本文へ移動
資格ブートキャンプ無料で問題演習
無料WEB問題演習

G検定 WEB問題演習

G検定の解説付きWEB問題を全900問公開しています。今日の10問、科目別演習、間違い復習を使って、理解度確認と弱点対策を無料で進められます。

教材区分 オリジナル予想問題

掲載している問題は、試験範囲や公式情報等を参考に、資格ブートキャンプが独自に制作した試験対策用の予想問題です。実際の過去問を転載したものではありません。

0%
学習進捗0 / 900問
▦
本日の学習0 / 10問残り10問
🔥
連続学習0日ベスト：0日
◎
正答率-%直近100問
効果的な使い方

WEB問題の効果的な使い方

G検定の理解度確認と弱点対策に活用できます。

まずは「今日の10問」で習慣化

一度に大量の問題を解くより、毎日少しずつ継続して問題に触れることで、 知識の抜けや忘れている論点を見つけやすくなります。 正解数だけでなく、迷った問題も復習対象として確認してください。

苦手分野は「科目別学習」で集中対策

正答率が低い科目や理解が曖昧な分野は、科目別に繰り返して解きます。 同じ論点を複数回解くことで、選択肢の違いだけを覚えるのではなく、 正解の根拠を説明できる状態を目指します。

  1. 最初に10問程度解いて現在の理解度を確認する
  2. 間違えた問題・迷った問題の解説を確認する
  3. 苦手科目を科目別学習で集中的に解く
  4. 数日後に「間違い復習」で定着したか確認する
学習方法を使い分ける

WEB問題とPDF教材の使い分け

WEB問題が向いている学習

その場で採点・解説を確認したいとき、日々の学習進捗や正答率を見ながら学びたいとき、 間違えた問題だけを効率よく復習したいときに向いています。

PDF教材が向いている学習

科目ごとにまとめて問題を解きたいとき、印刷して書き込みながら学びたいとき、 端末へ保存してオフラインで繰り返し復習したいときに向いています。

WEB問題で弱点を見つけ、PDF教材で該当科目を反復し、その後に再びWEB問題で確認すると、 「理解度確認 → 弱点整理 → 反復復習 → 再確認」という学習サイクルを作りやすくなります。

科目別学習

科目を選択する

科目ごとの問題から設定数ずつ出題します。

問題データを読み込んでいます…

情報について 教材内容は試験対策用です。制度・試験情報は必ず公式発表も確認してください。

実際の収録問題から掲載

G検定（JDLA Deep Learning for GENERAL）の代表問題

資格ブートキャンプでは、 G検定（JDLA Deep Learning for GENERAL）のWEB問題を公開しています。 以下は実際に収録している問題から、 収録科目ごとに1問ずつ掲載した代表問題です。

すべて4択形式で、 正答だけでなくア・イ・ウ・エそれぞれの解説と 総合解説を確認できます。

代表問題1 GK01 人工知能の基礎・歴史・動向

出題分野：人工知能の定義・分類

人工知能（AI）の説明として、最も適切なものはどれか。

  1. ア． 知覚・推論・学習・意思決定など、知的とみなされる機能を機械で実現しようとする研究・技術分野である。
  2. イ． 人間の脳を生物学的に完全複製することだけを目的とする分野である。
  3. ウ． 大量のデータを保存するデータベース技術の総称である。
  4. エ． 数値計算を高速に行うすべてのコンピュータ処理を指す。
答え・解説を見る

正答： ア

【各選択肢の解説】
ア：AIは単一の厳密な定義に限られないが、人間が知的とみなす機能を計算機で扱うという捉え方は代表的である。
イ：AI研究には脳の仕組みを参考にする立場もあるが、生物学的完全複製だけが目的ではない。
ウ：データベースはAIで利用されることがあるが、保存技術そのものをAI全体とは呼ばない。
エ：高速な数値計算だけでは、知覚・推論・学習などの知的機能を扱うというAIの特徴を表せない。

【総合解説】
AIは定義の仕方に幅があるが、知的とみなされる振る舞いや能力を人工的なシステムで実現することを中心課題とする。G検定では、定義が一意ではない点も含めて概念を区別できることが重要である。
代表問題2 GK02 機械学習・数理統計

出題分野：回帰・線形回帰

教師あり学習における回帰の説明として、最も適切なものはどれか。

  1. ア． 入力から連続値の目的変数を予測する課題である。
  2. イ． 入力データを正解ラベルなしで似た群に分ける課題である。
  3. ウ． 各状態で将来報酬を最大にする行動を学ぶ課題である。
  4. エ． 入力を必ず二つのクラスだけに分ける課題である。
答え・解説を見る

