AI・ディープラーニングの基礎と事業活用力を学ぶ検定
G検定とは？
試験概要・難易度・勉強方法を
わかりやすく解説
G検定は、JDLAが実施するAI・ディープラーニング活用リテラシーの検定です。技術の基礎から社会実装、法律・倫理、AIガバナンスまでを体系的に学びます。
1G検定（JDLA Deep Learning for GENERAL）とは
G検定とは
G検定（JDLA Deep Learning for GENERAL）は、一般社団法人日本ディープラーニング協会（JDLA）が実施する、AI・ディープラーニングの活用リテラシーを学ぶための検定です。人工知能の歴史や機械学習、ディープラーニングの仕組みだけでなく、社会実装、法律、倫理、AIガバナンスまで幅広く扱います。エンジニアだけでなく、企画・営業・管理などAIを仕事で活用する立場の人にも関係する内容です。
この資格でできること
- AI・機械学習・ディープラーニングの基礎用語を体系的に整理できる
- AIでできること・できないことを踏まえて活用方針を考えられる
- AIプロジェクトの進め方やデータ活用の基本を理解できる
- 個人情報、著作権、AI倫理、ガバナンスなど実務上の注意点を学べる
この資格が向いている人
- AIを基礎から体系的に学びたい人
- 生成AIを含むAI技術を業務へ活用したい人
- DXやデータ活用の企画・推進に関わる人
- 技術だけでなく法律・倫理まで含めて理解したい人
学習の進め方
最初に人工知能・機械学習・ディープラーニングの全体像を整理し、その後に代表的な学習手法やネットワーク構造、応用例へ進むと理解しやすくなります。後半では社会実装、数理・統計、法律・倫理・AIガバナンスを確認します。用語を暗記するだけでなく、それぞれの技術がどの課題に使われ、どのようなリスクや制約があるかまで関連づけて学ぶことが重要です。
2試験概要
| 実施団体 | 一般社団法人日本ディープラーニング協会（JDLA） |
|---|---|
| 受験資格 | 受験資格の制限なし。年齢・学歴・実務経験を問わず受験可能。 |
| 試験日・申込期間 | 2026年はオンライン試験を年6回、会場試験（Onsite）を年3回実施。次回の2026年第6回オンライン試験は11月6日（金）16:00〜17:40、11月7日（土）13:00〜14:40。個人申込期間は9月11日（金）13:00〜10月29日（木）23:59。第6回の会場試験は実施なし。 |
| 受験料 | 一般13,200円（税込）／学生5,500円（税込）。オンライン試験は各種割引制度あり。会場試験は各種割引制度なし。 |
| 試験形式 | 知識問題（多肢選択式）。オンライン試験は自宅受験、会場試験はオンサイト受験。 |
| 問題数 | 145問程度（オンライン・会場共通） |
| 試験時間 | オンライン100分／会場120分 |
| 試験回数 | 2026年：オンライン年6回／会場年3回 |
| 合格基準 | 合格ラインおよび得点は非開示。 |
公式情報確認日：2026-09-09
3試験科目・出題範囲
4こんな人におすすめ
5よくある質問
受験資格に制限はなく、年齢・学歴・実務経験を問わず受験できます。
2026年の現行案内では、問題数は145問程度です。試験時間はオンライン試験が100分、会場試験が120分です。
JDLAが2025年第5回の合格者に行ったアンケートでは、30〜50時間が25.3%で最多、15〜30時間が21.5%、50〜70時間が18.4%でした。事前知識によって必要時間は変わります。
JDLAは合格ラインおよび得点を開示していません。公開されていない基準点を推測して学習目標にしないことが重要です。
6学習メニュー
7試験攻略・学習戦略
G検定（JDLA Deep Learning for GENERAL）を効率よく学ぶために、試験攻略の考え方・科目ごとの優先順位・学習スケジュール・つまずきやすい点を整理しています。
試験攻略ポイント
出題範囲が広いため、用語の丸暗記ではなく「技術の目的・仕組み・使い分け」を関連づけて学ぶ。人工知能の歴史と基礎を押さえた後、機械学習、ディープラーニング、生成AIへ進み、最後に社会実装・法務・倫理を横断して整理する。本番は問題数に対して時間が限られるため、演習では迷う問題に長く留まらず、判断速度も意識する。
科目別の学習優先順位
優先度A：機械学習・数理統計、ディープラーニング基礎・要素技術、ディープラーニング応用・生成AI
優先度B：人工知能の基礎・歴史・動向、AIの社会実装・プロジェクト
優先度C：AI関連法規・倫理・ガバナンス
ただし法規・倫理は直前期だけに回さず、著作権・個人情報・公平性・説明可能性など頻出概念を早めに整理する。
学習スケジュール例
1週目：人工知能の歴史・探索・知識表現、機械学習の全体像
2週目：教師あり・教師なし・強化学習、評価指標、確率・統計
3週目：ニューラルネットワーク、誤差逆伝播、最適化、CNN・RNN・Attention
4週目：Transformer・生成AI・画像/音声/マルチモーダル、社会実装、法務・倫理を学習
直前期：WEB問題で弱点を洗い出し、誤答論点を重点復習。時間を計って総合演習を行う。
つまずきやすいポイント
似た用語や手法を名称だけで覚え、用途・前提・違いを説明できない状態になりやすい。PrecisionとRecall、過学習と未学習、CNN・RNN・Transformer、転移学習とファインチューニングなどは比較して整理する。また、生成AIや法制度は情報更新が速いため、古い教材だけに依存しない。計算問題では公式暗記だけでなく、指標や確率が何を表すかまで理解する。
