G検定(ジェネラリスト検定)の勉強を始める前に確かめておきたいのが、JDLAのシラバスです。シラバスは出題範囲を示した資料で、10の大項目と、その下の中項目・キーワードが並んでいます。この記事では、日本ディープラーニング協会(JDLA)のG検定のページで案内されているシラバス(G2024#6から適用)をもとに、大項目ごとの中身を整理し、どこから手を付けるかの順番を提案します(2026年11月18日に確かめた内容です)。なお、この記事はG検定対策アプリ「AIナビスタ G検定」を運営する私たちが書いています。
シラバスの版:G2024#6から適用の「シラバス 2024」
JDLAのG検定のページでは、シラバスが2つ案内されています。
| 資料 | 適用される回 |
|---|---|
| G検定の試験出題範囲(シラバス)G2024#6~ | 2024年11月の試験(G2024#6)から |
| G検定の試験出題範囲(シラバス)G2024#5まで | それより前の回(旧シラバス) |
今の資料の表紙は「試験出題範囲(シラバス 2024)」で、2026年5月11日の第1.4版です。改訂履歴には、生成AIに必要な技術(基盤モデルや言語モデルなど)を加えたこと、法律・倫理で理解しておくべきポイントを明確にしたことが書かれています。古い本や教材を使うときは、どちらのシラバスに沿っているかを確かめてください。
10の大項目
シラバスの大項目は、技術分野8つと法律・倫理分野2つの、あわせて10です。
| 分野 | 大項目 | 中項目の例 |
|---|---|---|
| 技術 | 人工知能とは | 人工知能の定義、人工知能分野で議論される問題 |
| 技術 | 人工知能をめぐる動向 | 探索・推論、知識表現とエキスパートシステム、機械学習、ディープラーニング |
| 技術 | 機械学習の概要 | 教師あり学習、教師なし学習、強化学習、モデルの選択・評価 |
| 技術 | 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、活性化関数、誤差関数、正則化、誤差逆伝播法、最適化手法 |
| 技術 | ディープラーニングの要素技術 | 全結合層、畳み込み層、正規化層、プーリング層、スキップ結合、回帰結合層、Attention、オートエンコーダ、データ拡張 |
| 技術 | ディープラーニングの応用例 | 画像認識、自然言語処理、音声処理、深層強化学習、データ生成、転移学習・ファインチューニング、マルチモーダル、モデルの解釈性、モデルの軽量化 |
| 技術 | AIの社会実装に向けて | AIプロジェクトの進め方、データの収集・加工・分析・学習 |
| 技術 | AIに必要な数理・統計知識 | AIに必要な数理・統計知識 |
| 法律・倫理 | 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、独占禁止法、AI開発委託契約、AIサービス提供契約 |
| 法律・倫理 | AI倫理・AIガバナンス | 国内外のガイドライン、プライバシー、公平性、安全性とセキュリティ、悪用、透明性、民主主義、環境保護、労働政策、その他の重要な価値、AIガバナンス |
中項目の数は、技術分野が37、法律・倫理分野が18です。中項目ごとに「目標」と「キーワード」が書かれているので、勉強した範囲を確かめるときのチェックリストとして使えます。
大項目ごとの手を付けるところ
人工知能とは・人工知能をめぐる動向
AIの定義と、探索・推論から機械学習、ディープラーニングへの流れを扱う大項目です。ほかの大項目の問題文に出てくる用語の土台になるので、最初に一通り済ませます。
機械学習の概要
教師あり学習・教師なし学習・強化学習の違いと、代表的な手法、モデルの評価のしかたを扱います。シラバスの目標には「目的やデータの特性・量に応じて、適切なモデルを選択できる」とあるので、手法の名前と、どんな問題に使うかを対にして覚えます。評価指標(正解率・適合率・再現率など)は、意味の違いを説明できるようにしておきます。
ディープラーニングの概要・要素技術
ニューラルネットワークの基本から、活性化関数・誤差関数・最適化手法、畳み込み層やAttentionなどの部品までを扱う、範囲の広い2つの大項目です。「概要」で学習のしくみを押さえてから「要素技術」の部品に進むと、それぞれの部品が何のためにあるかが分かりやすくなります。
ディープラーニングの応用例
画像認識・自然言語処理・音声処理・データ生成など、分野ごとの代表的なモデルと使いどころを扱います。生成AIに関わるキーワードもここに多く入っています。要素技術の部品が、どの応用で使われているかを結びつけながら進めます。
AIの社会実装に向けて・AIに必要な数理・統計知識
AIプロジェクトの進め方とデータの扱い、そして数理・統計の基礎です。数理・統計は、計算の手順より用語の意味と考え方を説明できることを目標に、ほかの大項目と並行して少しずつ進めます。
AIに関する法律と契約・AI倫理・AIガバナンス
個人情報保護法・著作権法などの法律と、AI開発の契約、ガイドラインやプライバシー・公平性などの倫理を扱います。技術の大項目とは勉強のしかたが違い、後回しにすると時間が足りなくなりやすい分野です。全体の後半に入る前に、まとまった時間を取ってください。
どこから手を付けるか:おすすめの順番
- 人工知能とは・人工知能をめぐる動向 … 全体像と用語の土台
- 機械学習の概要 … 手法の名前と使いどころを対にする
- ディープラーニングの概要 → 要素技術 … 学習のしくみ、次に部品
- ディープラーニングの応用例 … 部品がどの応用で使われるかを結びつける
- AIに関する法律と契約・AI倫理・AIガバナンス … まとまった時間を取る
- AIの社会実装に向けて … プロジェクトの進め方とデータの扱い
- AIに必要な数理・統計知識 … 1〜6と並行して少しずつ
試験日からの週ごとの割り振りはG検定の勉強はいつから?にまとめています。
AIナビスタ G検定の場合
ここからは自社アプリの話です。「AIナビスタ G検定」は、シラバスの全10分野に沿った問題600問と全問の解説、本番形式(145問・100分)の模擬試験2回分を収録したアプリです(「G検定」は一般社団法人日本ディープラーニング協会の登録商標です。本アプリはJDLAの監修・認可・提携・推奨を受けたものではありません)。分野ごとに問題を解けて、分野ごとの進み具合も見えるので、手を付けていない大項目を残さずに進められます。わからない問題はその場でAIに質問でき、試験日から逆算した学習プランも作れます。解説動画はありません。ダウンロードと一部の問題は無料で、すべての問題は月額¥3,900(最初の3日間は無料)です。アプリでどこまで進められるかはG検定はアプリだけで合格できる?で整理しています。
まとめ
- G検定の出題範囲は、JDLAのシラバス 2024(G2024#6から適用・第1.4版)
- 大項目は10(技術分野8・法律・倫理分野2)。中項目は技術37・法律・倫理18
- AIがはじめてなら、全体像 → 機械学習 → ディープラーニング → 応用例の順に進める
- 法律・倫理の2分野を後回しにしすぎない。数理・統計は並行して少しずつ