分野 T｜テクノロジ
ディープラーニング（ニューラルネットワーク・画像認識）
今の制度の過去問（3回分）では、ディープラーニングに用いる技術、バックプロパゲーション、音声認識が、合わせて4問出ています。
シラバス案 Ver.0.1（2026年8月31日公表）の『4-18-2 ディープラーニングの特徴』
最終更新
よく出る形
- ディープラーニングに用いる技術や、特徴を自動で取り出す技術を選ぶ（3回分で2問）
- バックプロパゲーション（重みを直す学習方法）で行うことを選ぶ（3回分で1問）
- 音声認識（音声をテキストにする処理）に当たる処理を選ぶ（3回分で1問）
- 問われるとしたら：事例で、傷の判定に用いるモデルを選ぶ形
- 問われるとしたら：音声処理・自然言語処理・画像認識の a〜c の組合せの形
覚えること
- ニューラルネットワーク：人間の脳の神経細胞の働きを模した、入力層・中間層・出力層の仕組み
- ディープラーニング（深層学習）：中間層を多層にしたニューラルネットワークで行う機械学習
- ディープラーニングの特徴：大量のデータから、特徴を自動的に取り出して学習する
- バックプロパゲーション：誤差を小さくするように、各ノードの重みを調整する学習方法
- 画像認識モデル：画像に写った物の種類などを識別するモデル
- 自然言語処理モデル：文章の意味を解析し、翻訳や要約、文章の生成などを行うモデル
- 音声処理モデル：音声をテキストに変換する音声認識や、テキストを音声にする音声合成を行うモデル
ひっかけ
- 「ディープ」は中間層が多いこと。データの量の多さではない
- 音声認識は音声をテキストにする処理。意味の理解や応答の生成は別の処理
想定問題
4問（四肢択一）。選ぶと、その場で正解と解説が開きます。
この判定の方法として、最も適切なものはどれか。
A 社の製造ラインでは、製品の写真から傷の有無を自動で判定したい。傷の種類は多く、人が傷の特徴を一つずつ定義して、判定の手順に書き込むのは難しい。
正解：エ 画像認識モデルを用いて、多数の写真から傷の特徴を自動的に学習し、傷の有無を判定する。
ポイント
写真から傷を判定するときに用いるモデルと、特徴の扱い方を問う問題です。
考え方と解き方
対象が画像か、音声か、文章かで、使うモデルが決まります。画像でも、特徴を人が定義する方法は、事例の条件に合いません。
- 判定の対象は製品の写真なので、画像に写った物を識別する画像認識モデルを用います。
- 傷の特徴を人が定義するのが難しいので、多数の写真から特徴を自動的に取り出して学習する方法が合います。
- したがって、最も適切なのは エ です。
ほかの選択肢
- ア 自然言語処理モデルは、文章の意味を解析するモデルです。対象は写真で、説明文ではありません。
- イ 音声処理モデルは、音声をテキストにするなどのモデルです。判定の対象は作業音ではなく、写真です。
- ウ 画像認識モデルですが、特徴を人が定義する方法です。事例では、傷の特徴を人が定義するのは難しいとされています。
覚えておくこと
- 画像認識モデル：画像に写った物の種類などを識別するモデル
- ディープラーニングの特徴：大量のデータから、特徴を自動的に取り出して学習する
（テーマ・覚えること）
ディープラーニングに関する記述として、最も不適切なものはどれか。
正解：ア 文章の処理に限って用いられ、画像や音声の処理には用いられない手法である。
ポイント
ディープラーニングに関する記述のうち、不適切な物を選ぶ問題です。
考え方と解き方
文章を扱う生成 AI にも使われるため、文章専用の技術と思い込みがちです。用いる対象が文章だけかどうかを、確かめます。
- ディープラーニングは、画像認識、音声処理、自然言語処理など、画像や音声から文章まで広い対象に用いられます。
- 最も不適切なのは ア です。正しくは、画像や音声の処理にも用いられます。
ほかの選択肢
- イ ディープラーニングはニューラルネットワークを用いる手法なので、適切です。
