【E資格】性能指標まとめ｜混同行列・Precision・Recall・ROC/AUC・IoU・mAP
2026年7月4日
モデルの良し悪しは、タスクに合った指標で測らなければ正しく判断できません。この項目では、分類・回帰・物体検出・言語モデルまで、E資格で問われる主要な評価指標を体系的に整理します。計算問題として出題されやすい最重要項目のひとつです。
【G検定】Crop(クロップ)とは？センタークロップとランダムクロップの違いをわかりやすく解説
2026年7月4日
1枚の写真から、切り取る場所を変えるだけで何通りもの「別の画像」が作れます。この切り抜き操作がデータ拡張のCrop(クロップ)です。単純な操作ですが、切り取り方に「センタークロップ」と「ランダムクロップ」の2種類があり、その使い分けと注意点までがG検定の出題範囲になります。
【G検定】データ窃取とは？AI時代の情報漏洩リスクと対策をわかりやすく解説
2026年7月4日
AIの学習データには、個人情報や企業秘密がぎっしり詰まっています。そのデータが盗まれたら——。データ窃取は、AIシステムのセキュリティを考えるうえで最初に押さえるべきリスクです。G検定では「安全性とセキュリティ」の文脈で、データ汚染やモデル窃取と並べて問われます。
【G検定】データ汚染とは？学習データを狙うポイズニング攻撃とバックドアをわかりやすく解説
2026年7月4日
AIの弱点は、運用中だけでなく「学習中」にもあります。訓練データに細工したデータを紛れ込ませ、できあがるモデルそのものを歪めてしまう——これが「データ汚染」です。標的型と非標的型の2タイプ、そしてバックドアという恐ろしい仕掛けまで、仕組みを整理して解説します。
【G検定】Brightness(明るさ調整)とは？輝度を変えるデータ拡張をわかりやすく解説
2026年7月4日
同じ場所の写真でも、真昼と夕暮れでは明るさがまるで違います。この「明るさの違い」を人工的に作り出して学習データを増やすのが、データ拡張のBrightness(明るさ調整)です。単純ながら効果的で、画像認識の前処理として広く使われる基本手法です。