gk
まずどこから？
- はじめて：人工知能とは → 機械学習の概要 → ディープラーニングの概要
- 画像まわり：ディープラーニングの要素技術 → 応用例（物体検出・セグメンテーション）
- 試験直前：チートシート → ひっかけ問題集
目次
技術分野
人工知能とは
- AI三大ブームまとめ（第一次〜第三次）
- 第二次AIブーム
- 強いAIと弱いAIの違いとは？【汎用AIと特化AI｜G検定対策】
- ビッグデータとは？G検定対策
- 第3次AIブームとは？（要因まとめ）
- AI効果とは？（当たり前化するAI）【G検定対策】
- 機械学習におけるフレーム問題とは？【G検定対策】
- シンボルグラウンディング問題とは？【G検定対策】
- トイプロブレム（Toy Problem）とは？【G検定対策】
- ローブナーコンテスト（Loebner Contest）とは？【G検定対策】
- チューリングテスト（Turing Test）とは？G検定対策
- 中国語の部屋（チューリングテストとの対比）とは？G検定対策
- シンボルグラウンディング問題とは？G検定対策
- シンギュラリティ（技術的特異点）とは？G検定対策
人工知能をめぐる動向
- 古典AIまとめ（探索・推論・知識表現）
- 知識表現まとめ（フレーム・意味ネット・論理）
- 古典AI vs 機械学習（最終比較チートシート）
- G検定 概念系 最終チートシート
- 東ロボくんプロジェクトとは？【成果と限界｜G検定対策】
- 単純パーセプトロン（Simple Perceptron）とは？G検定対策
- なぜXOR問題は解けないのか？（単純パーセプトロン）G検定対策
- 多層パーセプトロン（MLP）でなぜXOR問題が解けるのか？G検定対策
- 活性化関数（ReLU / Sigmoid / tanh）の役割とは？G検定対策
- ネオコグニトロンからCNNへの進化の流れとは？G検定対策
- STRIPS（計画問題）とは？G検定対策
- ILSVRC（ImageNet Large Scale Visual Recognition Challenge）とは？G検定対策
- 次元の呪い（Curse of Dimensionality）とは？G検定対策
- DENDRAL（初期の専門家システム）とは？【G検定対策】
- MYCIN（医療の専門家システム）とは？【G検定対策】
- 専門家システムの限界（なぜ衰退した？）【G検定対策】
機械学習の概要
代表的な手法
学習の種類
教師あり学習
- アンサンブル学習とは？（バギング・ブースティング・スタッキング）【G検定対策】
- ブースティングとは？（Boosting）【G検定対策】
- バギングとは？（Boostingとの違い）【G検定対策】
- ランダムフォレストとは？（バギングの代表例）【G検定対策】
- ベクトル自己回帰モデル（VAR）とは？【G検定対策】
- AR / MA / ARMA / ARIMAの違いまとめ【G検定対策】
- VARとARIMAの違い【多変量 vs 単変量の最終比較】
- ポアソン回帰とは？（カウントデータ）G検定対策
- ポアソン分布と二項分布の違いとは？G検定対策
- 二項分布とロジスティック回帰の関係とは？G検定対策
- ソフトマックス関数（Softmax）とは？G検定対策
教師なし学習
- k-means法とは？教師なし学習とクラスタリングの基本【G検定対策】
- k-means と階層型クラスタリングの違い【G検定頻出比較】
- 階層型クラスタリングとは？（凝集型・分割型）【G検定対策】
- クラスタリングと次元削減の違い【最終混同対策・G検定】
- デンドログラムとは？（階層型クラスタリングの可視化）【G検定対策】
- PCAとSVDの関係とは？（数式なしで理解）【G検定対策】
- k-means法とk-NNの違いとは？名前ひっかけ完全対策【G検定頻出】
- コールドスタート問題とは？推薦システム最大の弱点【G検定対策】
- MDS（多次元尺度構成法）とは？G検定対策
- t-SNE（t-distributed Stochastic Neighbor Embedding）とは？G検定対策
- UMAP（Uniform Manifold Approximation and Projection）とは？G検定対策
- SVD（特異値分解）とは？G検定対策
- 固有値分解（EVD, Eigenvalue Decomposition）とは？G検定対策
- トピックモデル（Topic Model）とは？G検定対策
