はじめに
G検定2024年#6(2024年11月8日（金）、9日（土）実施)から新シラバスに代わるらしい。
それまでのシラバスを2021年版とし、
新シラバスを2024年版として比較してみた。
シラバスの入手は以下から。
G検定まとめページ
まとめページはこちら。
G検定の概要、合格率、合格ライン、過去問っぽい問題集、カンペの作り方等。
比較の仕方
とりあえずざっと見てみると
2021年版シラバス
2024年版シラバス
フォーマットがそろっていないので、単純比較はできなそう。
一度、Excel等に書き出して比較した方がよさそうである。
まず、2024年版シラバスに記載された用語を書き出し、
それが2021年版シラバスに記載された用語かを確認する。
差分があるはずなので、それぞれ吟味していく。
そして、頑張って抽出した表が以下。
比較表
| 2021年版シラバス記載有無 | 2021年版シラバス上での表現 | |||
|---|---|---|---|---|
| 人工知能とは | 人工知能の定義 | AI効果 | 〇 | |
| エージェント | 〇 | |||
| 人工知能 | 〇 | |||
| 機械学習 | 〇 | |||
| ディープラーニング | 〇 | |||
| 人工知能分野で議論される問題 | シンギュラリティ | 〇 | ||
| シンボルグラウンディング問題 | 〇 | |||
| 身体性 | 〇 | |||
| ダートマス会議 | 〇 | |||
| トイ・プロブレム | 〇 | |||
| 知識獲得のボトルネック | 〇 | |||
| チューリングテスト | 〇 | |||
| 中国語の部屋 | 〇 | |||
| 強いAIと弱いAI | 〇 | |||
| 統計的機械翻訳 | 〇 | 統計的自然言語処理 | ||
| フレーム問題 | 〇 | |||
| ルールベース機械翻訳 | 〇 | |||
| ローブナーコンテスト | 〇 | |||
| 人工知能をめぐる動向 | 探索・推論 | αβ法 | 〇 | |
| Mini-Max法 | 〇 | |||
| SHRDLU | 〇 | |||
| STRIPS | 〇 | |||
| 探索木 | 〇 | |||
| ハノイの塔 | 〇 | |||
| 幅優先探索 | 〇 | |||
| 深さ優先探索 | 〇 | |||
| ブルートフォース | 〇 | |||
| モンテカルロ法 | 〇 | |||
| 知識表現とエキスパートシステム | Cycプロジェクト | 〇 | ||
| DENDRAL | 〇 | |||
| is-aの関係・has-aの関係・part-ofの関係 | 〇 | |||
| Question Answering | 〇 | |||
| 意味ネットワーク | 〇 | |||
| イライザ (ELIZA) | 〇 | |||
| インタビューシステム | × | |||
| ウェブマイニング | 〇 | |||
| オントロジー | 〇 | |||
| セマンティックWeb | 〇 | |||
| データマイニング | 〇 | |||
| 東ロボくん | 〇 | |||
| マイシン (MYCIN) | 〇 | |||
| ワトソン | 〇 | |||
| 機械学習 | 次元の呪い | 〇 | ||
| スパムフィルター | 〇 | |||
| ビッグデータ | 〇 | |||
| レコメンデーションエンジン | 〇 | |||
| 統計的機械翻訳 | 〇 | 統計的自然言語処理 | ||
| ディープラーニング | ImageNet | × | ||
| ILSVRC | 〇 | |||
| LeNet | 〇 | |||
| アルファ碁 (AlphaGo) | 〇 | |||
| 特徴抽出 | 〇 | |||
| 人間の神経回路 | 〇 | |||
| ネオコグニトロン | 〇 | |||
| LLM（大規模言語モデル） | × | |||
| 機械学習の概要 | 教師あり学習 | AdaBoost, | 〇 | |
| アンサンブル学習 | 〇 | |||
| カーネル | 〇 | |||
| カーネルトリック | 〇 | |||
| 回帰問題 | 〇 | |||
| 決定木 | 〇 | |||
| 勾配ブースティング | 〇 | |||
| サポートベクターマシン (SVM) | 〇 | |||
| 線形回帰 | 〇 | |||
| 自己回帰モデル (AR) | 〇 | |||
| 重回帰分析 | 〇 | |||
| 多クラス分類 | 〇 | |||
| バギング | 〇 | |||
| ブースティング | 〇 | |||
| ブートストラップサンプリング | 〇 | |||
| 分類問題 | 〇 | |||
| ベクトル自己回帰モデル (VARモデル) | 〇 | |||
