G検定 用語解説
Pythonとは
機械学習・ディープラーニング向けのライブラリが豊富にそろい、AI開発で事実上の標準として使われているプログラミング言語。
まず押さえる結論
Pythonは、G検定の「大項目7 AIの社会実装に向けて」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-07-03。
試験概要（公式）試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
×CRISP-DM（進め方の枠組み）とPoC（概念実証）の役割の取り違え。
×データリーケージ（学習・評価データに正解情報が混入する事故）の見落とし。
×説明可能AI（XAI）・公平性・透明性など、近い概念の取り違え。
関連する確認問題
大項目7 AIの社会実装に向けて / AIプロジェクトの進め方
AI導入で問い合わせ対応の負担を減らすことを目指す際に、導入効果を継続的に確認するため、「一次回答で解決した割合」などの測定可能な指標を置く。このような重要業績評価指標を何というか。
正解は「KPI」である。KPIは目標に対する進捗や成果を測定するための重要業績評価指標であり、AI導入が業務目標に寄与したかを確認する基準になる。PoCは実現可能性の小規模検証、BPRは業務プロセスの抜本的再設計、ELSIは倫理的・法的・社会的課題を表す概念であり、成果を数値で追う指標ではない。 導入活動と測定指標を分ける。PoCは実現可能性の試行、BPRは業務再設計、ELSIは倫理・法・社会課題の検討領域である。目標に対する進捗を定量追跡する重要業績評価指標がKPIである。
大項目7 AIの社会実装に向けて / AIプロジェクトの進め方
製造現場の異常検知AIを導入する際、データ分析の技術だけでなく、どの状態を異常と扱うべきか、現場の工程や安全条件を理解していることが求められる。この業務領域に固有の知識を何というか。
正解は「ドメイン知識」である。ドメイン知識は、製造、医療、金融など特定の業務領域に固有の知識を指す。AIプロジェクトでは、技術者と現場の知識を持つ人が協力し、課題設定や評価基準を定める必要がある。オープンデータは公開データ、データリーケージは本来利用できない情報の混入、敵対的サンプルは誤認を誘う入力であり、業務領域の知識ではない。設問の製造工程、安全条件、異常の定義は、データの公開状態や学習時の混入ではなく、現場業務を理解するための知識を示す。AI技術の用語ではなく、判断基準を定める業務側の知識を選ぶ。
大項目7 AIの社会実装に向けて / データの整備と運用
工場設備やスマートフォンなど、データが発生する端末の近くでAIの推論を行い、クラウドとの通信遅延やデータ送信量を抑える構成を何というか。
正解は「エッジAI」である。エッジAIは、端末や現場に近い場所でAIの推論などを行う構成であり、通信遅延やデータ送信量を抑えたい場面で用いられる。クラウドはネットワーク越しに計算資源を利用する形態、MLOpsはモデルの開発・運用を継続的に回す方法論、プライバシー・バイ・デザインは設計段階から個人情報保護を組み込む考え方である。 計算する場所を確認する。クラウドは遠隔データセンターの計算資源、MLOpsは開発運用の方法論、プライバシー・バイ・デザインは設計原則である。工場端末やスマートフォンなど現場側で推論するのがエッジAIである。
同じ章で確認したい用語
到達チェック
- Pythonを一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、Pythonに関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: ミナト編集部（運営者情報を見る）