【G検定】入力層とは？ニューラルネットワークの入り口とノード数の決まり方を解説
2026年6月11日
どんなに高性能なニューラルネットワークも、データを受け取る「入り口」がなければ始まりません。その入り口が入力層です。地味な存在に見えますが、「データをどう数値にしてネットワークに渡すか」を決める層であり、ノード数がデータの形で決まるという特有のルールがあります。隠れ層・出力層とセットで確実に押さえましょう。
【G検定】Web APIとは？AIの機能を「借りて使う」仕組みをわかりやすく解説
2026年6月11日
地図も決済も画像認識も、いまどきのアプリは自前で全部作っていません。他社が提供する機能をインターネット越しに「借りて」組み合わせています。その受け渡し口がWeb APIです。AIの機能を手軽にサービスへ組み込む手段として、G検定第7章のAIプロジェクト実務の文脈で登場します。
【G検定】隠れ層とは？ニューラルネットワークの中間層の役割と深さの意味を解説
2026年6月11日
「ディープラーニングのディープ（深い）とは何が深いのか？」——答えはこの隠れ層です。入力層と出力層の間に挟まれ、外からは見えない場所でデータの特徴を段階的に抽出していく隠れ層は、ニューラルネットワークの表現力の源泉です。G検定では層構造の基本として必ず押さえておきたいキーワードです。
【G検定】Pythonとは？AI開発の標準言語になった理由をわかりやすく解説
2026年6月11日
AI開発の現場で「とりあえず何の言語を使う？」と聞けば、ほぼ間違いなく返ってくる答えがPythonです。なぜ数あるプログラミング言語の中でPythonがAIの標準語になったのか——G検定第7章では、AIプロジェクトを実際に動かすための開発環境の知識として登場します。
【G検定】TPUとは？Googleが開発したディープラーニング専用プロセッサを解説
2026年6月11日
CPUは汎用、GPUは画像処理からの転用——では「最初からディープラーニングのためだけに設計されたチップ」を作ったらどうなるか。その答えがGoogleのTPUです。G検定では「誰が」「何のために」開発したかが問われる頻出キーワードで、CPU・GPUとの3点セットで整理するのが定石です。この記事では「専用設計」という切り口からTPUを解説します。