G検定 受験前ガイド
G検定とは？試験概要
G検定は、AI・機械学習・ディープラーニングを技術だけに限定せず、データ、数理統計、法律、倫理、AIガバナンスまで横断して理解するための資格です。受験判断では、モデルを実装できるかではなく、AIプロジェクトで必要な基礎用語と判断材料を広く説明できるようになりたいかを基準にします。
初学者は、公式シラバスを最初から深掘りする前に、教師あり学習・教師なし学習・強化学習、過学習、評価指標、代表モデル、法律・倫理の位置関係を作ると進めやすくなります。試験仕様と申込条件は変わる可能性があるため、受験前に公式情報を確認してください。
公式情報の確認
試験日、料金、申込条件、試験方式など変動する情報は、公式情報を最終確認してください。 当サイトの一次情報確認日: 2026-07-03。
試験仕様表は公式情報の要約です。最初に学ぶ範囲と演習の進め方は、当サイトの収録問題に基づく編集部の提案です。
公式情報で確認する試験仕様
- checkedOn
- 2026-07-03
- 時間
- 100分（オンライン）／120分（会場）
- 問題数
- 145問程度（多肢選択式・知識問題）
- 情報確認日
- 2026年7月3日（公式サイト照合）
- 受験料
- 一般13,200円（税込）／学生5,500円（税込）
- 実施回数
- 年6回（オンライン）＋年3回（会場）
対象者別の受験判断
資格の名称だけで決めず、現在の経験と、取得後に示したい能力から判断します。資格だけで実務力の証明が完結しないケースも先に分けます。
| 対象 | 判断 | 最初の行動 |
|---|---|---|
| AIを初めて体系的に学ぶ人 | 受験候補にできますが、いきなりモデル名を暗記せず、機械学習の学習方式と評価の目的から始めます。 | 大項目3を10〜20問解き、分類・回帰・過学習のどこで止まるか記録する。 |
| 生成AIやデータ分析の経験がある人 | 実務で触れた技術だけでなく、AI史、数理、法律、倫理まで広げたい場合に向きます。 | 10大項目を少量ずつ診断し、未経験の大項目を3つ以内に特定する。 |
| モデル実装力を証明したい人 | G検定だけで実装力の証明は完結しません。基礎知識の整理に使い、コードや設計成果物を別に残します。 | 資格学習で補う用語と、実装で示す能力を分けて計画する。 |
| 再受験する人 | 全範囲の再読より、失点が知識不足・用語混同・時間不足のどれかを先に分けます。 | 弱点3大項目を章別演習で再測定し、7日計画へ接続する。 |
最初に確認したい範囲
機械学習の基本語
教師あり・教師なし・強化学習、分類・回帰、過学習・正則化を、何を解決するための考え方かで分けます。
評価とディープラーニング
適合率・再現率・F値、CNN・RNN・Transformerは、名称だけでなく目的、構造、使う場面を対応させます。
法律・倫理・ガバナンス
個人情報、著作権、バイアス、説明可能性、AIガバナンスを最後に暗記せず、技術分野と並行して確認します。
問題ではどう問われるか
用語の定義を単独で暗記するだけでなく、問題文の手掛かりから判断対象を決めます。誤答しやすい読み方も同時に確認します。
| 問題文の手掛かり | 判断手順 | よくある誤り |
|---|---|---|
| 学習データと正解ラベルが示される | 教師あり学習を起点に、分類か回帰か、評価指標は何かを判断する。 | ニューラルネットワークという語だけでディープラーニングの説明を選ぶ。 |
| 過学習、汎化、学習と検証の差が示される | データ分割、正則化、早期終了など、何を抑える対策かを読む。 | モデルを複雑にすれば必ず精度が上がると考える。 |
| 画像、系列、注意機構、生成という手掛かりがある | CNN、RNN、Transformer、生成モデルを、構造と入出力から絞る。 | 用途だけを丸暗記し、構造を示す語を読み飛ばす。 |
