【E資格】パラメータの初期化戦略｜Xavier(Glorot)初期化とHe(Kaiming)初期化
2026年7月6日
ニューラルネットワークの重みをどのような乱数で初期化するかを学ぶ項目です。初期値の分散を適切に設計することで、深いネットワークでも信号や勾配が消失・発散せずに学習を始められる理由を理解します。
【G検定】エコーチェンバーとは？同じ意見だけが反響する現象とフィルターバブルとの違い
2026年7月6日
SNSを開くと、自分と同じ意見ばかりが流れてくる。「みんなそう思っている」と確信が深まる——実は、その「みんな」は社会のごく一部かもしれません。エコーチェンバーは、同じ意見が反響し合って増幅される情報環境の問題で、G検定では民主主義への影響とフィルターバブルとの区別が問われます。
【G検定】Random Flipとは？画像を反転するデータ拡張の効果と注意点をわかりやすく解説
2026年7月6日
猫の写真を左右反転しても、猫は猫のままです。この当たり前の性質を利用して学習データを2倍に増やせるのが、データ拡張の定番Random Flipです。この記事では、水平反転と垂直反転の使い分けと「反転してはいけない画像」まで解説します。
【G検定】ブラックボックスとは？AIの判断過程が見えない問題をわかりやすく解説
2026年7月6日
入力すれば答えは返ってくる。しかし「なぜその答えなのか」は中を覗いてもわからない——。AI、特にディープラーニングが抱えるこの不透明さが「ブラックボックス」問題です。G検定では説明可能性・データの来歴とともに「透明性」の文脈で問われる基本キーワードです。
【G検定】Random Erasingとは？画像をランダムにマスクするデータ拡張をCutoutとの違いまで解説
2026年7月6日
学習画像の一部をわざと塗りつぶす――一見もったいない操作が、実はモデルを強くします。この記事では、データ拡張手法Random Erasingの仕組みと効果、そして試験で混同しやすいCutoutとの違いを解説します。