【G検定】汎化性能とは？未知のデータに強いモデルの条件と過学習の関係を解説
2026年6月9日
機械学習モデルの良し悪しは「訓練データでの成績」では決まりません。本当に大事なのは、まだ見たことのないデータに対してどれだけ正しく予測できるか——これが汎化性能です。機械学習の評価の根幹にある考え方で、過学習・ホールドアウト検証・交差検証といった頻出用語はすべてこの概念につながっています。
【G検定】BPRとは？業務プロセスを根本から再設計しAI効果を最大化する手法
2026年6月9日
AIを既存の仕事にそのまま貼り付けても、期待したほどの効果は出ないことが多い。だからこそ「業務プロセスそのものを作り直す」という発想が必要になります。それがBPR(ビジネスプロセスリエンジニアリング)です。もともとは経営改革の用語ですが、G検定ではAI導入と結びつけて出題される点がポイントです。
【G検定】F値とは？適合率と再現率の調和平均で分類モデルを評価する指標を解説
2026年6月9日
「適合率は高いのに再現率が低い」「その逆もある」——分類モデルの評価では、こんな板挟みがよく起こります。F値は、この2つの指標をバランスよく1つの数値にまとめてくれる評価指標です。G検定では混同行列まわりの定番テーマなので、計算式の形と「なぜ調和平均なのか」まで理解しておきましょう。
【G検定】再現率（Recall）とは？見逃しを減らしたい場面で使う指標をわかりやすく解説
2026年6月9日
「本当に見つけるべきもののうち、どれだけ拾えたか？」——この問いに答える指標が再現率です。視点の起点は「実際の陽性」側にあり、見逃し（偽陰性）が許されない医療診断や不良品検出の現場で主役になります。
【G検定】AIプロジェクトの進め方とは？アジャイル前提の開発と2つの検討事項
2026年6月9日
AIプロジェクトは、普通のシステム開発と同じ進め方では失敗しやすいことが知られています。なぜウォーターフォール型が向かず、アジャイル型が必要なのか。始める前に何を検討すべきなのか。G検定の第7章で問われる「AIプロジェクトの特殊性」を、この記事で整理しましょう。