【G検定】Cutoutとは？画像の一部をマスクして過学習を防ぐデータ拡張をわかりやすく解説
2026年7月5日
学習画像のあちこちに、わざと四角い「目隠し」を貼って見えなくする——そんな意地悪な訓練でモデルを強くするのがCutoutです。2017年に提案されたCNN向けの正則化手法で、のちのCutMixの源流にもなりました。G検定では「マスクするだけでラベルは変えない」という点が最大の識別ポイントです。
【G検定】モデル窃取とは？APIから学習済みAIが複製される仕組みと対策を解説
2026年7月5日
何億円もかけて開発した学習済みAIモデルが、API経由の問い合わせだけで「コピー」されてしまう——。モデル窃取は、AIそのものを標的にした知的財産の侵害です。G検定ではデータ窃取・データ汚染などと並ぶ「安全性とセキュリティ」の重要キーワードとして登場します。
【G検定】CutMixとは？画像の切り貼りとラベル混合で鍛えるデータ拡張をわかりやすく解説
2026年7月4日
犬の写真の一部を四角く切り取って、そこに猫の写真を貼り付ける。ラベルは「犬70%・猫30%」。そんな一見奇妙な学習データを作るのがCutMixです。CutoutとMixupの「いいとこ取り」として提案され、G検定ではこの3手法の違いを正確に区別できるかが問われる要注意キーワードです。
【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。