| 権利、個人情報、公平性、説明責任が問われる | 法律・契約、倫理、ガバナンスのどの層の対策かを分ける。 | 望ましい一般論なら、問われた制度と違っても正解だと判断する。 |
最初の3日で適性と弱点を測る
| 日 | 対象 | 問題数 | 残す証拠 |
|---|---|---|---|
| 初日 | 大項目1〜3 | 20問 | 知らない語ではなく、説明できない概念を5つ以内にする。 |
| 2日目 | 大項目4〜6 | 25問 | 各モデルを入力・構造・用途の3列で比較する。 |
| 3日目 | 大項目7〜10 | 20問 | 数理、法律、倫理を後回しにせず、弱点大項目を3つ決める。 |
当サイトの問題データで確認できる分野
G検定の予想問題を516問収録しています。最初から全範囲を読み直す前に、問題を解いて自分の弱点分野を確認します。
次の段階へ進む到達判定
学習開始
条件: 教師あり・教師なし・強化学習を具体例から選べる
次: 10大項目を一巡する学習計画へ進む。
演習移行
条件: モデル名を用途だけでなく構造の手掛かりから区別できる
次: 章別問題で誤答選択肢の理由を確認する。
受験準備
条件: 法律・倫理を含む全大項目を解き、100分で145問程度を最後まで読める
次: 直前1週間と試験当日の時間配分を固定する。
学習を浅くする失敗と修正
問題数や暗記量だけを増やしても、判断手順や取得後の行動につながらなければ学習は完成しません。症状が当てはまる場合は、次の学習へ広げる前に修正します。
モデル名から覚え始める
症状: CNN、RNN、Transformerなどの用途は言えても、教師あり学習や過学習の問題で根拠を説明できない。
修正: 大項目3の学習方式・分類回帰・評価へ戻り、モデルが解く課題との接続を作る。
技術分野だけで学習量を測る
症状: 大項目3〜6の正解率だけを見て、数理、法律、倫理、ガバナンスを直前へ残す。
修正: 毎日の演習に大項目8〜10を少量入れ、全大項目の未学習をなくす。
正解した問題を理解済みにする
症状: 2択で迷って偶然正解した問題や、誤答選択肢の違いを説明できない問題を復習しない。
修正: 誤答に加えて迷った正解を記録し、目的・構造・用途のどこが曖昧か分類する。
数式の導出に時間を使いすぎる
症状: 評価指標や確率の意味を選択肢で判断できないまま、高度な導出だけに時間を使う。
修正: 式が表す誤り・ばらつき・変化を言葉で説明し、問題文の目的と対応させる。
資格取得を実装力の証明にする
症状: 合格後にコード、設計、検証記録などの成果物がなく、仕事で何ができるか説明できない。
修正: 資格学習で得た共通語を使い、小さな分析・設計・リスク確認の成果物を別に残す。
受験前チェックリスト
- 試験日、申込期限、受験料、試験方式は公式の次回試験概要で確認する。
- 公式シラバスの大項目を確認し、技術分野だけに学習が偏っていないかを見る。
- まず章別問題を解き、弱点が機械学習、数理、法律・倫理のどこにあるかを分ける。
よくある質問
QG検定はどんな資格？
AI・機械学習・ディープラーニングを技術だけに限定せず、データ、数理統計、法律、倫理、AIガバナンスまで横断して理解するための資格です。モデルを実装できるかではなく、AIプロジェクトで必要な基礎用語と判断材料を広く説明できるかが問われます。
QG検定は何を最初に学べばいい？
公式シラバスを最初から深掘りする前に、教師あり学習・教師なし学習・強化学習、過学習、評価指標、代表モデル、法律・倫理の位置関係を作ると進めやすくなります。
次にやること
試験概要を確認したら、まず短い演習で知識の抜けを出します。誤答した問題は正解番号だけで終わらせず、関連用語と同じ論点の類題へ戻って復習します。
執筆: ミナト編集部（運営者情報を見る）