FujiCert

AI基礎

深層学習（ディープラーニング）とは？

読み: しんそうがくしゅう英語: Deep Learning更新日: 2026-06-23

多層のニューラルネットワークを使い、画像、音声、自然言語などの複雑な特徴を学習する手法です。

試験で問われるポイント

  • 大量のデータと計算資源が必要になりやすいです。
  • 特徴量を自動的に学習できる点が従来手法との違いです。
  • LLMや画像生成AIの基盤にも深層学習が使われます。

具体例

画像の物体認識や音声認識、大規模言語モデルに利用されています。

よくある誤解

  • 深層学習では人間の確認が不要だと考える。
  • 深層学習だけがAIの全てだと考える。

対応試験

生成AIパスポートG検定AWS AI Practitioner

関連する表記: 深層学習 / ディープラーニング / Deep Learning / DL

関連問題で復習

生成AIパスポートAI・生成AIの基礎

深層学習（ディープラーニング）に関する次の記述のうち、最も不適切なものはどれか。

G検定人工知能（AI）とは

AIレベル4（深層学習を用いたAI）の特徴として、最も適切なものはどれか。

G検定人工知能をめぐる動向

AI研究における「第2次AIブーム」を牽引した技術として、最も適切なものはどれか。

DS検定データサイエンス

「ディープラーニング」に関する判断として最も避けるべきものはどれか。

G検定ディープラーニングの概要

「ReLU関数」の説明として、最も適切なものはどれか。

G検定ディープラーニングの概要

「誤差逆伝播法（バックプロパゲーション）」の説明として、最も適切なものはどれか。

G検定ディープラーニングの概要

「GPU」が深層学習で重要な理由として、最も適切なものはどれか。

G検定ディープラーニングの応用例

「機械翻訳」で現在主流のアプローチはどれか。

関連用語

大規模言語モデル（LLM）

大量のテキストで学習し、文章理解、生成、要約、翻訳、対話などを行う言語モデルです。

Transformer

Self-Attentionを中心に文脈中の単語同士の関係を扱う、現在のLLMの基盤的なモデル構造です。

ニューラルネットワーク

多数の重み付き結合を持つ層で構成され、入力と出力の関係を学習するモデル構造です。

FujiCertの用語解説は、各試験の公式問題ではなく、学習者が問題演習で つまずきやすい観点を整理した非公式の学習支援コンテンツです。