2026/07/24 進捗 45／498
人工知能とは
2.人工知能分野で議論される問題
| シンギュラリティ |
| シンボルグラウンディング問題 |
| 身体性 |
| ダートマス会議 |
| トイ・プロブレム |
| 知識獲得のボトルネック |
| チューリングテスト |
| 中国語の部屋 |
| 強いAI |
| 弱いAI |
| 統計的機械翻訳 |
| フレーム問題 |
| ルールベース機械翻訳 |
| ローブナーコンテスト |
人工知能をめぐる動向
3.探索・推論
| αβ法 |
| Mini-Max法 |
| SHRDLU |
| STRIPS |
| 探索木 |
| ハノイの塔 |
| 幅優先探索 |
| 深さ優先探索 |
| ブルートフォース |
| モンテカルロ法 |
4.知識表現とエキスパートシステム
| Cycプロジェクト |
| DENDRAL |
| is-aの関係・has-aの関係・part-ofの関係 |
| QuestionAnswering |
| 意味ネットワーク |
| イライザ(ELIZA) |
| インタビューシステム |
| ウェブマイニング |
| オントロジー |
| セマンティックWeb |
| データマイニング |
| 東ロボくん |
| マイシン(MYCIN) |
| ワトソン |
5.機械学習
| 次元の呪い |
| スパムフィルタ |
| ビッグデータ |
| レコメンデーションエンジン |
| 統計的自然言語処理 |
6.ディープラーニング
| ImageNet |
| ILSVRC |
| LeNet |
| アルファ碁(AlphaGo) |
| 人間の神経回路 |
| ネオコグニトロン |
| 生成AI |
機械学習の概要
8.教師なし学習
| k-means法 |
| t-SNE |
| ウォード法 |
| 協調フィルタリング |
| クラスタリング |
| コールドスタート問題 |
| コンテンツベースフィルタリング |
| 次元削減 |
| 主成分分析(PCA) |
| 潜在的ディリクレ配分法(LDA) |
| 多次元尺度構成法(MDS) |
| デンドログラム(樹形図) |
| 特異値分解(SVD) |
| トピックモデル |
9.強化学習
| Actor-Critic |
| ε-greedy方策 |
| REINFORCE |
| Q学習 |
| UCB方策 |
| 行動価値関数 |
| 状態価値関数 |
| バンディットアルゴリズム |
| 方策勾配法 |
| マルコフ決定過程 |
| 割引率 |
| SARSA |
ディープラーニングの概要
11.ニューラルネットワークとディープラーニング
| CPU |
| GPU |
| TPU |
| 隠れ層・入力層・出力層 |
| 多層パーセプトロン |
| 単純パーセプトロン |
12.活性化関数
| LeakyReLU関数 |
| ReLU関数 |
| tanh関数 |
| シグモイド関数 |
| ソフトマックス関数 |
| 勾配消失問題 |
13.誤差関数
| ContrastiveLoss |
| TripletLoss |
| カルバック・ライブラー情報量(KL) |
| 交差エントロピー |
| 平均二乗誤差関数 |
16.最適化手法
| AdaBound |
| AdaDelta |
| AdaGrad |
| Adam |
| AMSBound |
| RMSprop |
| 鞍点 |
| イテレーション |
| エポック |
| オンライン学習 |
| 学習率 |
| 確率的勾配降下法(SGD) |
| グリッドサーチ |
| 勾配降下法 |
| 局所最適解 |
| 早期終了 |
| 大域最適解 |
| 二重降下現象 |
| ノーフリーランチの定理 |
| ハイパーパラメータ |
| バッチ学習 |
| ミニバッチ学習 |
| モーメンタム |
| ランダムサーチ |
18.畳み込み層
| AtrousConvolution |
| DepthwiseSeparableConvolution |
| DilatedConvolution |
| カーネル |
| ストライド |
| 畳み込み操作 |
| 畳み込みニューラルネットワーク(CNN) |
| 特徴マップ |
| パディング |
| フィルタ |
19.正規化層
| グループ正規化 |
| バッチ正規化 |
