弱点項目一覧 — G検定勉強ノート

モデル一覧マップ

G検定に登場するモデルの全体像を俯瞰するマップ
モデル名一覧（モデルのみ）

モデル名だけをまとめたクイックリファレンス
略語一覧（モデル名以外）

手法・指標・データセットなどモデル以外の略語をまとめて確認
モデル解説 1/5 — 画像分類＋軽量CNN

AlexNet / VGGNet / GoogLeNet / ResNet / SENet / EfficientNet / NAS
モデル解説 2/5 — 物体検出＋セグメンテーション＋姿勢推定

R-CNN系 / YOLO / SSD / FCN / U-Net / Mask R-CNN / OpenPose
モデル解説 3/5 — 画像生成

GAN系 / VAE / 拡散モデル / CLIP / DALL·E / Stable Diffusion
モデル解説 4/5 — NLP

Word2Vec / Seq2Seq / Transformer / BERT / GPT
モデル解説 5/5 — 音声＋強化学習＋マルチモーダル

WaveNet / DQN / AlphaGo / マルチモーダルAI
DQN をイチからわかりやすく解説

Q学習からDQNへの発展、経験再生・ターゲットネットワークの仕組み
DQN改良版をイチからわかりやすく解説

Double DQN / Dueling Network / Noisy Network / Rainbow
FCN をイチからわかりやすく解説

全結合層を畳み込みに置換してセグメンテーションを実現する仕組み
SegNet & U-Net をイチからわかりやすく解説

エンコーダ・デコーダ構造とスキップ接続によるセグメンテーション
PSPNet & DeepLab をイチからわかりやすく解説

Pyramid Pooling / Atrous Convolution によるマルチスケール手法
GAN とその派生モデルをイチからわかりやすく解説

DCGAN / Pix2Pix / CycleGAN / StyleGAN など派生モデルを整理
XAI（説明可能なAI）の手法をイチからわかりやすく解説

LIME / SHAP / Grad-CAM の仕組みと使い分け
Transformer 完全ガイド

Self-Attention、マルチヘッド、位置エンコーディングを図解
ResNet 完全ガイド

残差接続の仕組みとResNetの構造を徹底解説
平均・分散・標準偏差・標準化の整理

統計量の基本概念と標準化の手法を整理
4つの正規化手法

Batch Norm / Layer Norm / Instance Norm / Group Normの比較
L0・L1・L2 正則化

正則化手法の違いと使い分けを図解
ナイーブベイズ解説

ベイズの定理と条件付き独立の仮定を丁寧に解説
トピックモデルとディリクレ分布

LSA → pLSA → LDA の発展とディリクレ分布の役割
音声認識・音声合成の基礎概念

STT/TTS、MFCC、HMM、WaveNetなどを整理
特徴表現学習（Representation Learning）

特徴量の自動学習とEnd-to-End学習の考え方
Ward法 vs K-Means法

階層的クラスタリングと非階層的クラスタリングの比較
確率分布をイチからわかりやすく解説

正規分布・二項分布・ベルヌーイ分布など主要な確率分布を整理
ポアソン分布をイチからわかりやすく解説

「まれな事象の回数」を扱うポアソン分布の仕組みと応用