HOME
G検定ジェネラリスト検定

「G検定ジェネラリスト検定」の記事一覧

データの「真の分布」がわからないときに；手元のデータを「何度も重複を許してサンプリング」し直して、統計量のばらつきを推定する手法はどれか。

少ないデータから信頼区間や標準誤差を算出するための強力なノンパラメトリック手法。

2026年1月25日

画像生成における「拡散モデル」の性能を飛躍させた；「画像を低次元の潜在空間に圧縮してから拡散を行う」アーキテクチャはどれか。

Stable Diffusionの基盤であり、計算コストを抑えつつ高画質な生成を可能にした。

2026年1月25日

ニューラルネットワークが学習データ（サンプル数 $n$）よりも圧倒的に多いパラメータ（数 $p$）を持つ際、なぜ過学習せずに精度が上がるのかを説明する仮説はどれか。

パラメータが増えると「過学習」の山を越えて、再び汎化性能が向上する現代的な知見。

2026年1月25日

LLMの性能を高める「アライメント」において；人間の評価データから直接、モデルの出力確率を調整する「報酬モデル不要」の手法はどれか。

計算が安定し、ChatGPTなどの後続モデルの学習効率を劇的に高めた技術。

2026年1月25日

強化学習において；エージェントが「現実世界で失敗する」のを防ぐため、まず「オフラインの固定データ」だけで学習させる手法を何というか。

追加の試行錯誤を行わず、既存のログデータから最適な方策を見つけ出す。

2026年1月25日

AIが「特定の人種の顔」を認識しにくい原因が、学習データにその人種が少なすぎること（データの不備）である場合、これを何バイアスと呼ぶか。

収集されたデータ自体が現実の分布を反映していないために生じる偏り。

2026年1月25日

LLMのAPIコストを最適化するために；「簡単な質問」には高速で安価なモデルを使い、「難しい質問」には高性能なモデルを使う切り替え機能を何というか。

コストパフォーマンスを最大化するための、実務的なオーケストレーション技術。

2026年1月25日

AIを導入した際；「これまでの投資（サンクコスト）」に執着して、より優れた新しいAI技術への移行をためらってしまう現象を何というか。

過去の成功や投資が、イノベーションを阻害する足かせになるリスク。

2026年1月25日

モデルが予測した結果が「なぜそうなったか」を；そのデータの「近くにある他のデータ」と比較して、判断の境界線を説明する手法はどれか。

複雑なモデルの局所的な挙動を、単純な線形モデルで近似して説明する。

2026年1月25日

非常に多くの説明変数がある場合；「重要な変数だけを選択」しつつ、モデルの「過学習を抑制」する正則化手法（L1正則化）の名称はどれか。

不要な変数の重みをゼロにすることで、モデルの解釈性と精度を両立する。

2026年1月25日