| レイヤー正規化 |
| インスタンス正規化 |
20.プーリング層
| グローバルアベレージプーリング(GAP) |
| 最大値プーリング |
| 不変性の獲得 |
| 平均値プーリング |
22.回帰結合層
| BPTT |
| GRU |
| LSTM |
| エルマンネットワーク |
| 勾配消失問題 |
| 勾配爆発問題 |
| 教師強制 |
| ゲート機構 |
| 双方向RNN(BidirectionalRNN) |
| 時系列データ |
| ジョルダンネットワーク |
| リカレントニューラルネットワーク(RNN) |
23.Attention
| Attention |
| Multi-HeadAttention |
| Self-Attention |
| Seq2Seq |
| Source-TargetAttention |
| Transformer |
| 位置エンコーディング |
| キー |
| クエリ |
| バリュー |
24.オートエンコーダ
| VQ-VAE |
| infoVAE |
| β-VAE |
| 次元削減 |
| 事前学習 |
| 積層オートエンコーダ |
| 変分オートエンコーダ(VAE) |
25.データ拡張
| Contrast |
| Brightness |
| Crop |
| CutMix |
| Cutout |
| Mixup |
| noising |
| paraphrasing |
| RandAugument |
| RandomErasing |
| RandomFlip |
| Rotate |
ディープラーニングの応用例
26.画像認識
| AlexNet |
| DeepLab |
| DenseNet |
| EfficientNet |
| FastR-CNN |
| FasterR-CNN |
| FCN(FullyConvolutionalNetwok) |
| FPN |
| GoogLeNet |
| MaskR-CNN |
| MnasNet |
| MobileNet |
| NAS(NeuralArchitectureSearch) |
| OpenPose |
| PSPNet |
| ResNet |
| SegNet |
| SENet |
| SSD |
| UNet |
| VGG |
| VisionTransformer |
| WideResNet |
| YOLO |
| 一般物体認識 |
| インスタンスセグメンテーション |
| 姿勢推定 |
| セマンティックセグメンテーション |
| 物体検出 |
| 物体識別 |
| パノプティックセグメンテーション |
27.自然言語処理
| BERT |
| BoW(Bag-of-Words) |
| CBOW |
| CEC |
| ELMo |
| fastText |
| GLUE |
| n-gram |
| PaLM |
| Seq2Seq |
| TF-IDF |
| word2vec |
| 感情分析 |
| 機械翻訳 |
| 形態素解析 |
| 構文解析 |
| 質問応答 |
| 情報検索 |
| スキップグラム |
| 単語埋め込み |
| 分散表現 |
| 文書要約 |
| ワンホットベクトル |
| 大規模言語モデル(LLM) |
| 統計的機械翻訳 |
28.音声処理
| A-D変換 |
| WaveNet |
| 音韻 |
| 音声合成 |
| 音声認識 |
| 音素 |
| 隠れマルコフモデル |
| 感情分析 |
| 高速フーリエ変換(FFT) |
| スペクトル包絡 |
| パルス符号変調器(PCM) |
| フォルマント |
| フォルマント周波数 |
| メル周波数ケプストラム係数(MFCC) |
| メル尺度 |
| 話者識別 |
| CTC |
29.深層強化学習
| A3C |
| Agent57 |
| APE-X |
| DQN |
| OpenAIFive |
| PPO |
| Rainbow |
| RLHF |
| sim2real |
| アルファスター(AlphaStar) |
| オフライン強化学習 |
| 残差強化学習 |
| 状態表現学習 |
| ダブルDQN |
| デュエリングネットワーク |
| ドメインランダマイゼーション |
| ノイジーネットワーク |
| 報酬成形 |