正答： ア

【各選択肢の解説】
ア：回帰は価格・温度・需要量など連続的な数値を予測する代表的な教師あり学習である。
イ：これはクラスタリングであり、教師なし学習に分類される。
ウ：これは強化学習の説明である。
エ：これは二値分類の説明であり、回帰ではない。

【総合解説】
回帰と分類はどちらも教師あり学習だが、目的変数が連続値かカテゴリかで基本的に区別する。
代表問題3 GK03 ディープラーニング基礎・要素技術

出題分野：ニューラルネットワーク・多層ネットワーク

人工ニューロンの基本的な処理として、最も適切なものはどれか。

  1. ア． 複数の入力を重み付きで合成し、バイアスを加えた値に活性化関数を適用して出力する。
  2. イ． 入力を重みと無関係にそのまま複製し、常に同じ値を出力する。
  3. ウ． 正解ラベルを入力として受け取り、そのラベルだけを次層へ転送する。
  4. エ． 入力特徴量を必ず一つだけ選び、残りを永久に削除する。
答え・解説を見る

正答： ア

【各選択肢の解説】
ア：人工ニューロンは入力の線形結合に非線形変換を組み合わせる基本単位として表現される。
イ：重みや活性化関数による変換を行うため、単なる複製ではない。
ウ：推論時に正解ラベルを入力することを前提としない。
エ：一般には複数入力を重み付きで統合する。

【総合解説】
ニューラルネットワークでは、各ニューロンの重み・バイアスと非線形性を層状に組み合わせて複雑な写像を表現する。
代表問題4 GK04 ディープラーニング応用・生成AI

出題分野：画像分類・CNN

画像分類タスクの出力として最も典型的なものはどれか。

  1. ア． 画像全体に対して一つまたは複数のクラスラベルを予測する。
  2. イ． 画像中の各物体へ境界ボックスを付与する。
  3. ウ． 各画素へクラスラベルを付ける。
  4. エ． 音声波形を文字列へ変換する。
答え・解説を見る

正答： ア

【各選択肢の解説】
ア：画像分類は画像全体のカテゴリを予測するタスクである。
イ：これは物体検出の説明である。
ウ：これはセマンティックセグメンテーションの説明である。
エ：これは音声認識である。

【総合解説】
画像分類では空間的位置の詳細を直接出力せず、画像単位のカテゴリ判断を行う。
代表問題5 GK05 AIの社会実装・プロジェクト

出題分野：課題設定・AI適用可能性の判断

AIプロジェクトの企画で最初に明確にすべきこととして最も適切なものはどれか。

  1. ア． 解決したい業務課題と、改善したい事業上の成果を具体化する。
  2. イ． 利用するニューラルネットワークの層数を先に固定する。
  3. ウ． GPUの機種だけを先に決める。
  4. エ． AIを導入すること自体を最終目的にする。
答え・解説を見る

正答： ア

【各選択肢の解説】
ア：AI手法の選定より先に、何を改善するのかを明確にすることが重要である。
イ：課題やデータを確認する前にモデル構造を固定するのは適切でない。
ウ：計算資源は要件に応じて後から選定する。
エ：AIは目的ではなく課題解決の手段である。

【総合解説】
AI適用の可否は、課題、データ、評価可能性、運用条件、リスクを総合して判断する。
代表問題6 GK06 AI関連法規・倫理・ガバナンス

出題分野：個人情報保護法・個人情報・個人データ

個人情報保護法上の「個人情報」の説明として最も適切なものはどれか。

  1. ア． 生存する個人に関する情報で、氏名等により特定の個人を識別できるものや個人識別符号を含むもの。
  2. イ． 法人に関する情報はすべて個人情報である。
  3. ウ． 死者に関する情報は常に個人情報保護法上の個人情報である。
  4. エ． 氏名が削除されていれば必ず個人情報ではない。
答え・解説を見る

正答： ア

【各選択肢の解説】
ア：個人情報には、他の情報と容易に照合して個人を識別できるものや個人識別符号を含むものも含まれる。
イ：法人そのものに関する情報は原則として個人情報の定義とは異なる。
ウ：同法の定義は生存する個人に関する情報を基本とする。
エ：他情報との容易照合等で個人識別できる場合がある。

【総合解説】
氏名の有無だけでなく、個人識別可能性や個人識別符号の有無を確認する。