| マージン最大化 | 〇 | |||
| ランダムフォレスト | 〇 | |||
| ロジスティック回帰 | 〇 | |||
| 教師なし学習 | k-means法 | 〇 | ||
| t-SNE | 〇 | |||
| ウォード法 | 〇 | |||
| 協調フィルタリング | 〇 | |||
| クラスタリング | 〇 | |||
| コールドスタート問題 | 〇 | |||
| コンテンツベースフィルタリング | 〇 | |||
| 次元削減 | 〇 | |||
| 主成分分析 (PCA) | 〇 | |||
| 潜在的ディリクレ配分法 (LDA) | 〇 | |||
| 多次元尺度構成法 | 〇 | |||
| デンドログラム (樹形図) | 〇 | |||
| 特異値分解 (SVD) | 〇 | |||
| トピックモデル | 〇 | |||
| 強化学習 | Actor-Critic | 〇 | ||
| ε-greedy方策 | 〇 | |||
| REINFORCE | 〇 | |||
| Q学習 | 〇 | |||
| UCB方策 | 〇 | |||
| 行動価値関数 | 〇 | |||
| 状態価値関数 | 〇 | |||
| バンディットアルゴリズム | 〇 | |||
| 方策勾配法 | 〇 | |||
| マルコフ決定過程 | 〇 | |||
| 割引率 | 〇 | |||
| モデルの選択・評価 | k-分割交差検証 | 〇 | ||
| MSE・RMSE・MAE | × | |||
| ROC曲線・AUC | 〇 | |||
| 赤池情報量基準 (AIC) | 〇 | |||
| オッカムの剃刀 | 〇 | |||
| 過学習・未学習 | 〇 | |||
| 交差検証 | 〇 | |||
| 偽陽性・偽陰性 | 〇 | |||
| 訓練誤差 | 〇 | |||
| 混同行列 | 〇 | |||
| 正解率・適合率・再現率・F 値 | 〇 | |||
| 汎化性能 | 〇 | |||
| 汎化誤差 | 〇 | |||
| ベイズ情報量規準 (BIC) | × | |||
| ホールドアウト検証 | 〇 | |||
| ディープラーニングの概要 | ニューラルネットワークとディープラーニング | CPU | 〇 | |
| GPU | 〇 | |||
| TPU | 〇 | |||
| 隠れ層・入力層・出力層 | 〇 | |||
| 多層パーセプトロン | 〇 | |||
| 単純パーセプトロン | 〇 | |||
| 表現学習 | 〇 | 特徴表現学習 | ||
| 活性化関数 | Leaky ReLU関数 | 〇 | ||
| ReLU関数 | 〇 | |||
| tanh関数 | 〇 | |||
| シグモイド関数 | 〇 | |||
| ソフトマックス関数 | 〇 | |||
| 誤差関数 | Contrastive loss | 〇 | ||
| Triplet Loss | 〇 | |||
| カルバック・ライブラー情報量 (KL) | 〇 | |||
| 交差エントロピー | 〇 | |||
| 平均二乗誤差 | 〇 | |||
| 平均絶対誤差 | × | |||
| 正則化 | L0正則化 | 〇 | ||
| L1正則化 | 〇 | |||
| L2正則化 | 〇 | |||
| 正則化 | 〇 | |||
| ドロップアウト | 〇 | |||
| ラッソ回帰 | 〇 | |||
| リッジ回 | 〇 | |||
| 誤差逆伝播法 | 勾配消失問題 | 〇 | ||
| 勾配爆発問題 | × | |||
| 信用割当問題 | 〇 | |||
| 連鎖律 | 〇 | |||
| 最適化手法 | AdaBound | 〇 | ||
| AdaDelta | 〇 | |||
| AdaGrad | 〇 | |||
| Adam | 〇 | |||
| AMSBound | 〇 | |||
| RMSprop | 〇 | |||
| 鞍点 | 〇 | |||
| イテレーション | 〇 | |||
| エポック | 〇 | |||
| オンライン学習 | 〇 | |||
| 学習率 | 〇 | |||
| 確率的勾配降下法 (SGD) | 〇 | |||
| グリッドサーチ | 〇 | |||
| 勾配降下法 | 〇 | |||
| 局所最適解 | 〇 | |||
| 早期終了 | 〇 | |||
| 大域最適解 | 〇 | |||
| 二重降下現象 | 〇 | |||
| ノーフリーランチの定理 | 〇 | |||
| ハイパーパラメータ | 〇 | |||
| バッチ学習 | 〇 | |||
| ミニバッチ学習 | 〇 | |||
| モーメンタム | 〇 | |||
| ランダムサーチ | 〇 | |||
| ディープラーニングの要素技術 | 全結合層 | 重み | 〇 | |