- 潜在的ディリクレ配分法（LDA）とは？G検定対策
- 主成分分析（PCA：Principal Component Analysis）とは？G検定対策
強化学習
- 分散型強化学習とは？【特徴とマルチエージェントとの違い｜G検定対策】
- 強化学習チートシート（完全版）【G検定対策まとめ】
- 定常性とは何か？なぜ差分するのか【G検定対策】
- REINFORCEとは？（方策勾配法）G検定対策
- REINFORCEとActor-Criticの違いとは？G検定対策
- 勾配ブースティング（Gradient Boosting）とは？G検定対策
- Actor–Critic とは？（オン／オフポリシーの位置づけ）【G検定対策】
- A2C / A3C とは？（Actor–Critic の実装差）【G検定対策】
- パンディットアルゴリズム（Multi-Armed Bandit）とは？【探索と活用｜G検定対策】
- 割引率（γ）とは？将来報酬をどう評価するか【G検定対策】
- 状態価値関数（State Value Function）とは？G検定対策
- 差分学習（TD学習, Temporal Difference Learning）とは？G検定対策
- SARSA（オンポリシー強化学習）とは？G検定対策
- Q学習（オフポリシー強化学習）とは？G検定対策
- UCB方策（Upper-Confidence Bound）とは？【G検定対策】
- PPO（Proximal Policy Optimization）とは？【G検定対策】
- Q学習と方策勾配法の違いとは？【G検定超重要対比】
モデルの選択・評価
- 混同行列（Confusion Matrix）
- Accuracy（正解率）
- Precision（適合率）
- Recall（再現率）
- F1-score
- ROC曲線・AUC
- Precision–Recall曲線
- 評価指標まとめ（チートシート）
- RMSEとMAEの違い（回帰評価指標）
- 回帰評価指標まとめ（MSE / RMSE / MAE / R²）
- 回帰と分類の違い（評価指標の選び方）
- 学習データ・検証データ・テストデータの役割とは？【使い分け完全整理｜G検定対策】
- 交差検証（Cross Validation）とは？【k分割の考え方｜G検定対策】
- 時系列データの交差検証はなぜNG？【未来情報とデータリーケージ｜G検定対策】
- 赤池情報量基準（AIC）とは？G検定対策
- ベイズ情報量基準（BIC）とは？G検定対策
- AICとBICの違いまとめ（モデル選択）
- バイアスとバリアンスとは？（トレードオフ）【G検定対策】
- 交差検証（k-fold）と探索の組み合わせとは？【G検定対策】
- オッカムの剃刀とは？（Occam's Razor）【G検定対策】
- AI哲学4兄弟まとめ（オッカム・ノーフリーランチ・アヒル・フレーム）【G検定対策】
よくあるつまずき（過学習など）
ディープラーニングの概要
ニューラルネットワークとディープラーニング
- パーセプトロン（Perceptron）
- 多層パーセプトロン（MLP）
- 最適化手法まとめ（SGD / Adam など）
- バッチ学習・ミニバッチ・エポックまとめ
- 活性化関数の微分（ひっかけ対策）
- 勾配消失・勾配爆発（ひっかけ対策）
- 学習率スケジューリング（Learning Rate Scheduling）
- プルーニング（Pruning）
- モデル圧縮まとめ（Pruning・Quantization・Distillation）
- 損失関数（Loss / Cost / Objective）とは？【違いと使い分け｜G検定対策】
- 勾配消失問題とは？回避するための手法【G検定対策】
- GPGPUとは？（GPU汎用計算）G検定対策
誤差関数
- Contrastive Loss（コントラスト損失）とは？【G検定対策】
- Contrastive LossとTriplet Lossの違い【G検定対策】
- 交差エントロピー誤差（Cross Entropy）とは？【G検定対策】
- 交差エントロピーとKLダイバージェンスの違い【G検定頻出】
正則化
- 正則化・過学習対策まとめ
- 正則化（L1・L2）とは？バイアス・バリアンスとの関係【G検定対策】
- Dropoutとは？（暗黙的正則化）【G検定対策】
- Early Stoppingとは？（暗黙的正則化）【G検定対策】
最適化手法
- 勾配降下法（Gradient Descent）とは？【訓練誤差との関係｜G検定対策】
