G検定の対策


1:人工知能(AI)の定義と技術動向・研究における問題

AIによる情報処理の仕組み

木探索(幅優先、深さ優先)

木構造の「探索アルゴリズム(BFS/DFS)」を体感的に学べるゲーム。各手法の特徴と処理順序を可視化し、AI実装で重要なデータ構造と探索戦略の理解を深めます。


2:機械学習の基本概念・具体的な手法・精度評価

2-1 機械学習の主要分野の基本

教師あり学習・教師なし学習・強化学習当てゲーム

教師あり・なし・強化学習の違いを、アニメーションとクイズ形式で視覚的に理解できる教育ゲーム。機械学習の3大分類の特徴と適用例を直感的に学べます。

アニメーションで学ぶ:単回帰 (Regression)

回帰は連続値を予測する学習手法。このデモは線形回帰を可視化し、データから傾向を数式(y=ax+b)で学ぶプロセスを体験できます。教師あり学習の基本です。

アニメーションで学ぶ:回帰と分類の違い(線形回帰 vs. ロジスティック回帰)

線形回帰は連続値の予測、ロジスティック回帰は確率に基づく分類が目的。本デモでは、直線とS字曲線の違いを視覚的に体験でき、分類と回帰の本質を直感的に学べます。

教師あり学習クイズ

代表的な分類アルゴリズム(k-NN、ナイーブベイズ、決定木、ランダムフォレスト)の違いを可視化しながら学べるクイズ。教師あり学習の多様な手法と境界の特徴を直感的に理解できます。

ナイーブベイズ分類器

ベイズの定理に基づき、ナイーブベイズ分類器がどう「尤度 × 事前確率」で分類するかを体験できる。仮定の単純さと計算の仕組みを視覚で理解できる良質な学習ツール。

アニメーションで学ぶ: K-meansクラスタリング

K-meansクラスタリングの流れをアニメーションで視覚化。割り当て・更新・収束の反復や、エルボー法による最適k選定など、教師なし学習の代表的手法を直感的に理解できます。

k-NN vs k-means 当てゲーム

分類(k-NN)とクラスタリング(k-means)の違いを視覚的に理解できるゲーム。教師あり・なし学習の本質的な差と、「近傍vs重心」の考え方を直感的に学べます。

教師なし学習クイズ

クラスタリングや次元削減など、教師なし学習の代表的手法(k-means、DBSCAN、PCA)をクイズ形式で視覚的に学べます。各手法の特徴や適用シーンを直感的に理解できます。

次元削減 vs クラスタリング

次元削減(PCA)とクラスタリング(k-means等)の違いを視覚的に体感できます。PCAは軸を減らし、クラスタリングは点を分類。用途や出力の違いを理解する練習に最適です。

2-2 過学習と汎化性能

バギングのデモ

Baggingは、データをランダム抽出して複数の決定木を学習させ、予測結果を多数決で統合することで汎化性能を高めるアンサンブル手法です。

ブースティングのデモ

弱学習器(決定株)を多数組み合わせ、誤分類データに重点を置いて精度を高めるAdaBoostの仕組みを、視覚的に理解できる体験型アンサンブル学習デモです。

アンサンブル学習 当てゲーム

アンサンブル学習の3手法(Bagging・Boosting・Stacking)の特徴を、動きの違いで直感的に理解できる体験型クイズ。モデルの構造や学習順序の違いが視覚で学べます。

散布図で学ぶ過学習

モデルの複雑さによる「訓練誤差」と「真の誤差」の変化を視覚化。過学習と汎化性能の関係を、次数の変化を通じて直感的に理解できる体験型デモです。

バイアス-バリアンス トレードオフ

機械学習の「バイアスとバリアンスのトレードオフ」を、ステップごとに進められるインタラクティブなアニメーションで視覚的に解説しています。

標準化と正規化

標準化と正規化の違いを視覚的に学べるデモ。平均・分散を調整する標準化と、値を0〜1にスケーリングする正規化を体験し、使い分けの理解を深められます。

2-3 機械学習の具体的な手法

リアルタイム決定木(Decision Tree)

ジニ不純度に基づいて分岐する決定木の仕組みを、リアルタイムに構築・可視化。データ点を自ら配置し、深さ調整による過学習や決定境界の変化を直感的に理解できます。

2-4 精度評価とハイパーパラメータの最適化

交差検証

交差検証は訓練データ内でモデル性能を安定評価する手法、テストデータは最終的な汎化性能の確認用。学習と評価を分離する重要性を視覚的に体験できます。

再現率(Recall) vs 適合率(Precision)