| 線形関数 | 〇 | |||
| 畳み込み層 | Atrous Convolution | 〇 | ||
| Depthwise Separable Convolution | 〇 | |||
| Dilation Convolution | 〇 | |||
| カーネル | 〇 | |||
| 可変サイズのデータへの適用 | △ | GAP,パディング,最大値プーリング,平均値プーリング | ||
| ストライド | 〇 | |||
| 疎結合 | △ | 局所結合構造 | ||
| 畳み込み操作 | 〇 | 畳み込み | ||
| 畳み込みニューラルネットワーク(CNN) | 〇 | |||
| 特徴マップ | × | |||
| パディング | 〇 | |||
| フィルタ | 〇 | |||
| 正則化層 | グループ正規化 | × | ||
| バッチ正規化 | 〇 | |||
| レイヤー正規化 | × | |||
| インスタンス正規化 | × | |||
| プーリング層 | グローバルアベレージプーリング (GAP) | 〇 | ||
| 最大値プーリング | 〇 | |||
| 次元削減 | 〇 | |||
| 特徴集約 | △ | GAP,最大値プーリング,平均値プーリング | ||
| 不変性の獲得 | × | |||
| 平均値プーリング | 〇 | |||
| スキップ結合 | Residual Network(ResNet) | 〇 | ||
| 勾配消失問題 | 〇 | |||
| 逐次的な情報処理 | × | |||
| ボトルネック | × | |||
| 回帰結合層 | Back Propbagation Through Time(BPTT) | 〇 | ||
| Gated Recurrent Unit(GRU) | 〇 | |||
| Long Short Term Memory(LSTM) | 〇 | |||
| エルマンネットワーク | × | |||
| 勾配消失問題 | 〇 | |||
| 勾配爆発問題 | × | |||
| 教師強制 | × | |||
| ゲート機構 | 〇 | |||
| 双方向RNN (Bidirectional RNN) | 〇 | |||
| 時系列データ | 〇 | |||
| ジョルダンネットワーク | × | |||
| リカレントニューラルネットワーク(RNN) | 〇 | |||
| Attention | Attention | 〇 | ||
| Encoder-Decoder Attention | 〇 | |||
| Multi-Head Attention | × | |||
| Self-Attention | 〇 | |||
| Seq2Seq | 〇 | |||
| Source Target Attention | 〇 | |||
| Transformer | 〇 | |||
| 位置エンコーディング | 〇 | |||
| キー | × | |||
| クエリ | × | |||
| バリュー | × | |||
| オートエンコーダ | VQ-VAE | × | ||
| info VAE | × | |||
| β-VAE | × | |||
| 次元削減 | 〇 | |||
| 事前学習 | 〇 | |||
| 積層オートエンコーダ | 〇 | |||
| 変分オートエンコーダ(VAE) | 〇 | |||
| データ拡張 | Contrast | × | ||
| Brightness | × | |||
| Crop | × | |||
| CutMix | 〇 | |||
| Cutout | 〇 | |||
| Mixup | 〇 | |||
| noising | × | |||
| paraphrasing | × | |||
| RandAugument | × | |||
| Random Erasing | 〇 | |||
| Random Flip | × | |||
| Rotate | × | |||
| ディープラーニングの応用例 | 画像認識 | AlexNet | 〇 | |
| DeepLab | 〇 | |||
| DenseNet | 〇 | |||
| EfficientNet | 〇 | |||
| Fast R-CNN | 〇 | |||
| Faster R-CNN | 〇 | |||
| FCN (Fully Convolutional Netwok) | 〇 | |||
| FPN (Feature Pyramid Network) | 〇 | |||
| GoogLeNet | 〇 | |||
| Mask R-CNN | 〇 | |||
| MnasNet | 〇 | |||
| MobileNet | 〇 | |||
