資格の選び方
資格5種を比較。生成AIパスポート・G検定・統計検定2級・DS検定・Python3基礎の選び方
生成AIパスポート、G検定、統計検定2級、DS検定は、どれもAI・データ学習につながりますが、受ける目的が違います。Python3エンジニア認定基礎試験は、この4資格と異なりAI・統計ではなくPythonの文法そのものを問うプログラミング資格です。 生成AIを使う側の基礎とリスクを押さえたいなら生成AIパスポート、AI・機械学習・ディープラーニングを広く体系化したいならG検定、データの読み方や推定・検定を固めたいなら統計検定2級、ビジネス課題からデータエンジニアリングまでデータ活用の流れ全体を押さえたいならDS検定、Pythonの文法を基礎から固めたいならPython3エンジニア認定基礎試験が合います。
迷う場合は、先に生成AIパスポートでAIと生成AIの基本語を固め、その後にG検定で機械学習・ディープラーニング・法律倫理まで広げる順番が無理が少ないです。 G検定の数理・統計が弱い、またはデータ分析寄りに進みたい場合は、統計検定2級を前後に組み込みます。
違いを先に見る
向いている人
生成AIパスポート
生成AIを業務や学習で使う前提知識を固めたい人。AI初学者、ビジネス職、学生でも入りやすい。
G検定
AI・機械学習・ディープラーニングを広く体系的に押さえたい人。範囲は広く、周辺分野も問われる。
統計検定2級
データの読み方、確率、推定、仮説検定、回帰分析を固めたい人。AIより統計学の基礎に寄せたい人向け。
DS検定
統計・機械学習だけでなく、ビジネス課題の設定からデータエンジニアリングまでデータ活用の流れ全体を押さえたい人。非エンジニアでも入りやすい。
Python3基礎
AI・統計ではなくPythonの文法そのものを基礎から固めたい人。プログラミング未経験者から入りやすい、当サイトで唯一のプログラミング資格。
出題範囲
生成AIパスポート
AIの基礎、生成AI、現在の動向、情報リテラシー、AI社会原則、プロンプト。
G検定
人工知能、機械学習、ディープラーニング、数理統計、法律、倫理、AIガバナンス。
統計検定2級
データの記述、確率、確率分布、標本分布、推定、仮説検定、カイ二乗検定、回帰分析。
DS検定
ビジネスマインドとデータリテラシー、データ可視化とAI活用の基礎、数学的基礎、統計・推定・検定、データ準備・モデル化、データエンジニアリング基礎、プログラミング・セキュリティ・AI運用、価値創造。
Python3基礎
数値・文字列・データ構造、制御構造ツール、モジュール、入出力、エラーと例外、クラスなど、公式教材『Pythonチュートリアル』の章立てに沿った範囲。
学習の重さ
生成AIパスポート
用語の境界とリスク判断を押さえる試験。深い数式より、選択肢の読み分けが重要。
G検定
範囲が広く、モデル、評価指標、数理、法律倫理まで横断する。後回し分野を作ると崩れやすい。
統計検定2級
公式暗記だけでなく、どの統計量・分布・検定を使うかの判断が必要。推定・検定で差が出やすい。
DS検定
統計・数学だけでなく、SQLやデータエンジニアリング、セキュリティ、価値創造まで8章を横断する。1分野に絞らず全体を広く回す必要がある。
Python3基礎
数式や統計手法ではなく、除算と切り捨て除算、appendとextendのような対になる仕様の判断や、try・except・else・finallyの実行順序を正確に覚える必要がある。
当サイトの演習量
生成AIパスポート
451問・5分野。用語集と章別演習で短く回せる。
G検定
516問・10分野。厚い大項目から弱点を出せる。
統計検定2級
403問・6分野。推定・検定・回帰まで章別に確認できる。
DS検定
426問・8分野。全8章を章別に確認できる。
Python3基礎
186問・13分野。公式教材の章立てに沿って章別に確認できる。
先に受ける判断
生成AIパスポート
AI資格が初めて、または生成AI利用のリスクを先に押さえたいなら最初に選びやすい。
G検定
AI全体を体系化したい、または機械学習の知識を証明したいなら中心候補になる。
統計検定2級
G検定の数理・統計が弱い、またはデータ分析の基礎を先に作りたいなら候補になる。
DS検定
G検定・統計検定2級と出題範囲が重なるため、どちらかを学んだ後にデータ活用の流れ全体へ広げたいなら候補になる。
Python3基礎
AI・データ分析ではなくPython言語そのものの基礎を固めたいなら候補になる。他4資格と出題範囲が重ならないため、優先順位ではなく学習目的で選ぶ。
