G検定の用語集｜まず覚える頻出50語を転職エンジニアが厳選

【PR・広告】本記事にはアフィリエイト広告（PR）が含まれています。

こんにちは、4回転職して今はフリーランスエンジニアのケイです。この記事は「試験に出るか」「面接で説明できるか」の2軸で用語を絞りました。

分野別｜G検定頻出用語50選【⭐試験に出る度×💬面接で使う度】

AI基礎｜10語

• ⭐人工知能(AI)：統一定義はなく「知的活動の模倣」等で説明される→試験では『定義が定まっていない』前提を問われやすい。
• 強いAI／弱いAI：汎用か特化かの区分→大半は弱いAI。
• ⭐チューリングテスト：会話でAIと人間を区別できるか測る思考実験→チャットボット。
• フレーム問題：関係ある情報だけを選べないAIの難問→片付け指示の例。
• シンボルグラウンディング問題：記号と意味を結びつけられない課題→「リンゴ」の例。
• 第3次AIブーム：深層学習の実用化による現在の活況→画像認識の発展。
• 💬シンギュラリティ：AIが人間の知能を超える転換点→SF映画の題材。
• トイ・プロブレム：研究用に単純化された練習問題→迷路探索。
• XAI(説明可能なAI)：AIの判断根拠を人に示す技術→融資審査で注目。
• アノテーション：学習データに正解ラベルを付ける作業→画像へのタグ付。

機械学習｜10語

• ⭐教師あり学習：正解ラベル付きデータから規則を学ぶ→スパム判定。
• ⭐教師なし学習：正解ラベルなしでデータ構造を見つける→顧客のグループ分け。
• 強化学習：試行錯誤の報酬で行動を最適化する手法→ゲームAI。
• ⭐💬過学習(オーバーフィッティング)：訓練データに適合しすぎ未知データに弱い状態→丸暗記に例えられる。
• 未学習(アンダーフィッティング)：訓練データへの適合が不十分な状態→勉強不足な状態。
• 正則化(L1/L2)：過学習抑制のためモデルを単純に保つ工夫→複雑さを削る工夫。
• 交差検証：データを分割して汎化性能を検証します→データが少ない医療診断AI等の精度検証で使われる。
• アンサンブル学習：複数モデルの予測を組み合わせ精度を上げる手法→多数決に近い発想。
• サポートベクターマシン(SVM)：分類境界を最大マージンで引く手法→境界にゆとりを持つ。
• 決定木／ランダムフォレスト：条件分岐で分類する手法とその集合体→フロー式の判断。

深層学習｜10語

• ⭐ニューラルネットワーク：脳の神経回路を模した多層計算モデル→画像・音声認識。
• 誤差逆伝播法(バックプロパゲーション)：出力の誤差を逆向きに伝えて重みを調整する手法→画像認識の学習で誤差を遡り重みを直す処理。
• 活性化関数(ReLU等)：ニューロンの出力を非線形に変換する関数→ReLUは負の値を0にする関数で画像認識の定番。
• 勾配消失問題：層が深いほど学習信号が弱くなる問題→伝言ゲームの例え。
• ⭐💬CNN(畳み込みニューラルネットワーク)：画像認識で使われ空間的特徴をとらえる→顔認証。
• ⭐💬RNN(再帰型ニューラルネットワーク)：時系列データを扱い過去情報を保持する構造→音声認識・株価予測。
• LSTM：RNNの弱点を補い長期記憶を保持できる→長文の文脈保持。
• ⭐💬Transformer：Self-Attentionを使う構造で生成AIの基盤に→ChatGPT等。
• 自己注意機構(Self-Attention)：単語同士の関係の強さを学習する仕組み→文脈理解の要。
• 転移学習：学習済みモデルを別タスクに流用する手法→経験の応用。