| NAS(Neural Architecture Search) | 〇 | |||
| Open Pose | 〇 | |||
| PSPNet | 〇 | |||
| ResNet | 〇 | |||
| SegNet | 〇 | |||
| SENet | 〇 | |||
| SSD | 〇 | |||
| Swin Transformer | × | |||
| U-Net | 〇 | |||
| VGG | 〇 | |||
| Vision Transformer | 〇 | |||
| Wide ResNet | 〇 | |||
| YOLO | 〇 | |||
| 一般物体認識 | 〇 | |||
| インスタンスセグメンテーション | 〇 | |||
| 姿勢推定 | 〇 | |||
| セマンティックセグメンテーション | 〇 | |||
| 物体検出 | 〇 | |||
| 物体識別 | 〇 | |||
| パノプティックセグメンテーション | 〇 | |||
| マルチスペクトラム画像 | × | |||
| 自然言語処理 | BERT | 〇 | ||
| BoW (Bag-of-Words) | 〇 | |||
| CBOW | 〇 | |||
| CEC | 〇 | |||
| chatGPT | × | |||
| CTC | 〇 | |||
| ELMo | 〇 | |||
| fastText | 〇 | |||
| GLUE | 〇 | |||
| GPT-n | 〇 | GPT-1,GPT-2,GPT-3 | ||
| N-gram | 〇 | |||
| PaLM | × | |||
| Seq2Seq | 〇 | |||
| TF-IDF | 〇 | |||
| word2vec | 〇 | |||
| 感情分析 | 〇 | |||
| 機械翻訳 | 〇 | |||
| 形態素解析 | 〇 | |||
| 構文解析 | 〇 | |||
| 質問応答 | 〇 | Question Answering | ||
| 情報検索 | × | |||
| スキップグラム | 〇 | |||
| 単語埋め込み | 〇 | |||
| 分散表現 | 〇 | |||
| 文書要約 | × | |||
| ワンホットベクトル | 〇 | |||
| LLM (大規模言語モデル) | × | |||
| 音声処理 | A-D変換 | 〇 | ||
| WaveNet | 〇 | |||
| 音韻 | 〇 | |||
| 音声合成 | × | |||
| 音声認識 | 〇 | 音声認識エンジン | ||
| 音素 | 〇 | |||
| 隠れマルコフモデル | 〇 | |||
| 感情分析 | × | |||
| 高速フーリエ変換(FFT) | 〇 | |||
| スペクトル包絡 | 〇 | |||
| パルス符号変調器(PCM) | 〇 | |||
| フォルマント | 〇 | |||
| フォルマント周波数 | 〇 | |||
| メル周波数ケプストラム係数(MFCC) | 〇 | |||
| メル尺度 | 〇 | |||
| 話者識別 | 〇 | |||
| 深層強化学習 | A3C | 〇 | ||
| Agent57 | × | |||
| APE-X | × | |||
| DQN | 〇 | |||
| OpenAI Five | 〇 | |||
| PPO | × | |||
| Rainbow | 〇 | |||
| RLHF | × | |||
| sim2real | 〇 | |||
| アルファスター(AlphaStar) | 〇 | |||
| オフライン強化学習 | 〇 | |||
| 残差強化学習 | 〇 | |||
| 状態表現学習 | 〇 | |||
| ダブルDQN | 〇 | |||
| デュエリングネットワーク | 〇 | |||
| ドメインランダマイゼーション | 〇 | |||
| ノイジーネットワーク | 〇 | |||
| 報酬成形 | 〇 | |||
| マルチエージェント | 〇 | |||
| 強化学習 | 〇 | |||
| 連続値制御 | 〇 | |||
| データ生成 | CycleGAN | 〇 | ||
| DCGAN | 〇 | |||
| Diffusion Model | × | |||
| NeRF | × | |||
| Pix2Pix | 〇 | |||
| 音声生成 | × | |||
| 画像生成 | × | |||
| 敵対的生成ネットワーク (GAN) | 〇 | |||
| 文章生成 | × | |||
| 転移学習・ファインチューニング | Few-shot | × | ||
| One-shot | × | |||
| 自己教師あり学習 | × | |||