しきい値操作によって再現率と適合率がどのようにトレードオフ関係にあるかを可視化。がん検診やスパム検出など、ユースケース別に指標の重要度を直感的に体験できます。

ROC曲線

ROC曲線とAUCの概念を視覚的に体験できるデモ。しきい値によるTPR・FPRの変化を混同行列とともに確認でき、分類モデルの識別性能と評価方法を直感的に理解できます。

2-5 データ加工

欠損データ補完

欠損補完の代表的手法である「平均値補完」と「回帰補完」を視覚的に比較できるツール。バイアスや相関の変化など、補完方法の影響を実データで体験しながら理解できます。


3:数学・統計の基礎知識

3-1 二変数の関係

相関係数と回帰係数

相関係数と回帰係数の違いを視覚的に理解できるゲーム。直線的な関係の強さ(相関)と傾き(回帰)の違いを体感し、統計的な直感と数式理解を同時に鍛える良質な演習教材です。

3-2 基礎統計量

標準偏差

正規分布やばらつきの視覚的特徴から標準偏差を推定。統計的直感を養いながら、分散・平均との関係や「±1σ」などG検定頻出の正規分布の理解を深められる実践ゲームです。

中心極限定理

試行を繰り返すと平均が期待値に収束(大数の法則)、サンプル平均の分布は正規分布へ(中心極限定理)—確率論の基礎を視覚的に体感できる学習ツールです。

3-3 確率・期待値・確率分布

事後確率の求め方

ベイズの定理を「仮説Hと証拠E」で視覚的に体感。有病率や感度、偽陽性率の変化が事後確率に与える影響を直感的に理解でき、条件付き確率の本質を掴めます。

3-4 微分・偏微分

微分と積分

微分で「瞬間の変化」、積分で「変化の蓄積」を視覚体験。速度と距離の関係を通して、微積分が互いに逆の操作であることを直感的に理解できます。

偏微分

偏微分と勾配(全微分)の違いを3D地形で視覚化。最急降下方向や各変数の変化が損失に与える影響を直感的に学び、勾配降下法の理解を深める実践教材です。

3-5 線形代数(ベクトル、行列)

線形代数:ベクトルの基本演算

内積・射影・ベクトル和など、線形代数の基本演算を視覚的に理解できる体験教材。ベクトルの意味や操作の幾何学的直感が深まり、G検定の基礎力強化に効果的です。

3-6 AI・データサイエンス特有の数学・統計学

コサイン類似度1

コサイン類似度の数式と幾何的意味を、2Dベクトル操作を通じて直感的に学べる教材。自然言語処理や推薦システムの理解に最適です。

コサイン類似度2

コサイン類似度の数式と幾何的意味を、文章ベクトルの体験を通じて直感的に学べる教材。自然言語処理や推薦システムの理解に最適です。

KLダイバージェンス

確率分布を操作してKLダイバージェンスの仕組みを体感できる、直感的で学び深いインタラクティブ可視化ツールです。


4:ディープラーニングの仕組み

4-1 ニューラルネットワークの学習の基本

活性化関数を体験する

活性化関数の役割と特徴(ステップ・シグモイド・ReLU)を、数式・アニメ・グラフで体験的に理解。非線形変換の意義や出力の違いが視覚的に学べる教材です。

活性化関数を当てよう!クイズ

活性化関数のグラフ形状から名称・数式・用途を当てるクイズ形式の教材。ReLU・Sigmoid・Softmaxなどの理解を、視覚と選択を通じて定着させることができます

ディープラーニング:順伝播と逆伝播

順伝播と逆伝播による予測・学習の流れを視覚的に体験。誤差逆伝播法・重み更新の理解を、アニメーションとインタラクションを通して直感的に学べる教材です。

4-2 ニューラルネットワークの学習における工夫

勾配降下法の説明(回帰直線)

勾配降下法によるパラメータ更新を、回帰直線・損失関数・傾きの可視化で体験的に学習。ステップ単位で学習率・傾き・更新式を確認でき、最適化の仕組みが直感的に理解できます。

バッチ勾配降下法 (BGD) 、確率的勾配降下法 (SGD) 、ミニバッチ勾配降下法

勾配降下法の3種(BGD, SGD, ミニバッチ)の違いを、軌跡の“揺れ方”から体験的に推測するゲーム。更新単位と軌道の関係を視覚で理解し、最適化手法の特徴を直感的に学べます。

