試験概要
出題範囲（10分野）の全体マップ
4 min read
G検定のシラバスは10の分野で構成されています。それぞれの分野で何を学ぶのか、代表的なキーワードと一緒に全体像をつかみましょう。
| 分野 | 主なキーワード |
|---|---|
| 人工知能とは | AIの定義、AI効果、強いAIと弱いAI、エージェント |
| 人工知能をめぐる動向 | 第1次〜第3次AIブーム、探索・推論、エキスパートシステム、オントロジー、フレーム問題、シンボルグラウンディング問題 |
| 機械学習の概要 | 教師あり学習・教師なし学習・強化学習、線形回帰、ロジスティック回帰、決定木、ランダムフォレスト、SVM、k-means、主成分分析、交差検証、評価指標 |
| ディープラーニングの概要 | ニューラルネットワーク、活性化関数、誤差逆伝播法、勾配消失問題、最適化手法（SGD・Adam など）、ドロップアウト、正則化 |
| ディープラーニングの要素技術 | 畳み込み層、プーリング層、正規化層、スキップ結合、RNN・LSTM、Attention、Transformer、オートエンコーダ、データ拡張 |
| ディープラーニングの応用例 | 画像認識（CNN系モデル）、物体検出、セグメンテーション、自然言語処理（BERT・GPT）、音声処理、深層強化学習、生成モデル（GAN・拡散モデル）、転移学習、マルチモーダル、モデルの軽量化、説明可能性 |
| AIの社会実装に向けて | AIプロジェクトの進め方、PoC、データの収集と加工、アノテーション、MLOps、運用と継続的な改善 |
| AIに必要な数理・統計知識 | 平均・分散・標準偏差、確率分布、相関、ベイズの定理、ベクトルと行列、微分（勾配） |
| AIに関する法律と契約 | 個人情報保護法、著作権法、特許法、不正競争防止法（営業秘密・限定提供データ）、開発や利用に関する契約 |
| AI倫理・AIガバナンス | AI原則、AI事業者ガイドライン、公平性とバイアス、プライバシー、透明性・説明可能性、安全性とセキュリティ、ガバナンス体制 |
分野どうしのつながり
- 「人工知能とは」「人工知能をめぐる動向」は、AIがどう発展してきたかという土台です。歴史の流れで覚えると、用語が頭に残りやすくなります
- 「機械学習の概要」→「ディープラーニングの概要」→「要素技術」→「応用例」は、技術の基本から実際の使われ方へとつながる一本の流れです
- 「AIに必要な数理・統計知識」は、評価指標や学習の仕組みを理解するための道具として、技術系の分野を下から支えています
- 「AIの社会実装に向けて」は技術とビジネスの橋渡し役で、そこから「法律と契約」「倫理・ガバナンス」へと、AIを社会で安全に使うための話題につながります
分野ごとの出題比率は公表されていません。技術系の分野だけに偏らず、法律や倫理も含めて10分野をひととおり学習しておきましょう。