AI資格 模擬試験

G検定 模擬試験 第4回 問93・ディープラーニングの応用例（転移学習・ファインチューニング）

パラメータ効率のよい微調整

大規模なモデルのすべてのパラメータを更新せず、小さな追加のパラメータ（アダプタなど）だけを学習して、タスクに適応させる方法の総称として、最も適切なものを1つ選べ。

  1. A

    ランダムサーチ

  2. B

    パラメータ効率のよいファインチューニング（PEFT）

  3. C

    主成分分析

  4. D

    交差検証

正解と解説を見る

正解：B

PEFTは、一部の小さなパラメータだけを学習する微調整の総称。LoRAやアダプタ、プロンプトチューニングなどが含まれる。

固定された大きな重み行列と、横に並ぶ小さな2つの行列（学習する部分）を足し合わせるLoRAの図。

LoRA：元の重みは固定し、小さな低ランクの行列だけを追加で学習する（パラメータ効率のよい微調整）。

学習のポイント：全体を更新する通常のファインチューニングと、必要な計算資源の違いを比べる。

この問題を演習で解く →

問題一覧へ

このサイトの問題は、各試験の公開されているシラバスに沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。日本ディープラーニング協会（JDLA）・一般社団法人生成AI活用普及協会（GUGA）の公式サービスではありません。