- バッチ勾配降下法とは？【G検定対策】
- 確率的勾配降下法（SGD）とは？G検定対策
- ミニバッチ学習（Mini-batch Gradient Descent）とは？G検定対策
- AdaGradとは？G検定対策
- RMSpropとは？G検定対策
- Adam（Adaptive Moment Estimation）とは？G検定対策
- AdaBoundとは？（学習率に上下限を持つ最適化手法）【G検定対策】
- モーメンタム（Momentum）
- AdaDelta（適応的学習率最適化）とは？【G検定対策】
- AMSBound（AMSGrad＋SGDの最適化手法）とは？【G検定対策】
- Adam / RMSProp / AdaDelta / AdaBound の違い【4点比較｜G検定対策】
- 最適化手法まとめ（チートシート）
- 最適化手法まとめ（SGD / AdaGrad / RMSprop / Adam）
- 二重降下現象とは？（Double Descent）【G検定対策】
- グリッドサーチとランダムサーチとは？【G検定対策】
- ベイズ最適化とは？（グリッド・ランダムとの違い）【G検定対策】
- 交差検証（k-fold）と探索の組み合わせとは？【G検定対策】
- ハイパーパラメータとパラメータの違いとは？【G検定対策】
- SGD / Momentum / Adam 系の系譜まとめ【1枚理解｜G検定対策】
- 最適化手法まとめ（SGD / Adam / AdaGrad / RMSprop / AMSGrad / AdaBound / AMSBound / Adadelta）【G検定対策】
- G検定ひっかけ最適化問題10連発【SGD / Adam / RMSprop ほか｜解説付き】
誤差逆伝播法（Backpropagation）
- 誤差逆伝播法（Backpropagation）
- 勾配降下法（Gradient Descent）とは？【訓練誤差との関係｜G検定対策】
- 信用割当問題（Credit Assignment Problem）とは？G検定対策
活性化関数
- シグモイド関数（Sigmoid Function）とは？【G検定対策】
- 勾配消失問題とは？（なぜシグモイドが減った？）【G検定対策】
- Leaky ReLU（リーキーReLU）
- ReLU / Leaky ReLU / PReLU（比較チートシート）
- 活性化関数まとめ
ディープラーニングの要素技術
ネットワークの構成要素
- CNN（畳み込みニューラルネットワーク）
- 畳み込み（Convolution）
- プーリング（Pooling）
- CNN代表モデルまとめ（LeNet / AlexNet / VGG / ResNet）
- Dilated Convolution（空洞畳み込み）
- Pooling・Stride・Dilated Convolution の違い
- グローバルアベレージプーリング（Global Average Pooling）
- 勾配消失・勾配爆発
- Embedding / Word2Vec
- インスタンス正規化（Instance Normalization）とは？G検定対策
- Batch・Layer・Instance Normalizationの違いとは？【正規化まとめ】G検定対策
- Atrous Convolution（拡張畳み込み）とは？【DeepLabで使われる理由｜G検定対策】
- Atrous ConvolutionとPoolingの違いとは？【受容野と解像度の観点で整理｜G検定対策】
- 白色化（Whitening）とは？G検定対策
- 標準化（Standardization）とは？G検定対策
- 正規化（Normalization）とは？G検定対策
リカレントニューラルネットワーク (RNN)
- RNN（再帰型ニューラルネットワーク）
- LSTM（長短期記憶）
- GRU（Gated Recurrent Unit）
- エンコーダ・デコーダ（Encoder-Decoder）
- RNNエンコーダ・デコーダ（Seq2Seq）とは？【G検定対策】
- Attention（注意機構）
- Seq2SeqからTransformerへの進化【Attention登場の理由】
- LSTMはなぜ非定常データを扱えるのか？【G検定対策】
- BPTT（時間方向の誤差逆伝播）とは？G検定対策
- ジョルダンネットワーク（Jordan Network）とは？【RNNの基本構造｜G検定対策】