SGD、Momentum、Adam:2D

最適化手法の違いを視覚化し、SGD・Momentum・Adamの特徴や部分最適解からの脱出性能を比較体験。勾配と慣性・自動調整の仕組みを直感的に理解できるインタラクティブ教材です。

SGD、Momentum、Adam:3D

SGD・Momentum・Adamが3D損失曲面をどう探索するかを視覚化。学習経路・局所解の罠・慣性や自動調整の効果を比較し、各手法の特性と違いを体感的に理解できます。

4-3 リカレントニューラルネットワーク(RNN)

4-4 畳み込みニューラルネットワーク(CNN)と画像認識

目で見てわかるCNNアルゴリズム

CNNの基本処理である畳み込み・ReLU・プーリングをグリッド操作とアニメーションで直感的に学習。画像認識で特徴抽出がどのように行われるか、視覚的に理解できます。

データ拡張の種類

学習データが少ないと、過学習しやすくなります。そこで使われるのがデータ拡張です。主な拡張手法(Cutout, Mixup, Random Crop, Random Erasing)を画面上でシミュレーション表示しながら学べます。

4-5 深層強化学習

ε-greedy法当てゲーム

AIが不確実性下で最適行動を選ぶ「探索と活用」の戦略を、ゲーム形式で体験。ε-greedyなどの手法の違いを視覚的に学べます。

モンテカルロ法で円周率を近似

確率的手法「モンテカルロ法」による円周率近似を視覚体験。乱数と幾何学を使い、統計的推定の仕組みを直感的に学べる教材です。

4-6 オートエンコーダとその応用

オートエンコーダ・シミュレーター

オートエンコーダは、データを圧縮・復元し特徴抽出を行う自己教師あり学習モデル。このシミュレータは潜在空間の役割と生成の仕組みを直感的に理解するのに役立ちます。


5:ディープラーニングの応用と発展

5-1 一般物体認識とその応用

画像認識 vs 物体検出 vs 物体認識

画像認識(classification)と物体検出(detection)の違いを直感的に学べる体験型クイズ。AIの視覚タスクの理解が深まり、G検定の出題分野に直結します。

データ拡張当てクイズ

画像に施されたAI向けデータ拡張手法を当てる、視覚×知識で楽しむインタラクティブなクイズアプリです。

5-2 自然言語処理

NLP解析ステップ当てゲーム

形態素解析から文脈解析まで、自然言語処理の各ステップを可視化して学べるクイズ形式の教材。NLPパイプラインの理解を深めるのに有効です。

TF-IDF当てクイズ

TF(単語の出現頻度)とIDF(逆文書頻度)に基づき、単語の重要度をクイズ形式で体感。文書分類・特徴抽出の仕組みを直感的に理解できます。

RNN vs LSTM vs Transformer 当てゲーム

各モデルの「記憶」と「注目」の違いを視覚と体験で学習。逐次処理・長期依存性・Self-Attentionの特徴が直感的に理解でき、モデル間の違いを本質から習得できます。

Skip-gram vs CBOW 判定ゲーム

単語ベクトル学習の基本であるCBOWとSkip-gramの違いをアニメーションで視覚的に理解できる。文脈とターゲットの関係を体験的に学べ、自然言語処理の基礎力が身につく。

5-3 音声認識・音声生成

A-D変換シミュレーター

アナログ信号のサンプリング・量子化・符号化を視覚化し、A-D変換のプロセスを体験的に理解できます。ディジタル化の本質や情報量・誤差の関係が直感的に学べます。

5-4 生成AIの仕組みと応用

拡散モデル (Diffusion Model) 

拡散モデルの「ノイズ付加→ノイズ除去」の2段階プロセスを可視化。Stable Diffusionなどの画像生成AIが、確率的推論を通じて画像を生成する仕組みを直感的に理解できます。

5-5 深層強化学習・ロボティクスへの応用

MIN-MAX法を説明する3目並べ

MIN-MAX法の探索戦略と評価関数を視覚的に理解できるゲーム。AIの手の選び方と探索深さの影響を体感し、強化学習や探索アルゴリズムの直観的理解に役立ちます。

5-6 モデルの説明と解釈

生成AI研修のおすすめメニュー

投稿者プロフィール

山崎講師
山崎講師代表取締役
セイ・コンサルティング・グループ株式会社代表取締役。
岐阜県出身。
2000年創業、2004年会社設立。
IT企業向け人材育成研修歴業界歴20年以上。
すべての無駄を省いた費用対効果の高い「筋肉質」な研修を提供します!
この記事に間違い等ありましたらぜひお知らせください。