| マルチエージェント強化学習(MARL) |
| 連続値制御 |
30.データ生成
| CycleGAN |
| DCGAN |
| DiffusionModel |
| NeRF |
| Pix2Pix |
| 音声生成 |
| 画像生成 |
| 敵対的生成ネットワーク(GAN) |
| 文章生成 |
31.転移学習・ファインチューニング
| Few-shot |
| One-shot |
| 自己教師あり学習 |
| 事前学習 |
| 事前学習済みモデル |
| 破滅的忘却 |
| 半教師あり学習 |
32.マルチモーダル
| CLIP |
| DALL-E |
| Flamingo |
| ImageCaptioning |
| Text-To-Image |
| VisualQuestionAnswering |
| Unified-IO |
| Zero-shot |
| 基盤モデル |
| マルチタスク学習 |
33.モデルの解釈性
| CAM |
| Grad-CAM |
| LIME |
| PermutationImportance |
| SHAP |
| 説明可能AI(XAI) |
| エッジAI |
| 蒸留 |
| 宝くじ仮説 |
| プルーニング |
| モデル圧縮 |
| 量子化 |
34.AI プロジェクトの進め方
| AIのビジネス活用 |
| AIプロジェクトの進め方 |
| BPR |
| CRISP-DM |
| CRISP-ML |
| Docker |
| JupyterNotebook |
| MLOps |
| PoC |
| Python |
| WebAPI |
| アジャイル |
| ウォーターフォール |
| オープン・イノベーション |
| クラウド |
| 産学連携 |
| ステークホルダーのニーズ |
| データサイエンティスト |
| 他企業や他業種との連携 |
36.データの収集・加工・分析・学習
| アノテーション |
| オープンデータセット |
| コーパス |
| データリーケージ |
37.AI に必要な数理・統計知識
| 移動平均 |
| 確率分布 |
| 確率変数 |
| 確率密度 |
| 疑似相関 |
| 期待値 |
| 帰無仮説 |
| 共分散 |
| コサイン類似度 |
| 最小二乗法 |
| 最頻値 |
| 最尤法 |
| 条件付き確率 |
| 正規分布 |
| 相関係数 |
| 相互情報量 |
| 対立仮説 |
| 中央値 |
| 度数分布 |
| 二項分布 |
| 外れ値 |
| 標準偏差 |
| 平均 |
| 分散 |
| 偏相関係数 |
| ベルヌーイ分布 |
| ポアソン分布 |
| マハラノビス距離 |
| ユークリッド距離 |
AIに関する法律と契約
1.個人情報保護法
| GDPR |
| 仮名加工情報 |
| 個人識別符号 |
| 個人データ |
| 個人情報 |
| 第三者提供 |
| 匿名加工情報 |
| 保有個人データ |
| 要配慮個人情報 |
| 利用目的 |
| 委託 |
6.AI開発委託契約
| AI・データの利用に関する契約ガイドライン |
| NDA |
| 請負契約 |
| 準委任契約 |
| 精度保証 |
| PoC |
| 保守契約 |
AI倫理・AIガバナンス
8.国内外のガイドライン
| AI倫理 |
| AIガバナンス |
| 価値原則 |
| ハードロー |
| ソフトロー |
| リスクベースアプローチ |
9.プライバシー
| カメラ画像利活用ガイドブック |
| プライバシー・バイ・デザイン |
10.公平性
| アルゴリズムバイアス |
| 公平性の定義 |
| サンプリングバイアス |
| センシティブ属性 |
| 代理変数 |
| データの偏り |
11.安全性とセキュリティ
| AdversarialAttack(AdversarialExamples) |
| セキュリティ・バイ・デザイン |
| データ汚染 |
| データ窃取 |
| モデル窃取 |
| モデル汚染 |
18.AIガバナンス
| AIポリシー |
| ダイバーシティ |
| AIに対する監査 |
| 倫理アセスメント |
| 人間の関与 |
| モニタリング |
| 再現性 |
| トレーサビリティ |
📚 このテーマをもっと学びたい方へ
さらに理解を深めたい方には、G検定の公式テキストがお薦めです！