- エルマンネットワークとは？RNNの基本構造【G検定対策】
- ジョルダンネットワークとElmanネットワークの違いとは？【RNN比較｜G検定対策】
- 勾配消失問題とは？原因と対策まとめ【RNN・深層学習｜G検定対策】
- 教師強制（Teacher Forcing）とは？【RNN・系列モデルの学習手法｜G検定対策】
トランスフォーマー (Transformer)
- Transformer（概要）
- Source-Target Attention（Encoder-Decoder Attention）とは？G検定対策
- Attention機構（Self-Attention）とは？【文脈理解の仕組み｜G検定対策】
- 位置エンコーディング（Positional Encoding）とは？【Transformerの弱点補完｜G検定対策】
- Transformerの全体構造（Encoder / Decoder）とは？【BERT・GPTとの関係｜G検定対策】
- Multi-Head Attentionとは？複数視点で関係性を学ぶ仕組み【G検定対策】
オートエンコーダ
- 変分オートエンコーダ（VAE）とは？【生成モデルの基本｜G検定対策】
- オートエンコーダ（AE）と変分オートエンコーダ（VAE）の違いとは？【G検定対策】
- 異常検知でAE（オートエンコーダ）を使う理由とは？【G検定頻出】
- VAEを異常検知に使うと何が違う？AEとの比較【G検定対策】
- 異常検知手法まとめ（AE / VAE / Isolation Forest / One-Class SVM）【G検定対策】
- DAE（デノイジングオートエンコーダ）とは？G検定対策
- CAE（畳み込みオートエンコーダ）とは？G検定対策
- VQ-VAE（Vector Quantized Variational AutoEncoder）とは？【G検定対策】
- β-VAE・infoVAE・VQ-VAEの違い【G検定頻出比較】
ディープラーニングの応用例
画像認識
ネオコグニトロンとLeNet
- ネオコグニトロンとは？【G検定対策】
- LeNetとは？【G検定対策】
- Anchor Box / Default Box / RPN
- CNNの畳み込み層の出力サイズ
- CNN 計算問題まとめ（出力サイズ・パラメータ数）
- CNN 計算ひっかけ問題集（出力サイズ・パラメータ数）
- Pooling層の計算ひっかけ問題集（出力サイズ）
- CNNまとめ1枚チートシート（G検定対策）
- CNN vs Transformer（G検定対策）
- ResNet・DenseNet・EfficientNet 比較（G検定対策）
- 画像タスク総まとめ（分類・検出・セグメンテーション）
- インスタンスセグメンテーションとは？（物体検出・セマンティックとの違い）【G検定対策】
- 物体検出・セマンティック・インスタンスの違い【3点比較チート｜G検定対策】
- 物体検出とセグメンテーションの違い【G検定体系図】
- Vision Transformer（ViT）とは？CNNとの違い【G検定対策】
- 画像系頻出用語 一気通貫チェック【G検定対策】
データ拡張
- Brightness（明るさ調整）とは？【データ拡張｜G検定対策】
- Contrast / Saturation / Hue とは？（色系データ拡張の違い）【G検定対策】
- データ拡張まとめチートシート（色系 × 幾何系）【G検定対策】
- RandAugmentとは？AutoAugmentとの違い【画像データ拡張｜G検定対策】
- AutoAugment・RandAugment・TrivialAugmentの違い【画像データ拡張 完全比較｜G検定対策】
- データ拡張と正規化（BatchNormなど）の違いとは？【G検定頻出整理】
- 正則化・データ拡張・正規化の違いとは？【L1/L2/Dropout vs BatchNorm｜G検定対策】
- Random Flipとは？左右反転データ拡張の基本【G検定対策】
- Random CropとRandom Translationの違いとは？【画像データ拡張｜G検定対策】
- CutMixとは？画像を切って混ぜるデータ拡張【G検定対策】
- 画像データ拡張 全操作チートシート【G検定1ページ総まとめ】
物体認識タスク
- AlexNet（ディープラーニング革命の起点）とは？G検定対策
- VGG（Very Deep CNN）とは？G検定対策
- GoogLeNet（Inception）とは？G検定対策