生成AI｜10語

• ⭐💬生成AI(Generative AI)：文章・画像を新しく作り出すAIの総称→ChatGPT等。
• ⭐💬大規模言語モデル(LLM)：大量の文章で学習し対話や生成を行うモデル→GPTシリーズ。
• GAN(敵対的生成ネットワーク)：生成側と識別側を競わせ精度を高める仕組み→本物と偽物の攻防。
• 拡散モデル(Diffusion Model)：ノイズから画像を復元する生成手法→画像生成AIの主流。
• 💬プロンプトエンジニアリング：狙った出力を引き出す指示文の設計→指示文の工夫。
• 💬RAG(検索拡張生成)：外部情報を検索し回答に反映させる仕組み→社内文書検索と併用。
• ファインチューニング：既存モデルを特定用途に追加学習させること→自社データで学習。
• ⭐ハルシネーション：AIが事実でない内容をもっともらしく生成する現象→架空文献の例。
• マルチモーダルAI：文章・画像・音声など複数の情報を扱えるAI→画像を説明する機能。
• 基盤モデル(Foundation Model)：多用途に使える大規模学習済みモデル→LLMも一種。

法律・倫理｜10語

• ⭐AI事業者ガイドライン：AI開発・提供・利用者ごとの指針→国の活用指針。
• 個人情報保護法：個人データの取り扱いルールを定めた法律→AI学習にも関係。
• 著作権法30条の4：一定要件下でAI学習への著作物利用を認める規定（権利者の利益を不当に害す場合等は除く）→詳細は専門家へ確認を。
• GDPR：EUの個人データ保護規則。域外企業にも適用され得る→日本企業も要注意。
• ⭐アルゴリズムバイアス：学習データの偏りがAI判断に偏見として現れる現象→採用の偏り。
• 💬説明責任(アカウンタビリティ)：AIの判断結果を説明する責任→融資謝絶理由の説明。
• AI利活用ガイドライン（旧指針）：2019年に示された利用者向けの指針→2024年に「AI事業者ガイドライン」へ統合され現行は一本化。
• トロッコ問題：自動運転等の倫理的判断を考える思考実験→自動運転で引用。
• プライバシー・バイ・デザイン：設計段階からプライバシー保護を組み込む考え方→アプリ開発で個人情報を必要最小限しか集めない設計。
• データガバナンス：データの管理・品質・利用ルールを統制する仕組み→社内データの管理責任者や申請フロー整備。

混同しやすい用語ペア対比表｜教師あり学習と教師なし学習の違いなど

受験者がつまずきやすいのは、似た用語の取り違えです。特に混同されやすい3組を挙げます（いずれも下の頻出50語に定義があります）。

用語A	用語B	見分け方
教師あり学習	教師なし学習	正解ラベルの有無で区別（先生役の有無で覚える）。
過学習(オーバーフィッティング)	未学習(アンダーフィッティング)	適合過多か不足か（過学習=詰め込みすぎ、未学習=勉強不足）。
RNN	CNN	時系列か空間データか（RNN=再帰で時間、CNN=畳み込みで画像）。

試験は選択肢から選べれば十分ですが、面接は自分の言葉で言い換える力が問われます。

よくある質問

Q. G検定の用語は数百語規模あるとされますが、この50語だけを覚えれば足りますか？
A. 合格は保証できませんが、優先して押さえる効率的な入り口になります。

Q. 意味を暗記すれば面接でも通用しますか？
A. 暗記だけでなく、具体例を添えて説明できるかが評価されやすい傾向です。

Q. 50語のうち、どれから覚えればいいですか？
A. ⭐💬両方が付いた語（過学習・CNN・RNN・Transformer等）から確認すると効率的です。

まとめ

• G検定用語は数百語規模あるが、まず覚えるべきは頻出約50語
• 「試験に出る度」と「面接・実務で使う度」の2軸で優先順位を付けた
• 教師あり/なし・過学習/未学習・RNN/CNNは混同注意
• 分野別ジャンプ目次は試験直前の最終確認に使える
• 定義の暗記で終わらせず、一言で説明できるかまで確認しておく

まずは⭐💬マーク付きの語から確認してみてください。

※本記事は2026年8月時点の情報です。用語の定義・シラバスの範囲は変更される場合があるため、最新情報は必ずJDLA公式サイトでご確認ください。「G検定」は一般社団法人日本ディープラーニング協会の商標です。本記事は同協会と提携・監修関係にあるものではありません。

資格の学習にKindleを使う方は、こちらもチェックしてみてください。