【E資格】クラスタリングを徹底解説｜k-means・階層的クラスタリング・ウォード法
2026年7月4日
クラスタリングは、正解ラベルなしでデータを「似たもの同士のグループ(クラスタ)」に分ける教師なし学習の代表的なタスクです。分割型の代表であるk-meansと、併合の過程を木構造で表す階層的クラスタリングの2系統を押さえることがこの項目の目標です。
【G検定】変分オートエンコーダ(VAE)とは？確率でデータを生成する仕組みをわかりやすく解説
2026年7月3日
「データを圧縮して復元する」オートエンコーダに確率の考え方を持ち込むと、見たことのない新しいデータを生み出せる「生成モデル」に生まれ変わります。それが変分オートエンコーダ(VAE)です。GANと並ぶ代表的な生成モデルとして、G検定でも頻出のキーワードです。
【G検定】積層オートエンコーダとは？1層ずつ積み上げる学習の仕組みをわかりやすく解説
2026年7月3日
オートエンコーダを何段も重ねて「深い」ネットワークにしたものが積層オートエンコーダです。ディープラーニング初期に「深い構造でも学習できる」ことを示した立役者であり、事前学習・ファインチューニングとセットでG検定に登場する重要キーワードです。
【G検定】データの偏りとは？AIの公平性を損なう原因と各工程での対策をわかりやすく解説
2026年7月3日
不公平なAIの多くは、不公平なデータから生まれます。学習データが特定の属性や集団に偏っている状態——「データの偏り」は、公平性の節に登場するバイアス問題の大もとを指す総論的なキーワードです。どの工程で偏りが入り込み、どう対処するのかを整理して理解しましょう。
【G検定】代理変数とは？センシティブ属性を除いても差別が残る理由をわかりやすく解説
2026年7月3日
性別や人種の列をデータから消したのに、AIの判断は相変わらず偏っている——。その犯人が「代理変数」です。郵便番号や職業のような一見中立な変数が、センシティブ属性の身代わりとして働いてしまう。AIの公平性を考えるうえで避けて通れない仕組みを解説します。