- ResNet（残差接続）とは？G検定対策
- WideResNet（幅を広げたResNet）とは？G検定対策
- DenseNet（高密度接続CNN）とは？G検定対策
- SENet（Squeeze-and-Excitation Network）とは？G検定対策
- MobileNet（軽量CNN）とは？G検定対策
- MnasNetとは？AutoML時代のモバイル向けCNN【G検定対策】
- EfficientNet（Compound Scaling による高効率CNN）
物体検出タスク
- 物体検出（Object Detection）とは？G検定対策
- 物体検出モデル総まとめ（SSD / YOLO / R-CNN系）
- SSD（Single Shot MultiBox Detector）
- Faster R-CNN
- YOLO（You Only Look Once）
- R-CNN / Fast R-CNN
- FPN（Feature Pyramid Network）とは？G検定対策
- FPN・SSD・YOLOの違いとは？【物体検出まとめ】G検定対策
セグメンテーションタスク
- SegNet（セマンティックセグメンテーション）
- SegNet（セグメンテーションネットワーク）とは？【G検定対策】
- U-Net（セマンティックセグメンテーション）
- SegNet vs U-Net 比較チートシート【G検定頻出】
- FCN（Fully Convolutional Network）
- セマンティックセグメンテーション系まとめ（FCN / U-Net / SegNet）
- DeepLab vs U-Net vs Mask R-CNN（役割比較）G検定対策
- PSPNet（ピラミッドシーンパースネットワーク）とは？G検定対策
- パノプティックセグメンテーション（Panoptic Segmentation）とは？G検定対策
- DeepLab（セマンティックセグメンテーション）とは？G検定対策
姿勢推定タスク
マルチタスク学習
音声処理
- パルス符号変調（PCM）とは？【G検定対策】
- 音色の違い（MFCC）
- フォルマントとは？（音声スペクトルのピーク）【G検定対策】
- 音声特徴量まとめ（フォルマント / MFCC / スペクトログラム）【G検定対策】
- 音声認識における前処理まとめ（PCMから特徴量まで）【G検定対策】
- VAD（音声区間検出）とは？G検定対策
- 隠れマルコフモデル（HMM）とは？G検定対策
- 音韻（phoneme）とは？【G検定対策】
自然言語処理
- BERT（双方向Transformer）とは？G検定対策
- GPT（自己回帰モデル）とは？G検定対策
- BERTとGPTの違い【比較チートシート｜G検定対策】
- TF-IDFとは？【単語の重要度指標｜G検定対策】
- Bag of Words（BoW）とは？【文章の数値化手法｜G検定対策】
- Word2Vec（CBOW / Skip-gram）とは？【分散表現の基本｜G検定対策】
- 分散表現とは？【One-hotとの比較で理解｜G検定対策】
- Word2VecとBERTの決定的な違いとは？【意味と文脈の違い｜G検定対策】
- Embedding層とは？【単語IDを意味ベクトルに変換｜G検定対策】
- NLP完全チートシート（最終まとめ）【G検定対策】
- MLM（Masked Language Model）とは？【BERTの学習方法｜G検定対策】
- CBOWモデルとは？（Word2Vec）【G検定対策】
- スキップグラム（Skip-gram）とは？【G検定対策】
- 局所表現と分散表現の違いとは？G検定対策
- one-hot と Embedding の違いとは？G検定対策
- CBOW と Skip-gram の違いとは？G検定対策
- Embedding と ELMo・BERT の違いとは？G検定対策
- BERTはなぜRNNではなくTransformerなのか？G検定対策
- RLHF（人間フィードバックによる強化学習）とは？【G検定対策】
- 感情分析（Sentiment Analysis）とは？【NLP基本タスク｜G検定対策】
- TF-IDF・Word2Vec・BERTの違いとは？役割で整理するNLP基礎【G検定対策】
- Attention・Transformer・BERTの関係とは？【仕組みで整理｜G検定対策】
- 単語分散表現とは？TF-IDFが含まれない理由【G検定対策】