先に生成AIパスポートが合う人
AIを仕事で使う前に、最低限のリスクを押さえたい
生成AIパスポートは、生成AIの仕組みだけでなく、著作権、個人情報、ハルシネーション、プロンプトの扱いが出ます。 仕事でAIツールを使う人は、先にこちらで言葉の境界を作る方が実務に近いです。
AI資格が初めてで、広すぎる範囲に入るのが不安
G検定は範囲が広く、機械学習やディープラーニングの用語が多く出ます。 AI資格が初めてなら、生成AIパスポートでAI・生成AI・リスクの基本語に慣れてから広げる方が崩れにくくなります。
先にG検定が合う人
機械学習やディープラーニングを体系的に押さえたい
モデル名、評価指標、データの扱い、数理統計、法律倫理まで広く確認したいならG検定が向いています。 生成AIだけではなく、AI全体を横断して見たい人向けです。
すでにAIの基本語を知っている
教師あり学習、過学習、正則化、CNN、RNN、Transformerのような語を一度学んでいる人は、G検定から入っても進めやすいです。 ただし、法律・倫理・ガバナンスを後回しにすると失点しやすくなります。
ケース別の選び方
業務で生成AIを使う前提知識がほしい
まず生成AIパスポートが合います。AIの基礎、生成AIの特徴、著作権、個人情報、ハルシネーション、プロンプトを先に押さえると、日常利用や社内利用の判断に近い知識から始められます。
AIや機械学習を体系的に説明できるようにしたい
G検定が合います。機械学習、ディープラーニング、評価指標、数理統計、法律、倫理、ガバナンスまで広く扱うため、AI全体の地図を作りたい人向けです。
AI資格が初めてで、何から始めるか迷っている
生成AIパスポートから入る方が進めやすいです。用語とリスク判断に慣れてからG検定へ進むと、G検定の法律・倫理や生成AI系の範囲にも接続しやすくなります。
すでに機械学習を学んだことがある
G検定から始めても問題ありません。ただし、技術用語だけでなく、法律・倫理・AIガバナンスを同じ重さで回す必要があります。
データ分析職を目指し、数値の根拠を説明したい
統計検定2級を優先します。平均や相関だけでなく、標本分布、推定、仮説検定、回帰分析まで学ぶため、分析結果の不確実性を説明する土台になります。
AI企画とデータ分析の両方に関わる
生成AIパスポートで利用リスクを押さえ、G検定でAI全体を体系化し、統計検定2級で推定・検定を補う順序が考えやすいです。3資格を同時に始めず、現在の業務に近い1つを先に完了させます。
データ活用の全体像を、非エンジニアの立場からも押さえたい
DS検定が候補になります。ビジネス課題の設定、データ可視化、統計・推定検定、モデル化、データエンジニアリング、セキュリティ、価値創造まで8章を横断して扱うため、統計やAIの知識だけでなくデータ活用の流れ全体を確認したい人に向きます。G検定・統計検定2級と出題範囲が重なるため、どちらかを学んだ後に接続すると理解しやすくなります。
目的別の学習順序
生成AIを安全に業務利用する
生成AIパスポート → G検定
利用時のリスクと基本語を先に固め、必要になった段階でAI全体の技術・法律・倫理へ広げる。
AI・機械学習の全体像を学ぶ
G検定 → 統計検定2級
AI技術の地図を作った後、評価指標やデータ分析の背景を推定・検定まで深める。
データ分析の基礎を作る
統計検定2級 → G検定
データのばらつきと推測統計を先に固めると、機械学習の評価やモデル理解へ接続しやすい。
短期間で最初のAI資格を取る
生成AIパスポート
範囲が生成AI利用に寄っており入りやすい。ただし、取得後に何へ広げるかまで決めておく。
選ばない方がよいケース
生成AIパスポート
機械学習モデルや数理を深く学びたい場合は目的とずれます。G検定や統計検定2級の方が近いです。
G検定
生成AIの安全な使い方だけを短く学びたい場合は範囲が広すぎます。生成AIパスポートから検討します。
統計検定2級
AI倫理や生成AI利用を主目的にする場合は遠回りです。数式と手法選択を避けたい人にも向きません。
併願するなら順番を決める
併願するなら、目的で順番を変えます。AIツールを安全に使う知識が先なら生成AIパスポート、AI全体の体系化が先ならG検定です。 どちらも受ける場合、生成AIパスポートで基本語とリスクを作ってからG検定へ進むと、法律・倫理・ガバナンスの範囲がつながりやすくなります。