- ウ バックプロパゲーションは、誤差を小さくするように重みを調整する学習方法で、適切です。
- エ 大量のデータから特徴を取り出して学習するので、データの量や質が精度に影響します。適切です。
覚えておくこと
- ディープラーニング（深層学習）：中間層を多層にしたニューラルネットワークで行う機械学習
- ニューラルネットワーク：人間の脳の神経細胞の働きを模した、入力層・中間層・出力層の仕組み
- バックプロパゲーション：誤差を小さくするように、各ノードの重みを調整する学習方法
（テーマ・覚えること）
適切なものだけを全て挙げたものはどれか。
A 社は、顧客対応の業務に使う AI の機能を整理している。整理した内容は、a〜c のとおりである。
- a 画像認識モデルは、文章の意味を解析して、要約を作成する処理に用いられる。
- b 音声処理モデルには、音声をテキストに変換する処理と、テキストを音声にする処理がある。
- c 自然言語処理モデルは、文章の意味を解析して、翻訳や要約を行う処理に用いられる。
正解：ウ b、c
ポイント
画像認識、音声処理、自然言語処理の各モデルの役割を、a〜c で判定する問題です。
考え方と解き方
モデルの名前は、扱う対象の名前でもあります。要約は文章を扱うので、画像を扱うモデルが担うと読むのが、典型的な間違え方です。
- a は不適切です。文章の意味を解析して要約を作るのは、自然言語処理モデルです。画像認識モデルは、画像に写った物を識別します。
- b は適切です。音声処理モデルは、音声認識（音声をテキストに変換）と音声合成（テキストを音声に変換）を行います。
- c は適切です。自然言語処理モデルは、文章の意味を解析し、翻訳や要約を行います。
- したがって、適切なのは b、c で、ウ です。
ほかの選択肢
- ア a は不適切なのに入っていて、c が入っていません。
- イ a も適切としていますが、a は不適切です。
- エ b が適切なのに入っておらず、c だけになっています。
覚えておくこと
- 画像認識モデル：画像に写った物の種類などを識別するモデル
- 自然言語処理モデル：文章の意味を解析し、翻訳や要約、文章の生成などを行うモデル
- 音声処理モデル：音声をテキストに変換する音声認識や、テキストを音声にする音声合成を行うモデル
（テーマ・覚えること）
ディープラーニングの「ディープ」が指すものとして、最も適切なものはどれか。
正解：イ ニューラルネットワークの中間層が、何層にも重なっていること
ポイント
ディープラーニングの「ディープ（深層）」が何を指すかを問う問題です。
考え方と解き方
データの量が多いことは特徴ですが、「ディープ」はそれを指しません。名前の由来を構造で考えると、見分けられます。
- ニューラルネットワークは、入力層、中間層、出力層から成ります。中間層を多層にしたことが「深層」の意味です。
- したがって、最も適切なのは イ です。
ほかの選択肢
- ア 大量のデータで学習するのは特徴ですが、「ディープ」が指すのはデータの量ではありません。
- ウ 何層にも重なるのは出力層ではなく、中間層です。出力層は、結果を出力する層です。
- エ 使う場面の専門性の話ではなく、ネットワークの構造の話です。
覚えておくこと
- ニューラルネットワーク：人間の脳の神経細胞の働きを模した、入力層・中間層・出力層の仕組み
- ディープラーニング（深層学習）：中間層を多層にしたニューラルネットワークで行う機械学習
（テーマ・覚えること）
このテーマの過去問
- 令和6年度 問78利用者がスマートスピーカーに向けて話し掛けた…四肢択一
- 令和6年度 問95AIの関連技術であるディープラーニングに用い…四肢択一
- 令和7年度 問86動物が写っている大量の画像から犬や猫などの特…四肢択一・まずこの1問
- 令和8年度 問82ニューラルネットワークの学習に用いられるバッ…四肢択一
同じ分野のテーマ（テクノロジ）