- Word2Vec・FastText・GloVeの違いとは？単語分散表現の整理【G検定対策】
- N-gramとは？文字・単語を分割する基本手法【NLP基礎｜G検定対策】
- Paraphrasing（言い換え）とは？意味を保つテキスト拡張【G検定対策】
- 形態素解析（Morphological Analysis）とは？【G検定対策】
- 形態素解析・構文解析・意味解析の違い【NLP3段階まとめ｜G検定対策】
深層強化学習
- デュエリングネットワーク（Dueling Network）とは？G検定対策
- DQN（Deep Q-Network）とは？Experience Replay【G検定対策】
- マルチエージェント強化学習とは？【AlphaStarとの関係｜G検定対策】
- AlphaGoとAlphaStarの違い【比較チートシート｜G検定対策】
- 強化学習の代表的手法まとめ（DQN・Policy Gradient・Actor-Critic）【G検定対策】
- Sim2Realとは？（シミュレーションから現実へ）【G検定対策】
- ノイジーネットワークとは？（ε-greedyを使わない探索）【G検定対策】
- DQN改良手法まとめ（Double / Dueling / Noisy / Prioritized）【G検定対策】
- DQNとPolicy Gradientの違い【強化学習体系図・G検定対策】
- Agent57（強化学習エージェント）とは？【G検定対策】
- DQN / AlphaGo / AlphaStar / Agent57【強化学習の系譜まとめ】
- APE-X（Distributed Prioritized Experience Replay）とは？【G検定対策】
- DQN / Double DQN / Prioritized Replay / APE-X【強化学習の系譜まとめ】
- オンポリシー vs オフポリシーとは？（DQN系の位置づけ）【G検定対策】
- OpenAI Fiveとは？Dota2特化AIの正しい理解【G検定対策】
- AlphaGo・AlphaGo Zero・AlphaZero・OpenAI Five・AlphaStar 完全比較【G検定対策】
- ドメインランダム化とは？（リアリティギャップ対策）【G検定対策】
- 差分学習（TD学習, Temporal Difference Learning）とは？G検定対策
- Rainbow（強化学習アルゴリズム）とは？【G検定対策】
- 報酬成形（Reward Shaping）とは？【G検定対策】
- ノイズネットワーク（Noisy Nets）とは？【G検定対策】
データ生成
- DCGAN（Deep Convolutional GAN）
- GANの派生モデルまとめ
- GAN と VAE の違い（生成モデル比較）
- Diffusion Model（拡散モデル）
- Stable Diffusion（拡散モデルの代表例）
- VAEとGANの違い【生成モデル 比較チートシート｜G検定対策】
- Pix2Pix（画像変換モデル）とは？G検定対策
- CycleGAN（Pix2Pixとの違い）とは？G検定対策
- GANとConditional GANの違いとは？【1ページ比較・G検定対策】
- VAE・GAN・Pix2Pixの違い【最終チートシート｜G検定対策】
- GANは異常検知に使える？【超ひっかけ整理｜G検定対策】
- NeRF（Neural Radiance Fields）とは？3D再構成のためのニューラルレンダリング【G検定対策】
転移学習・ファインチューニング
- 破壊的忘却（Catastrophic Forgetting）とは？【連続学習の落とし穴｜G検定対策】
- 破壊的忘却を防ぐ方法とは？EWCとリプレイ手法【G検定対策】
- 正の転移・負の転移・破壊的忘却の違いとは？【G検定頻出まとめ】
- 事前学習とファインチューニングは何が違う？転移学習との関係【G検定対策】
- 自己教師あり学習（Self-Supervised Learning）とは？疑似ラベルで学ぶ仕組み【G検定対策】
- 継続学習（Continual Learning）とは？破壊的忘却と対策まとめ【G検定対策】
- Few-shot学習とは？少量データで学ぶ仕組み【G検定対策】
- Few-shot・Zero-shot・転移学習の違い【少量データ学習の整理｜G検定対策】
- One-shot学習とは？1例だけで未知クラスを識別【G検定対策】
マルチモーダル
