G検定のディープラーニング分野で出題されるのはどのような内容ですか？

G検定のディープラーニング分野では、CNN（畳み込みニューラルネットワーク）、RNN（再帰型ニューラルネットワーク）、Transformer、注意機構、活性化関数の種類と特徴、損失関数の選択、過学習対策（正則化、ドロップアウトなど）についての理解が問われます。当サイトでは、これらの内容を計算問題形式で学べます。

活性化関数の種類と特徴について教えてください

ディープラーニングで使われる主な活性化関数には、シグモイド関数（出力を0〜1に抑える、勾配消失問題あり）、tanh関数（出力を-1〜1に抑える、勾配消失問題あり）、ReLU関数（正の値はそのまま、負の値は0、計算効率が良い、死にニューロン問題あり）、Leaky ReLU（負の値に小さな勾配を持たせる）、Softmax関数（複数クラス分類の出力層で使用）などがあります。G検定では各関数の特徴と用途の理解が求められます。

G検定対策: Deep Learning編 | データサイエンス学習ツール青の統計学 DsPlayground

ディープラーニング編

関連コンテンツ

ディープラーニング編

関連コンテンツ

統計検定2級チートシート

確率分布可視化ツール

Udemy版｜統計学基礎講座

統計検定2級攻略記事

確率分布チートシート

統計検定2級徹底解説