- グループウェアとコミュニケーションツール（チャット・オンライン会議・CMS）今の制度の過去問（3回分）には出ていませんが、新しいシラバス案（Ver.0.1）にある項目です。問われるとしたらの形でまとめています。
- オフィスソフトの使い方（表計算の絶対参照・ピボットテーブル・差込み印刷）今の制度の過去問（3回分）では、表計算ソフトの式の問題が2問、オフィスツールの選択が1問、合わせて3問出ています。
- IoT・CPS・デジタルツイン・センサー今の制度の過去問（3回分）では、IoT の事例、自動運転のレベル、センサーの役割が、合わせて3問出ています。
- 身の回りのデジタル機器（ウェアラブル・スマートスピーカー・タブレット）今の制度の過去問（3回分）には出ていませんが、新しいシラバス案（Ver.0.1）にある項目です。問われるとしたらの形でまとめています。
- OSの役割とファイルの場所（ディレクトリパス・ショートカット）今の制度の過去問（3回分）には出ていませんが、新しいシラバス案（Ver.0.1）にある項目です。問われるとしたらの形でまとめています。
- CPU・メモリ・USB（コンピュータの中身とつなぎ方）今の制度の過去問（3回分）では、電源を切ると消えるメモリと GPU が、合わせて2問出ています。
- 入出力装置と記録媒体（プリンター・SSD・フラッシュメモリ）今の制度の過去問（3回分）では、OCR が2問、タッチパネルの方式、半導体メモリの記憶媒体、スキャナーの解像度が各1問で、合わせて5問出ています。
- RAIDと稼働率（信頼性・スケールアウト・RASIS）今の制度の過去問（3回分）では、稼働率の計算が2問、RAID の実効容量が1問、合わせて3問出ています。
- 通信プロトコル（TCP・HTTP・SMTP・POP3・DHCP）今の制度の過去問（3回分）では、ポート番号、FTP の役割、メールの送受信に使うプロトコルの組合せが、合わせて3問出ています。
- 電子メール・cookie・モバイル通信（5G・SIM・テザリング）今の制度の過去問（3回分）では、cookie、プラチナバンド、LPWA が、合わせて3問出ています。
- データベースの基本と設計（RDBMS・主キー・正規化）今の制度の過去問（3回分）では、表の用語、正規化、主キー・外部キー、データベース設計の分析が、合わせて6問出ています。
- 関係演算（選択・射影・結合）今の制度の過去問（3回分）では、2つの表を使って条件に合う行を読み取る問題が、1問出ています。
- トランザクション処理（排他制御・コミット・ロールバック・デッドロック）今の制度の過去問（3回分）では、トランザクション処理の適切な記述を選ぶ形が、合わせて2問出ています。
- 機械学習（教師あり学習・教師なし学習・強化学習・過学習）今の制度の過去問（3回分）では、教師あり学習・教師なし学習の手法を選ぶ a〜c の組合せが、1問出ています。
- 生成AIの仕組み（LLM・トークン・RAG）今の制度の過去問（3回分）では、生成AIの説明を選ぶ形が1問出ています。
- 情報デザインとUI（ユーザビリティ・アクセシビリティ）今の制度の過去問（3回分）では、デザインの原則、アクセシビリティ、シグニファイアが、合わせて3問出ています。
- ユニバーサルデザインとピクトグラム今の制度の過去問（3回分）には出ていませんが、新しいシラバス案（Ver.0.1）にある項目です。問われるとしたらの形でまとめています。
- 画像・音声・動画のファイル形式と圧縮（JPEG・MP3・可逆圧縮）今の制度の過去問（3回分）には出ていませんが、新しいシラバス案（Ver.0.1）にある項目です。問われるとしたらの形でまとめています。
- 色の表し方と解像度（RGB・CMYK・dpi）今の制度の過去問（3回分）には出ていませんが、新しいシラバス案（Ver.0.1）にある項目です。問われるとしたらの形でまとめています。
- 画像処理ソフトとXR（AR・VR・メタバース）今の制度の過去問（3回分）では、AR と VR の活用事例が、合わせて2問出ています。