP、LIME、Grad-CAM、XAI）

• • モデルの軽量化（蒸留、量子化、エッジAI）

第6章 AIの社会実装に向けて

• • プロジェクトの進め方（PoC、MLOps、CRISP-DM/ML）

• • データの収集・加工・分析（アノテーション、オープンデータセット、データリーケージ）

第7章 AIに必要な数理・統計知識

• • 基本統計（平均・分散・標準偏差・相関係数）

• • 確率分布（二項分布、正規分布、ポアソン分布など）

• • 最適化・距離尺度（最小二乗法、KL情報量、マハラノビス距離、ユークリッド距離）

第8章 AIに関する法律と契約

• • 個人情報保護法（匿名加工情報、GDPRなど）

• • 著作権法（AI生成物の著作権、データ利用）

• • 特許法

• • 不正競争防止法

• • 独占禁止法

• • AI開発委託契約

• • AIサービス提供契約

第9章 AI倫理・AIガバナンス

• • 国内外のAIガイドライン（ソフトロー、ハードロー、リスクベースアプローチ）

• • プライバシー（プライバシー・バイ・デザイン）

• • 公平性（アルゴリズムバイアス、サンプリングバイアス）

• • 安全性とセキュリティ（敵対的攻撃、モデル窃取）

• • AI悪用（ディープフェイク、フェイクニュース）

• • 透明性と説明可能性（ブラックボックス問題、XAI）

• • 民主主義への影響（フィルターバブル、エコーチェンバー）

• • 環境負荷（AI学習の電力消費、気候変動）

• • 労働政策（AIと雇用、スキルの喪失）

• • その他の価値（軍事利用、自律性、インクルージョン）

• • AIガバナンス（監査、倫理アセスメント、トレーサビリティ）