【G検定】勾配降下法とは？誤差を坂道のように下る学習の基本原理を解説
2026年6月20日
ニューラルネットワークが「学習する」とき、その内部で実際に動いているのが勾配降下法です。誤差という坂道を一歩ずつ下って最も低い場所を探す、というシンプルな原理でありながら、ディープラーニング全体を支える心臓部です。この記事では、その仕組みと限界（局所最適解・プラトー・学習率の問題）まで解説します。
【G検定】平均とは？中央値・期待値との違いと外れ値の落とし穴をわかりやすく解説
2026年6月20日
平均は、統計学のなかで最も基本的な「データの代表値」です。誰もが日常で使っている概念ですが、G検定では中央値・最頻値・期待値との違いや、外れ値に弱いという性質まで踏み込んで問われます。この記事で土台からしっかり固めましょう。
【G検定】グリッドサーチとは？ハイパーパラメータ総当たり探索の仕組みと弱点を解説
2026年6月20日
学習率やバッチサイズなど、機械学習には人間が事前に決めるべき「ハイパーパラメータ」がたくさんあります。その最適な組み合わせを機械的に探す最も素朴で確実な方法がグリッドサーチです。この記事では、総当たりという仕組みと、その代償である計算コスト、そしてランダムサーチやベイズ最適化との違いを解説します。
【G検定】標準偏差とは？分散との違いと偏差値のしくみを計算例つきでやさしく解説
2026年6月20日
平均点が同じ60点のテストでも、「全員が60点前後」のクラスと「20点と100点に割れている」クラスでは中身がまったく違います。この「ばらつきの大きさ」を、元のデータと同じ単位で表してくれるのが標準偏差です。計算手順、分散との関係、偏差値や正規分布の68%・95%ルールとのつながりまで、計算例つきで解説します。
【G検定】確率的勾配降下法(SGD)とは？ランダム抽出で学習を効率化する仕組みを解説
2026年6月20日
ディープラーニングの学習を支える最も基本的な最適化アルゴリズムが確率的勾配降下法（SGD: Stochastic Gradient Descent）です。「確率的」という言葉の意味と、全データを使う勾配降下法との違いがわかれば、AdamやRMSpropなど後続の手法を理解する土台もできあがります。