【G検定】ウォーターフォール開発とは？AIプロジェクトに不向きな理由も解説
2026年6月11日
要件定義から運用保守まで、滝の水が上から下へ流れるように工程を一方向に進める——それがウォーターフォール開発です。計画性に優れた伝統的手法ですが、「作ってみないと分からない」AIプロジェクトでは弱点が表面化します。G検定第7章ではアジャイル開発との対比で問われる頻出キーワードです。
【G検定】出力層とは？予測結果を出すニューラルネットワーク最後の層を解説
2026年6月11日
ニューラルネットワークの旅の終着点が出力層です。入力層から受け取ったデータが隠れ層で何段階も加工され、最後に「猫である確率80%」「予測価格3,200万円」といった答えの形になる場所です。タスクによって出力の形が変わること、そして学習の出発点（誤差の計算）でもあることが、G検定で問われる核心です。
【G検定】アジャイル開発とは？AIプロジェクトと相性が良い理由をわかりやすく解説
2026年6月11日
「作ってみないと精度が分からない」AI開発では、最初に完璧な計画を立てること自体が困難です。だからこそ、短いサイクルで試作と改善を繰り返すアジャイル開発が力を発揮します。G検定第7章では、ウォーターフォール開発との対比でAIプロジェクトに適した進め方として問われる重要キーワードです。
【G検定】入力層とは？ニューラルネットワークの入り口とノード数の決まり方を解説
2026年6月11日
どんなに高性能なニューラルネットワークも、データを受け取る「入り口」がなければ始まりません。その入り口が入力層です。地味な存在に見えますが、「データをどう数値にしてネットワークに渡すか」を決める層であり、ノード数がデータの形で決まるという特有のルールがあります。隠れ層・出力層とセットで確実に押さえましょう。
【G検定】Web APIとは？AIの機能を「借りて使う」仕組みをわかりやすく解説
2026年6月11日
地図も決済も画像認識も、いまどきのアプリは自前で全部作っていません。他社が提供する機能をインターネット越しに「借りて」組み合わせています。その受け渡し口がWeb APIです。AIの機能を手軽にサービスへ組み込む手段として、G検定第7章のAIプロジェクト実務の文脈で登場します。