本文へスキップ
Studied
S!
G検定
/
カリキュラム
知る
カリキュラム
学ぶ
学習教材
解く
演習問題集
模擬試験
覚える
単語カード
クイズ
用語集
振り返る
学習状況
習得マップ
論点別正答率
復習
出題カバレッジ
ブックマーク
ホーム
状況
教材
演習
模試
用語集
カリキュラム
シラバスの10大項目に沿って章を分けています。前半で人工知能の全体像と機械学習・ディープラーニングの技術を、後半で応用例と社会実装、法律・倫理を学びます。
01
人工知能とは
教材3・問題51
1
人工知能とは何か:定義と4つのレベル
2
知能をめぐる問い:機械は考えられるのか
3
人工知能の歴史と限界の論点
02
人工知能をめぐる動向
教材6・問題116
1
探索と推論:迷路を解くように答えをさがす
2
知識表現:コンピュータに「意味のつながり」を持たせる
3
発展:ナレッジグラフと大規模言語モデル
4
エキスパートシステムと質問応答:専門家の知識を機械に写す
5
機械学習の登場と背景:ルールを書く時代から、データで学ぶ時代へ
6
ディープラーニングの登場と歴史:第三次ブームの引き金
03
機械学習の概要
教材10・問題209
1
教師あり学習と回帰:正解から予測を学ぶ
2
決定木とサポートベクターマシン:分ける手法の考え方
3
アンサンブル学習:多数のモデルで賢く決める
4
発展:勾配ブースティング木の実務(XGBoost・LightGBM)
5
クラスタリングと次元削減:教師なしで整理する
6
トピックモデルと推薦:話題と好みを見つける
7
強化学習の枠組み:試行錯誤から学ぶ
8
方策の学習とバンディット:行動の選び方を学ぶ
9
汎化性能と検証:未知のデータに強いモデルを選ぶ
10
評価指標:モデルの良し悪しをはかる
04
ディープラーニングの概要
教材9・問題160
1
ニューラルネットワークの基礎と計算資源
2
活性化関数:ニューラルネットワークに非線形性を与える
3
誤差関数:予測と正解のずれをはかる
4
誤差逆伝播法と勾配の問題
5
正則化:モデルが複雑になりすぎるのを防ぐ
6
勾配降下法とその変種
7
最適化アルゴリズム:賢い谷の下り方
8
学習の調整:止めどき・現象・探索
9
発展:スケーリング則と創発能力
05
ディープラーニングの要素技術
教材9・問題177
1
畳み込み層:画像を得意にするしくみ
2
正規化層・プーリング層・スキップ結合:学習を助ける部品
3
回帰結合層:順番のあるデータを扱う
4
発展:状態空間モデルと Mamba(長い系列への別解)
5
Attention と Transformer:注目のしくみが世界を変えた
6
発展:Transformer の機構を分解する
7
発展:専門家の混合(Mixture-of-Experts)
8
オートエンコーダ:圧縮して復元しながら学ぶ
9
データ拡張:手元のデータを増やして賢くする
06
ディープラーニングの応用例
教材25・問題432
1
画像分類モデルの系譜:AlexNet から Vision Transformer まで
2
物体検出:写っているものの位置まで見つける
3
セグメンテーションと姿勢推定:画素単位で塗り分ける
4
テキストの数値化と古典的手法:言葉を数に置きかえる
5
発展:トークナイゼーション(サブワード分割とBPE)
6
単語の分散表現:意味をベクトルで表す
7
言語モデルの発展:BERT から大規模言語モデルへ
8
発展:アライメント(指示チューニング・RLHF・DPO)
9
発展:推論特化モデル(考える時間を与えて解かせる)
10
自然言語処理の応用タスク:翻訳・要約・検索・質問応答
11
発展:検索拡張生成(RAG)と LLM エージェント
12
発展:言語モデルの評価(BLEU・ROUGE から人手・AI採点まで)
13
音声の信号処理と特徴量:音を数値にする
14
音声認識・音声合成・話者:声を理解し、声を作る
15
深層強化学習(価値ベース):DQN とその改良
16
深層強化学習(方策ベースと応用):A3C・PPO・RLHF
17
データ生成:GAN・拡散モデルと生成 AI
18
発展:拡散モデルと現行の画像・動画生成
19
転移学習とファインチューニング:事前学習を活かす
20
発展:効率的なファインチューニング(LoRA と QLoRA の考え方)
21
マルチモーダルと基盤モデル:画像と言葉をつなぐ
22
発展:マルチモーダルLLM(画像と言葉をつなぐ)
23
モデルの解釈性と軽量化:中身を説明し、軽くする
24
発展:説明可能AIを分解する(SHAP・LIME・Grad-CAM)
25
発展:モデルを小さく速くする(蒸留・量子化・プルーニング)
07
AIの社会実装に向けて
教材3・問題68
1
AIプロジェクトの企画と進め方
2
開発・運用の基盤:MLOpsと道具立て
3
データの扱いと留意点
08
AIに必要な数理・統計知識
教材4・問題78
1
確率の基礎:ばらつきのある世界を数で表す
2
記述統計とばらつき:データの中心と散らばりをつかむ
3
相関と距離:2つの量の関係と、近さのはかり方
4
推定・検定と、学習を支える数学
09
AIに関する法律と契約
教材6・問題53
1
個人情報保護法:個人の情報をどう守るか
2
著作権法とAI生成物:創作を守るルール
3
発展:生成AIと著作権(第30条の4と学習・生成の区別)
4
特許法と知的財産:発明を守るルール
5
不正競争防止法と独占禁止法:公正な競争を守るルール
6
AIの契約:開発の委託とサービスの提供
10
AI倫理・AIガバナンス
教材9・問題73
1
AI倫理とガイドライン:ソフトローとハードロー
2
発展:EU AI法と各国のAI規制
3
AIガバナンスの実践:組織で倫理を回すしくみ
4
プライバシーと公平性:データが生むかたより
5
発展:公平性の技術指標と差分プライバシー
6
安全性・セキュリティと悪用:攻撃と対策
7
発展:敵対的攻撃と大規模言語モデルの安全性
8
透明性と民主主義への影響:ブラックボックスと情報のかたより
9
環境・労働・その他の重要な価値:AIと社会の広い課題