G検定の試験範囲・シラバスを分野別に解説

シラバスの全体像

G検定のシラバスは、ジェネラリスト（一般教養）としてAIを理解するために必要な知識を、大きく10分野に整理したものです。技術寄りの分野（数理・機械学習・ディープラーニング）と、社会・法律寄りの分野（倫理・社会実装・法律）の両方が含まれます。

• 基礎・動向 AIの定義・歴史、産業動向・政策など「地図」を作る分野
• 技術の核 数理・統計、機械学習、ディープラーニングの概要と要素技術
• 応用・実装 画像・言語・生成AIなどの応用例、社会実装のプロセス
• ガバナンス AI倫理、法律・契約、説明可能性・バイアスなど

200問の試験では、各分野からバランスよく出題されます。特定分野だけを深掘りするのではなく、10分野すべてを一通りカバーすることが合格の前提です。

10分野一覧

以下は概要記事と同じ10分野の整理です。各分野の一問一答で理解度をチェックできます。

用語の意味がわからないときは、AI用語辞典で個別に調べながら進めると効率的です。

分野別の学習のコツ

10分野それぞれの性質に合わせた学習の進め方です。

• 数理・統計（domain-01） 公式や用語の定義を暗記するより、具体例で理解する。分散・標準偏差・勾配などは用語辞典とセットで。分野別解説も参照
• 法律・契約（domain-02） 条文の丸暗記ではなく、ケーススタディ形式の問題で「何に注意すべきか」を整理する
• 社会実装（domain-03） 導入プロセスの順序や、ビジネス活用のフレームワークを図解でまとめると記憶に残りやすい
• 倫理・ガバナンス（domain-04） バイアス・公平性・説明可能性など、キーワード同士の関係をマインドマップで整理。分野別解説も参照
• ディープラーニング系（domain-05〜07） 概要→要素技術→応用の順で学ぶ。CNNとRNNの違い、正則化の目的など「なぜ」を意識する。分野別解説も参照
• 機械学習（domain-10） 教師あり・なし・強化学習の分類、評価指標（精度・再現率・F値など）の使い分けを重点的に。分野別解説も参照
• 人工知能の基礎・動向（domain-08〜09） 年表や政策の流れをタイムラインにまとめる。時事問題は公式シラバスの範囲内で確認。AIの歴史 分野別解説も参照

勉強の全体戦略はG検定の勉強法、試験形式の詳細は試験形式の解説を参照してください。

改訂時の確認方法

G検定のシラバスは、AI技術の進展に合わせて改訂されることがあります。生成AIの台頭以降、出題範囲や用語の追加・変更が行われた例もあります。受験前には必ず最新版を確認してください。

1. 公式サイトのシラバスを開く 日本ディープラーニング協会 G検定ページの出題範囲（シラバス）を確認
2. 改訂日・適用回を確認 どの試験回から新シラバスが適用されるかを公式案内で確認する
3. 追加・削除された分野・用語を洗い出す 前回のシラバスと比較し、学習計画を更新する
4. 当サイトの問題・記事も改訂に追随 当サイトの一問一答・ガイド記事はシラバス改訂に合わせて更新しますが、最終的な正は公式シラバスです

シラバス改訂を見落とすと、学習した内容と出題範囲がずれるリスクがあります。申込前と試験2〜4週間前の2回は、公式ページを再確認する習慣をつけましょう。

よくある質問