【G検定】エッジAIとは？端末上でAIを動かす仕組みとモデル軽量化の関係を解説
2026年6月7日
スマホの顔認証は、顔画像をクラウドに送らずに端末の中だけで判定しています。このように、データが生まれるその場所でAIを動かすのが「エッジAI」です。G検定では「モデルの軽量化」の節の入口として、プルーニング・量子化・蒸留がなぜ必要かを説明する文脈で登場します。
【G検定】交差検証とは？ホールドアウト検証とk-分割交差検証の仕組みをわかりやすく解説
2026年6月7日
作ったモデルが「本番でも通用するか」を、どうやって確かめればよいのでしょうか。その標準的な答えが交差検証です。データの分け方と繰り返しの仕組みを理解すれば、過学習の検出やモデル選択の話が一気につながります。
【G検定】説明可能AI（XAI）とは？ブラックボックス問題と大域的・局所的説明を解説
2026年6月7日
高性能なAIほど、中で何が起きているのかわからない——この「ブラックボックス問題」に対する答えが説明可能AI(XAI: Explainable AI)です。CAM・Grad-CAM・LIME・SHAPといった個別手法の「親玉」にあたる総称概念で、G検定「モデルの解釈性」の節全体を束ねるキーワードです。
【G検定】過学習とは？訓練データに合わせすぎる罠と未学習との違いをわかりやすく解説
2026年6月7日
機械学習のモデルづくりで、初心者が最初につまずく最大の落とし穴が「過学習」です。訓練中の成績は素晴らしいのに、本番のデータではまるで当たらない——この現象の正体と対策を、この記事でしっかり理解しましょう。
【G検定】SHAPとは？ゲーム理論のシャープレイ値で予測への寄与を公平に測る手法を解説
2026年6月7日
「この予測に、各特徴量はそれぞれ何点ぶん貢献したのか？」——チームの成果を公平に山分けするゲーム理論の考え方(シャープレイ値)で、AIの予測を特徴量ごとの寄与に分解するのがSHAP(SHapley Additive exPlanations)です。G検定の「モデルの解釈性」で最も理論的な背景を持つ手法です。