統計検定2級は、AI資格そのものというより、G検定の数理・統計を実務やデータ分析に広げる資格です。 AIの利用リスクを先に押さえるなら生成AIパスポート、AI全体を広く見るならG検定、データの読み方と推定・検定を固めるなら統計検定2級を選びます。
統計検定2級も候補に入る人
AIより先に、データの読み方を固めたい
統計検定2級は、平均・分散・確率分布・推定・仮説検定・回帰分析を扱います。 AIモデルの名前より、データをどう読むか、検定や推定をどう判断するかを先に固めたい人に向きます。
G検定の数理・統計が弱点だった
G検定で評価指標や統計用語に不安が残る場合、統計検定2級で標本分布、信頼区間、p値、回帰分析を補うと理解がつながりやすくなります。 ただし試験範囲は統計学寄りなので、AI倫理や生成AIリスクを学びたい場合は生成AIパスポートやG検定の方が近いです。
G検定の先にE資格も検討する人
G検定で知識を広げた後、実装力を証明したい
G検定はディープラーニングの知識を広く扱うジェネラリスト向け資格で、受験資格に制限はありません。E資格（JDLA）はディープラーニングを実装する能力を問う専門資格で、数学的基礎・機械学習・深層学習の基礎と応用・開発運用環境まで扱います。知識の網羅性を示すG検定に対し、E資格は実装力を示す資格という役割分担です。
受験資格のハードルを先に確認する
E資格はG検定と違い、試験日から過去2年以内にJDLA認定プログラムを修了していることが受験資格として必須です。認定プログラムの受講料は相場10〜40万円で、最安の講座でも入学金2.2万円・月額3,300円がかかります。 試験自体は120分・多肢選択式約100問で、受験料は一般33,000円・学生22,000円・会員27,500円（いずれも税込）です。直近の実施結果（2026年第1回）は受験者1,317名・合格911名でした。 G検定に比べて客層が構造的に限定される資格のため、認定プログラムを受講する予定・予算があるかを先に確認してから検討してください。
一次情報確認日: 2026-07-27。JDLA公式のE資格ページを確認する →
資格同士の違いを比較する
試験の目的、方式、比較的厚い領域を並べ、どちらを先に受けるか決めるための比較です。概念用語の比較とは分け、現在1件を掲載しています。
概念の違いも確認する
資格選びだけでなく、試験で混同しやすい概念の違いも確認しておくと、用語問題と選択肢の読み分けが安定します。 現在38件を資格別にまとめています。
生成AIパスポート8件
- RAGとファインチューニングの違いRAGとファインチューニングの違いを、処理の流れ、使う場面、ハルシネーションとの関係、生成AIパスポートでの判断手順と確認問題まで解説します。
- RAGとAIエージェントの違いRAGとAIエージェントの違いを、外部情報の検索、タスク分解、ツール実行、フィードバックループ、組み合わせ方から生成AIパスポート向けに解説します。
- ファインチューニングと転移学習の違いファインチューニングと転移学習の違いを、事前学習済みモデルの再学習範囲、目的、生成AIパスポートでの判断手順と確認問題まで解説します。
- BERTとGPTの違いBERTとGPTの違いを、事前学習の目的関数（MLM・NSPと自己回帰的な言語モデル）、参照する文脈の向き、生成AIパスポートでの設問の手掛かり語まで解説します。
- マルウェアとランサムウェアの違いマルウェアとランサムウェアの違いを、総称と具体的な種類の関係、金銭要求という特徴、生成AIパスポートでの判断手順と確認問題まで解説します。
- ソーシャルエンジニアリング攻撃とフィッシング詐欺の違いソーシャルエンジニアリング攻撃とフィッシング詐欺の違いを、総称と具体的な手口の関係、スミッシング・ヴィッシングとの位置づけ、生成AIパスポートでの判断手順と確認問題まで解説します。
- 生成AIとLLMの違い生成AIとLLMの違いを、分類と実現技術の関係、代表的な生成AI・LLMの例、生成AIパスポートでの判断手順と確認問題まで解説します。
- AI提供者とAI利用者の違いAI提供者とAI利用者の違いを、AI事業者ガイドラインが定める役割、業務外利用者への対応、AI開発者との関係、生成AIパスポートでの判断手順と確認問題まで解説します。
G検定8件
- 適合率と再現率の違い適合率と再現率の違いを、分母、誤検知と見逃し、具体場面、G検定での判断手順、確認問題まで分類モデルの評価に沿って解説します。
- 教師あり学習と教師なし学習の違い教師あり学習と教師なし学習の違いを、正解ラベル、分類・回帰・クラスタリング・次元削減、G検定での判断手順と確認問題まで解説します。