- Flamingo（マルチモーダルFew-shotモデル）とは？G検定対策
- PaLM（大規模言語モデル）とは？G検定対策
- PaLM-E（環境対応マルチモーダルモデル）とは？G検定対策
- CLIP（画像とテキストの対応付けモデル）とは？G検定対策
- BLIP（画像キャプション生成モデル）とは？CLIPとの違い【G検定対策】
- Unified-IO（統一入出力マルチモーダルモデル）とは？G検定対策
- DALL·E（テキストから画像を生成するモデル）とは？G検定対策
- マルチモーダルモデル総まとめ【最終チートシート｜G検定対策】
- Visual Question Answering（VQA）とは？画像に質問して答えるAI【G検定対策】
モデルの解釈性
- AIモデルの説明可能性（XAIと性能のトレードオフ）
- CAM と Grad-CAM（クラス活性化マップ）
- LIME と SHAP の違い（XAI 深掘り）
- Permutation Importance（置換重要度）とは？【G検定対策】
- Permutation Importance vs SHAP【G検定頻出比較】
モデルの軽量化
AIの社会実装に向けて
- エッジAI（Edge AI）
- エッジAI vs クラウドAI（使い分けチートシート）
- CRISP-DM
- CRISP-DM と 機械学習パイプラインの違い
- CRISP-ML（機械学習プロセス標準）とは？G検定対策
- MLOps（機械学習運用）とは？G検定対策
- MLOpsの手順とは？【G検定対策】
- DevOps（開発と運用の連携）とは？MLOpsとの対比【G検定対策】
- データサイエンティスト・ビジネスアナリスト・エンジニアの役割整理【G検定対策】
- 機械学習プロジェクトの全体像（企画〜運用）【G検定対策】
- データリーケージ（Data Leakage）とは？【原因と典型例｜G検定対策】
法律・倫理分野
AI倫理・AIガバナンス
- AIの公平性とバイアス（Fairness）
- AIとプライバシー・個人情報保護
- AIの安全性とロバスト性（Safety / Robustness）
- AIガバナンスと社会実装
- 仮名加工情報
- 匿名加工情報
- 個人情報保護法（重要ポイント整理）
- 個人情報保護法まとめ（G検定対策）
- AI倫理まとめ（G検定対策）
- プライバシー・バイ・デザインとは？（考え方）【G検定対策】
- 限定提供データとは？（不正競争防止法）【G検定対策】
- データポータビリティの権利とは？（GDPR）【G検定対策】
- GDPRの権利とは？（消去権・訂正権）【G検定対策】
- GDPRと日本の個人情報保護法の違いとは？【G検定対策】
- AI技術の特許とは？（特許対象になる・ならない境界）【G検定対策】
- AIを活用したフェイクニュースとは？【G検定対策】
- ディープフェイク（Deepfake）とは？【フェイクニュースとの違い】
- ディープフェイク検出技術とは？【G検定対策】
- AIの開発における倫理アセスメントとは？【G検定対策】
- フィルターバブル（Filter Bubble）とは？G検定対策
- エコーチェンバー（Echo Chamber）とは？G検定対策
- LAWS（自律型致死兵器システム）とは？G検定対策
- 人間中心のAI社会原則とは？7つの原則とG検定ひっかけ整理
- インクルージョン（包摂性）とは？AI開発で重視される社会的視点【G検定対策】
- GDPRの権利とは？（消去権・訂正権）【G検定対策】
- スキルの喪失（Skill Loss）とは？G検定対策
- 個人情報の第三者提供とは？【G検定対策】
- データ窃取攻撃（Data Extraction Attack）とは？【G検定対策】
- メンバーシップ推論攻撃（Membership Inference Attack）とは？【G検定対策】
- モデル窃取攻撃（Model Extraction Attack）とは？【G検定対策】
- データ窃取・メンバーシップ推論・モデル窃取 攻撃まとめ【G検定チートシート】
- 差分プライバシー（Differential Privacy）とは？【G検定対策】
試験対策
チートシート（試験直前）
- ニューラルネットワーク総まとめ（チートシート）
- ニューラルネットワーク最終チートシート（試験直前）
- 探索と機械学習の違い（どっちを使う？）
- AI倫理まとめ（XAI・公平性・プライバシー）
- 音声認識まとめ（WaveNet・CTC・RNN）