【G検定過去問風テスト】異なるフレームワーク間を結ぶ「ONNX」の役割とは？
G検定のAI社会実装・推論最適化分野から「ONNX」に関する予想問題をピックアップ！フレームワーク間のモデル変換や相互運用性の仕組みを分かりやすく解説します。
【G検定過去問風テスト】MobileNetの核となる「Depthwise Separable Convolution」とは？
G検定の軽量モデル分野で頻出の「MobileNet」と「Depthwise Separable Convolution」を分かりやすく解説！空間方向とチャネル方向を分離する計算の仕組みや、ひっかけ問題対策をマスターしよう。
【G検定過去問風テスト】知識蒸留の仕組みと「生徒モデル」の特徴
G検定頻出の軽量化技術「知識蒸留」に関する実践予想問題。教師モデルから生徒モデルへの知識継承の仕組みやひっかけポイントを分かりやすく解説し、本番の得点力アップをサポートします！
【G検定過去問風テスト】モデルの軽量化手法に関する4択予想問題
G検定頻出の「モデルの軽量化・高速化」から、3大手法に関する実践的な予想問題を1問ピックアップ！分かりやすい解説とひっかけ問題対策で本番の得点力を一気に引き上げます。一発合格を目指そう！
【G検定対策】モデルの軽量化・高速化重要キーワード16選！量子化・蒸留・剪定からEdge AIまで完全解説
G検定の「モデルの軽量化」を完全攻略！量子化（INT8/FP16）、知識蒸留（教師・生徒モデル）、剪定（プルーニング）、MobileNetやTensorRTなどのエッジAI技術まで例え話で分かりやすく解説。ひっかけ問題対策や要点比較表も網羅し、一発合格へ！
【G検定過去問風テスト】EU GDPRにおける「説明を受ける権利」
G検定のXAI・法的背景から「説明を受ける権利」を過去問風問題で徹底解説！EUのGDPR（一般データ保護規則）による、自動化されたAIの決定理由を求める権利の考え方を分かりやすく解説します。
【G検定過去問風テスト】精度と解釈性のトレードオフ
G検定のXAI分野から「精度と解釈性のトレードオフ」を過去問風問題で徹底解説！予測精度が高まるほど内部構造が複雑化して解釈性が下がるという、AI開発における重要なジレンマを分かりやすく解説します。
【G検定過去問風テスト】PDP（部分従属プロット）による大域的分析
G検定のXAI分野から「PDP（部分従属プロット）」を過去問風問題で徹底解説！特定の特徴量が変化したときにAIの予測値が全体としてどう動くかを可視化する大域的分析手法の仕組みを分かりやすく解説します。
【G検定過去問風テスト】反事実的説明（Counterfactual Explanation）の仕組み
G検定のXAI分野から「反事実的説明」を過去問風問題で徹底解説！「もし〇〇だったら結果はどう変わっていたか」という条件変更を提示してAIの判断根拠を分かりやすく示す仕組みをサクッとマスターしましょう。
【G検定過去問風テスト】アテンションマップによる解釈・可視化技術
G検定のXAI分野から「アテンションマップ」を過去問風問題で徹底解説！Transformerなどのアテンション機構において、モデルが入力のどの領域や単語に注目したかを可視化する仕組みを分かりやすく解説します。