| 事前学習 | 〇 | |||
| 事前学習済みモデル | × | |||
| 破壊的忘却 | × | |||
| 半教師あり学習 | 〇 | |||
| マルチモーダル | CLIP | × | ||
| DALL-E | × | |||
| Flamingo | × | |||
| Image Captioning | × | |||
| Text-To-Image | × | |||
| Visual Question Answering | × | |||
| Unified-IO | × | |||
| zero-shot | × | |||
| 基盤モデル | × | |||
| マルチタスク学習 | 〇 | |||
| モデルの解釈性 | CAM | 〇 | ||
| Grad-CAM | 〇 | |||
| LIME | 〇 | |||
| Permutation Importance | × | |||
| SHAP | 〇 | |||
| 説明可能AI(XAI) | 〇 | |||
| モデルの軽量化 | エッジAI | 〇 | ||
| 蒸留 | 〇 | |||
| 宝くじ仮説 | × | |||
| プルーニング | 〇 | |||
| モデル圧縮 | 〇 | |||
| 量子化 | 〇 | |||
| AI の社会実装に向けて | AI プロジェクトの進め方 | AIのビジネス活用 | 〇 | |
| AIプロジェクトの進め方 | 〇 | |||
| BPR | 〇 | |||
| CRISP-DM | 〇 | |||
| CRISP-ML | × | |||
| Docker | 〇 | |||
| IoT | 〇 | |||
| Jupyter Notebook | 〇 | |||
| MLOps | 〇 | |||
| PoC | 〇 | |||
| Python | 〇 | |||
| Web API | 〇 | |||
| アジャイル | × | |||
| ウォーターフォール | × | |||
| オープン・イノベーション | 〇 | |||
| クラウド | 〇 | |||
| 産学連携 | 〇 | |||
| ステークホルダーのニーズ | 〇 | |||
| 他企業や他業種との連携 | 〇 | |||
| データサイエンティスト | 〇 | |||
| データの収集・加工・分析・学習 | アノテーション | 〇 | ||
| オープンデータセット | 〇 | |||
| コーパス | 〇 | |||
| サンプリング・バイアス | 〇 | |||
| データリーケージ | 〇 | |||
| 転移学習 | 〇 | |||
| AI に必要な数理・統計知識 | AI に必要な数理・統計知識 | 移動平均 | – | 統計検定３級程度の基礎的な知識 |
| 確率分布 | – | 統計検定３級程度の基礎的な知識 | ||
| 確率変数 | – | 統計検定３級程度の基礎的な知識 | ||
| 確率密度 | – | 統計検定３級程度の基礎的な知識 | ||
| 疑似相関 | – | 統計検定３級程度の基礎的な知識 | ||
| 期待値 | – | 統計検定３級程度の基礎的な知識 | ||
| 帰無仮説 | – | 統計検定３級程度の基礎的な知識 | ||
| 共分散 | – | 統計検定３級程度の基礎的な知識 | ||
| コサイン類似度 | – | 統計検定３級程度の基礎的な知識 | ||
| 最小二乗法 | – | 統計検定３級程度の基礎的な知識 | ||
| 最頻値 | – | 統計検定３級程度の基礎的な知識 | ||
| 最尤法 | – | 統計検定３級程度の基礎的な知識 | ||
| 条件付き確率 | – | 統計検定３級程度の基礎的な知識 | ||
| 正規分布 | – | 統計検定３級程度の基礎的な知識 | ||
| 相関係数 | – | 統計検定３級程度の基礎的な知識 | ||
| 相互情報量 | – | 統計検定３級程度の基礎的な知識 | ||
| 対立仮説 | – | 統計検定３級程度の基礎的な知識 | ||
| 中央値 | – | 統計検定３級程度の基礎的な知識 | ||
| 度数分布 | – | 統計検定３級程度の基礎的な知識 | ||
| 二項分布 | – | 統計検定３級程度の基礎的な知識 | ||
| 外れ値 | – | 統計検定３級程度の基礎的な知識 | ||
| 標準偏差 | – | 統計検定３級程度の基礎的な知識 | ||
| 平均 | – | 統計検定３級程度の基礎的な知識 | ||
| 分散 | – | 統計検定３級程度の基礎的な知識 | ||
| 偏相関係数 | – | 統計検定３級程度の基礎的な知識 | ||
| ベルヌーイ分布 | – | 統計検定３級程度の基礎的な知識 | ||