- CNNとRNNの違い｜G検定での見分け方G検定で問われるCNNとRNNの違いを、扱うデータの構造、畳み込み・プーリングとLSTM・GRUの処理、勾配消失問題との関係、判断手順と確認問題まで解説します。
- 過学習と正則化の違い過学習と正則化の違いを、現象と対策の関係、交差検証などの評価指標、L1・L2正則化やドロップアウトの手法、G検定での判断手順と確認問題まで解説します。
- バギングとブースティングの違いバギングとブースティングの違いを、並列学習と逐次学習の進め方、ランダムフォレストと勾配ブースティングの代表例、G検定での判断手順と確認問題まで解説します。
- 決定木とランダムフォレストの違い決定木とランダムフォレストの違いを、モデルの本数と解釈しやすさ、バギングによる複数モデルの組み合わせ、G検定での判断手順と確認問題まで解説します。
- LSTMとGRUの違いLSTMとGRUの違いを、ゲート構造の数と役割、計算量、長期依存の学習という観点から、G検定での判断手順と確認問題まで解説します。
- 営業秘密と限定提供データの違い営業秘密と限定提供データの違いを、不正競争防止法上の3要件、刑事罰の有無、G検定での判断手順と確認問題まで解説します。
統計検定2級9件
- 標準偏差と標準誤差の違い標準偏差と標準誤差の違いを、対象、使う場面、信頼区間との関係、統計検定2級での判断手順、確認問題まで具体的に解説します。
- 信頼区間とp値の違い信頼区間とp値の違いを、推定と仮説検定の役割、問題文の条件、誤答の見抜き方、確認問題まで統計検定2級向けに解説します。
- 相関と因果の違い｜相関係数の正しい読み方相関と因果の違いを、相関係数と散布図の読み方、第三の要因、層別、統計検定2級での誤答判断と確認問題まで具体的に解説します。
- カイ二乗検定とt検定の違いカイ二乗検定とt検定の違いを、扱うデータの種類、問う内容、比較する分布、検定統計量の性質、試験での見分け方まで統計検定2級向けに解説します。
- 第1種の過誤と第2種の過誤の違い第1種の過誤と第2種の過誤の違いを、帰無仮説の真偽と検定結果の組み合わせ、有意水準・検出力との関係、統計検定2級での判断手順と確認問題まで解説します。
- 相関係数と回帰係数の違い相関係数と回帰係数の違いを、表すものの違い、値の範囲、説明変数と目的変数の入れ替えに対する対称性、統計検定2級での判断手順と確認問題まで解説します。
- 平均と中央値の違い｜外れ値に強い代表値はどちらか平均と中央値の違いを、求め方、外れ値への感度、箱ひげ図・四分位数との関係、統計検定2級での判断手順と確認問題まで解説します。
- 適合度検定と独立性の検定の違い適合度検定と独立性の検定の違いを、検証する対象（単一変数の分布か2変数の関連性か）、カイ二乗分布との関係、統計検定2級での判断手順と確認問題まで解説します。
- 対応のあるt検定と対応のないt検定の違い対応のあるt検定と対応のないt検定の違いを、データの取り方、t統計量の求め方、標本サイズの数え方、統計検定2級での判断手順と確認問題まで解説します。
DS検定5件
- MAEとRMSEの違いMAEとRMSEの違いを、誤差の集約方法、大きな誤差への反応、回帰モデル評価での選び方、DS検定の判断手順と確認問題まで解説します。
- ホワイトボックステストとブラックボックステストの違いホワイトボックステストとブラックボックステストの違いを、内部構造と入出力、テストケースの作り方、分岐テストとの関係、DS検定の判断手順まで解説します。
- データファブリックとデータメッシュの違いデータファブリックとデータメッシュの違いを、技術基盤の整備か組織の運用体制の変革か、データマート・DWHとの関係、DS検定の判断手順と確認問題まで解説します。
- DDLとDMLの違いDDLとDMLの違いを、操作の対象、CREATE TABLEとINSERTの位置付け、DS検定の判断手順と確認問題まで解説します。
- 内部結合と外部結合の違い内部結合（INNER JOIN）と外部結合（LEFT OUTER JOIN）の違いを、結合条件に一致しない行の扱い、表の行数を実際に数える例、DS検定での判断手順と確認問題まで解説します。
Python3エンジニア認定基礎試験8件
- 「/」と「//」の違い｜真の除算と切り捨て除算をPython3エンジニア認定基礎試験で判断する「/」（除算）と「//」（切り捨て除算）の違いを、戻り値の型、公式チュートリアルの記述、Python 3 エンジニア認定基礎試験での判断手順と確認問題まで解説します。
