【G検定予想問題】過学習・正則化・ドロップアウト
seo-webmaster
SEO・ウェブマスターブログ
【G検定予想問題】CNN・RNN・Transformer
seo-webmaster
プロモーションが含まれています
CNN・RNN・Transformer は、G検定でも頻出の重要テーマです。
ただし、「画像」「時系列」「自然言語」と丸暗記しているだけでは、少し聞き方が変わると迷いやすくなります。
この記事では、単なる暗記ではなく
- なぜその答えになるのか
- どこが引っかけなのか
- どう整理すると理解しやすいのか
まで含めて整理していきます。
問題①
画像認識で特に強みを持つモデルとして最も適切なものはどれか？
- A. RNN
- B. CNN
- C. Transformer
- D. 強化学習
- 解答・解説（クリックで開きます）
-
正解
B
解説
CNN（Convolutional Neural Network）は、画像の特徴を抽出することが得意なモデルです。
特に
- エッジ
- 模様
- 形
- 位置関係
などを学習できます。
そのため
- 画像分類
- 顔認識
- 物体検出
などで広く利用されています。
引っかけポイント
最近はTransformerも画像分野で利用されます。
しかし、G検定の基本整理としては- CNN → 画像
- RNN → 時系列
- Transformer → 自然言語
をまず押さえることが重要です
Q
問題②
文章や音声のように「順番」が重要なデータ処理で活躍したモデルとして最も適切なのはどれか？
- A. CNN
- B. RNN
- C. 決定木
- D. クラスタリング
- 解答・解説（クリックで開きます）
-
正解
B
解説
RNN（Recurrent Neural Network）は時系列データを扱うために作られたモデルです。
特徴は前の情報を保持しながら次を処理できることです。例えば
- 翻訳
- 音声認識
- 文章生成
- 株価予測
などで利用されていました。
引っかけポイント
現在の生成AIはTransformerが主流です。
しかし、「時系列処理で有名なモデル」としてRNNはG検定頻出です。
Q
問題③
現在のChatGPTなどの大規模言語モデル（LLM）の中心技術として最も適切なのはどれか？
- A. CNN
- B. RNN
- C. Transformer
- D. 線形回帰
- 解答・解説（クリックで開きます）
-
正解
C
解説
Transformerは、現在の生成AIの中心となっている技術です。
特に、Attention機構によって、文章全体の関係性を効率良く学習できます。
ChatGPTもTransformerベースで作られています。引っかけポイント
「文章 ＝ RNN」とだけ覚えていると迷いやすい問題です。
現在は、RNNよりTransformerが主流になっています。
Q
問題④
次の組み合わせとして正しいものはどれか？
- A. CNN：時系列 / RNN：画像 / Transformer：強化学習
- B. CNN：画像 / RNN：時系列 / Transformer：自然言語
- C. CNN：自然言語 / RNN：画像 / Transformer：回帰分析
- D. CNN：教師なし学習 / RNN：教師あり学習 / Transformer：クラスタリング
- 解答・解説（クリックで開きます）
-
正解
C
解説
Transformerは、現在の生成AIの中心となっている技術です。
特に、Attention機構によって、文章全体の関係性を効率良く学習できます。
ChatGPTもTransformerベースで作られています。引っかけポイント
「文章 ＝ RNN」とだけ覚えていると迷いやすい問題です。
現在は、RNNよりTransformerが主流になっています。
Q
問題⑤
RNNが苦手としていた問題として最も適切なものはどれか？
- A. 画像認識
- B. 長期依存問題
- C. 教師なし学習
- D. 正則化
- 解答・解説（クリックで開きます）
-
正解
B
解説
RNNは、文章が長くなると、前半の情報を保持しづらくなる問題がありました。
これを「長期依存問題」と呼びます。
Transformerは、Attention機構によって、文章全体を参照しやすくなっています。引っかけポイント
「文章処理 ＝ RNN」だけで覚えていると、Transformerが広まった理由を説明できません。
Q
問題⑥
Transformerで重要な役割を持つ機構として最も適切なのはどれか？
- A. 正則化
- B. Attention機構
- C. 活性化関数
- D. クラスタリング
- 解答・解説（クリックで開きます）
-
正解
B
解説
Attention機構は文章中の「どこに注目すべきか」を判断する仕組みです。
例えば
「私は昨日、映画を見た。それは面白かった。」
の「それ」が何を指しているかなど、文章全体の関係性を理解しやすくなります。
引っかけポイント
「Transformer ＝ 難しい」で終わるのではなく「文章全体を見やすくした仕組み」と理解すると整理しやすくなります。
Q
問題⑦
次の説明として最も適切なものはどれか？
- A. CNNは文章処理専用モデルである
- B. RNNは画像認識専用モデルである
- C. Transformerは長文処理に強みを持つ
- D. Transformerは時系列データを扱えない
- 解答・解説（クリックで開きます）
-
正解
C
解説
Transformerは、Attention機構によって、長文でも情報を保持しやすい特徴があります。
そのため
- ChatGPT
- Gemini
- Claude
などの生成AIでも利用されています。
引っかけポイント
「RNN ＝ 文章」だけで止まっていると、現在の生成AIとのつながりが見えにくくなります。
G検定では- RNNの弱点
- Transformerが普及した理由
まで理解しておくことが重要です。
Q
まとめ
CNN・RNN・Transformer は、G検定でも頻出の重要テーマです。
特に重要なのは、単なる暗記ではなく
- なぜCNNが画像に強いのか
- なぜRNNが時系列向きなのか
- なぜTransformerが普及したのか
まで理解することです。
まずは
- CNN → 画像
- RNN → 時系列
- Transformer → 自然言語
を整理し、その後に「なぜそうなるのか」を理解していくと、G検定でも応用が効きやすくなります。
関連記事・おすすめ記事
この予想問題よりもCNN・RNN・Transformerを詳しく整理しています。
関連記事
【G検定対策】CNN・RNN・Transformerの違いをわかりやすく整理
不合格体験記です。私のような失敗をしないように確認しましょう。
こちらもおすすめ
【不合格体験談】G検定に落ちた原因｜「成功体験」と「過学習」が落とし穴
書いている人
このブログの運営者（文系出身）です。SEO検定1級、ウェブマスター検定1級を取得しました。ブログ運営には「AIの活用は必須」と思いG検定を取得しました。G検定は簡単といわれがちですが1回目は不合格でした。その失敗経験を元に、これから受験する方の助けになればとできるだけわかりやすくG検定対策は解説しています。間違い等あればご指摘いただければ幸いです。