| ポアソン分布 | – | 統計検定３級程度の基礎的な知識 | ||
| マハラノビス距離 | – | 統計検定３級程度の基礎的な知識 | ||
| ユークリッド距離 | – | 統計検定３級程度の基礎的な知識 | ||
| AIに関する法律と契約 | 個人情報保護法 | GDPR | 〇 | |
| 仮名加工情報 | × | |||
| 個人識別符号 | × | |||
| 個人データ | × | |||
| 個人情報 | 〇 | |||
| 第三者提供 | × | |||
| 匿名加工情報 | 〇 | |||
| 保有個人データ | × | |||
| 要配慮個人情報 | × | |||
| 利用目的 | × | |||
| 委託 | × | |||
| 著作権法 | 創作性 | × | ||
| 著作物 | 〇 | |||
| AI生成物 | × | |||
| 利用規約 | × | |||
| 著作権侵害 | × | |||
| 著作権 | 〇 | |||
| 特許法 | 発明 | × | ||
| 新規性 | × | |||
| 進歩性 | × | |||
| 知的財産権 | × | |||
| 発明者 | × | |||
| 職務発明 | × | |||
| 特許権 | × | |||
| 不正競争防止法 | 営業秘密 | 〇 | ||
| 限定提供データ | 〇 | 限定利用データ | ||
| 独占禁止法 | 競争制限 | × | ||
| 公正競争阻害性 | × | |||
| AI開発委託契約 | AI・データの利用に関する契約ガイドライン | 〇 | ||
| NDA | × | |||
| 請負契約 | × | |||
| 準委任契約 | × | |||
| 精度保証 | × | |||
| PoC | 〇 | |||
| 保守契約 | × | |||
| AIサービス提供契約 | SaaS | × | ||
| データ利用権 | × | |||
| 利用規約 | × | |||
| 精度保証 | × | |||
| AI倫理・AIガバナンス | 国内外のガイドライン | AI倫理 | × | |
| AIガバナンス | × | |||
| 価値原則 | × | |||
| ハードロー | × | |||
| ソフトロー | × | |||
| リスクベースアプローチ | × | |||
| プライバシー | カメラ画像利活用ガイドブック | 〇 | ||
| プライバシー・バイ・デザイン | 〇 | |||
| 公平性 | アルゴリズムバイアス | 〇 | ||
| 公平性の定義 | × | |||
| サンプリングバイアス | 〇 | |||
| センシティブ属性 | × | |||
| 代理変数 | × | |||
| データの偏り | 〇 | データセットの偏りによる注意 | ||
| 安全性とセキュリティ | Adversarial Attack (Adversarial Examples) | 〇 | 敵対的な攻撃 | |
| セキュリティ・バイ・デザイン | × | |||
| データ汚染 | × | |||
| データ窃取 | × | |||
| モデル汚染 | × | |||
| モデル搾取 | × | |||
| 悪用 | ディープフェイク | 〇 | ||
| フェイクニュース | 〇 | |||
| 透明性 | データの来歴 | × | ||
| 説明可能性 | 〇 | |||
| ブラックボックス | × | |||
| 民主主義 | エコーチェンバー | × | ||
| フィルターバブル | 〇 | |||
| フェイクニュース | 〇 | |||
| 環境保護 | 気候変動 | × | ||
| モデル学習の電力消費 | × | |||
| 労働政策 | AIとの協働 | × | ||
| スキルの喪失 | × | |||
| 労働力不足 | × | |||
| その他の重要な価値 | インクルージョン | × | ||
| 軍事利用 | 〇 | |||
| 死者への敬意 | × | |||
| 人間の自律性 | × | |||
| AIガバナンス | AIポリシー | × | ||
| ダイバーシティ | 〇 | |||
| AIに対する監査 | × | |||
| 倫理アセスメント | × | |||
| 人間の関与 | × | |||
| モニタリング | × | |||
| 再現性 | × | |||
| トレーサビリティ | × |
大雑把な結論
生成AIの流れの都合で増えた用語もあるが、
基本的には、明記されていなかったものを明記するようになった傾向が強い。
知るべきことが増えたというより、何を知れば良いか分かりやすくなったと思った方が良い。
つまり、対策しやすくなったと言える。
次のページへ
次のページから増えた用語について簡単に解説していく。
コメント