- append()とextend()の違い｜リストへの追加方法をPython3エンジニア認定基礎試験で判断するlist.append()とlist.extend()の違いを、公式チュートリアルの記述、追加される要素の単位、Python 3 エンジニア認定基礎試験での判断手順と確認問題まで解説します。
- クラス変数とインスタンス変数の違い｜kindとself.nameの区別をPython3エンジニア認定基礎試験で判断するクラス変数とインスタンス変数の違いを、公式チュートリアルのkind例とself.name例、可変オブジェクトを共有してしまう注意点、Python 3 エンジニア認定基礎試験での判断手順と確認問題まで解説します。
- 位置専用引数とキーワード専用引数の違い｜/と*の位置をPython3エンジニア認定基礎試験で判断する位置専用引数とキーワード専用引数の違いを、公式チュートリアルの/と*の書き方、pos_only_argとkwd_only_argの呼び出し例とTypeError、使い分けのガイド、Python 3 エンジニア認定基礎試験での判断手順と確認問題まで解説します。
- isと==の違い｜オブジェクトの同一性と値の等価性をPython3エンジニア認定基礎試験で判断するisと==の違いを、オブジェクトの同一性と値の等価性という調べる対象の違い、リストでの実例、Python 3 エンジニア認定基礎試験での判断手順と確認問題まで解説します。
- del文とpop()の違い｜返り値・スライス・リスト全体の削除をPython3エンジニア認定基礎試験で判断するdel文とlist.pop()の違いを、公式チュートリアルの記述、返り値の有無、スライスとリスト全体の削除、Python 3 エンジニア認定基礎試験での判断手順と確認問題まで解説します。
- importとfrom〜importの違い｜名前空間に入る名前・as・*をPython3エンジニア認定基礎試験で判断するimport文とfrom〜import文の違いを、公式チュートリアルの記述、名前空間に追加される名前、asによる別名、from 〜 import *と__all__の関係、Python 3 エンジニア認定基礎試験での判断手順と確認問題まで解説します。
- リストとタプルの違い｜要素を変更できるかどうかをPython3エンジニア認定基礎試験で判断するリストとタプルの違いを、公式チュートリアルの記述、要素の変更可否、単一要素タプルの書き方、辞書のキーに使えるかどうか、Python 3 エンジニア認定基礎試験での判断手順と確認問題まで解説します。
よくある迷い
生成AIパスポートとG検定はどちらが簡単？
一般には生成AIパスポートの方が入りやすいですが、目的が違います。生成AIパスポートは生成AI利用とリスク、G検定はAI・機械学習・ディープラーニングを広く扱います。
両方受ける意味はある？
あります。生成AIパスポートで生成AI利用とリスクの基礎を固め、G検定でAI全体の体系、評価指標、数理、法律倫理まで広げると役割が重なりすぎません。
転職や社内評価ならどちらを選ぶ？
AIを使う側の基礎を示したいなら生成AIパスポート、AIや機械学習の広い知識を示したいならG検定が向きます。職種や評価される業務内容に合わせて選びます。
G検定とE資格はどう違う？
G検定はディープラーニングの知識を広く扱うジェネラリスト向け資格で、受験資格の制限はありません。E資格はディープラーニングを実装する能力を問う専門資格で、JDLA認定プログラムの修了が受験資格として必須です。まず範囲の広さで基礎を作りたいならG検定、実装力を証明したいならE資格という役割分担です。
E資格は誰でも受けられる？
受けられません。試験日から過去2年以内にJDLA認定プログラムを修了している必要があります。認定プログラムの受講料は相場10〜40万円で、最安の講座でも入学金2.2万円・月額3,300円がかかるため、G検定より客層が限定される資格です。
DS検定とG検定・統計検定2級はどう違う？
G検定はAI・機械学習・ディープラーニングを、統計検定2級は統計学の基礎を中心に扱いますが、DS検定はビジネス課題の設定からデータ可視化、統計・推定検定、モデル化、データエンジニアリング、セキュリティ、AI運用、価値創造まで8章を横断します。出題範囲が重なる部分もあるため、G検定や統計検定2級を学んだ後に接続すると理解しやすくなります。
執筆: ミナト編集部（運営者情報を見る）