G検定の勉強を始めようとして、
「試験範囲はどこまで?」
「シラバスって全部覚えないといけない?」
「機械学習だけ勉強すればいい?」
「法律や数学まで出るの?」
と、範囲の広さに驚いた人もいると思います。
G検定はAIに関する資格ですが、出題されるのはディープラーニングだけではありません。
現在の公式シラバスでは、大きく、
技術分野
法律・倫理分野
に分かれており、人工知能の歴史から機械学習、ディープラーニング、社会実装、数理・統計、法律、AI倫理・AIガバナンスまで幅広く扱います。
そのため、
「AI用語を少し知っているから大丈夫」
という試験ではありません。
この記事では、G検定の現在のシラバスを初心者向けに整理し、どのような順番で勉強すればよいのか解説します。
G検定は公式シラバスから出題される
G検定の出題範囲は、JDLAが公開している公式シラバスを基準にしています。
現在JDLA公式ページで案内されている詳細シラバスは、G2024#6から適用されているものです。旧シラバスも掲載されていますが、これから勉強するなら現在適用されているシラバスを確認しましょう。
「2026年版のシラバス」という別物が毎年新しく作られるわけではないため、タイトルには年号を入れず、公式サイトで現在適用されているシラバスを確認する方が長く使える記事になります。
G検定の出題範囲は大きく技術分野と法律・倫理分野
公式シラバスを見ると、非常に多くの項目があります。
大きく分けると次のような構成です。
| 分野 | 主な内容 |
|---|---|
| 人工知能 | 定義、AIに関する問題 |
| AIの歴史・動向 | 探索、推論、知識表現、機械学習の発展 |
| 機械学習 | 教師あり・教師なし・強化学習 |
| ディープラーニング | ニューラルネットワーク、学習方法 |
| 要素技術 | 畳み込み、Attention、正規化など |
| 応用 | 画像、自然言語、音声、生成AIなど |
| 社会実装 | AIプロジェクト、データ活用 |
| 数理・統計 | AIに必要な数学・統計 |
| 法律 | 個人情報、著作権、特許など |
| AI倫理 | 公平性、安全性、透明性など |
| AIガバナンス | AIを管理・運用する考え方 |
「こんなにあるの?」
と感じるかもしれません。
ただ、最初から各項目を同じ深さで覚える必要はありません。
まず全体像をつかみ、問題演習をしながら理解を深めていく方が進めやすいです。
人工知能とは何かという基礎から出題される
シラバスの最初には、
人工知能の定義
人工知能分野で議論される問題
があります。
ここでは、
「そもそもAIとは何か」
という基礎から学びます。
G検定は新しいAI技術だけを問う試験ではありません。
人工知能という言葉がどのように使われ、どんな問題が議論されてきたのかも試験範囲です。
最初の章だからと飛ばさず、基本用語を整理しておきましょう。
AIの歴史・機械学習の発展も重要
次に、
- 探索・推論
- 知識表現
- エキスパートシステム
- 機械学習
- ディープラーニング
といったAIの発展を学びます。
初心者の場合、
「昔のAIの歴史まで覚える必要ある?」
と思うかもしれません。
ただ、AIブームの流れや技術の進歩を知っていると、
「なぜ機械学習が登場したのか」
「なぜディープラーニングが注目されたのか」
というつながりが分かりやすくなります。
単純に年号だけ暗記するより、技術の変化と一緒に覚えると理解しやすいです。
機械学習では3つの学習方法を整理する
機械学習では、
教師あり学習
教師なし学習
強化学習
が出題範囲に含まれています。
さらに、モデルの選択や評価についても扱います。
ここはG検定の中でも基本となる部分です。
例えば、
「分類はどの学習方法?」
「クラスタリングは何?」
「強化学習は何を最適化している?」
といった違いを整理しておきましょう。
単語だけ覚えるより、
何をする手法なのか
まで説明できるようにすると問題でも迷いにくくなります。
ディープラーニングは仕組みまで幅広く出題される
G検定という名前からも分かるように、ディープラーニングは重要な分野です。
シラバスには、
- ニューラルネットワーク
- 活性化関数
- 誤差関数
- 正則化
- 誤差逆伝播法
- 最適化手法
などが含まれています。
AI初心者にとっては、このあたりから急に専門用語が増えて難しく感じやすくなります。
最初から数式まで完璧に理解しようとすると進まなくなるため、
「何のために使うものか」
を先に理解すると勉強しやすいです。
AttentionやCNNなど要素技術も試験範囲
現在のシラバスでは、
- 全結合層
- 畳み込み層
- 正規化層
- プーリング層
- スキップ結合
- 回帰結合層
- Attention
- オートエンコーダ
- データ拡張
などの要素技術も含まれています。
このあたりは、
「似た言葉が多くて覚えられない」
となりやすい部分です。
例えばCNNなら画像認識、Attentionなら現在の自然言語処理やTransformerにつながる技術というように、具体的な用途とセットで覚えると整理しやすくなります。
画像・自然言語・生成AIなど応用分野も出題される
ディープラーニングの応用例として、
- 画像認識
- 自然言語処理
- 音声処理
- 深層強化学習
- データ生成
- 転移学習・ファインチューニング
- マルチモーダル
- モデルの解釈性
- モデルの軽量化
などがシラバスに含まれています。
ChatGPTなど生成AIからAI分野へ興味を持った人にとっては、比較的イメージしやすい部分もあるでしょう。
ただ、生成AIだけ知っていればG検定全体をカバーできるわけではありません。
生成AIパスポートとの違いについてはこちらで比較しています。

AIの社会実装も試験範囲
G検定は技術だけを問う試験ではありません。
実際に企業でAIを導入するとき、
「どうやってプロジェクトを進めるか」
「どんなデータを集めるか」
という内容も扱います。
公式シラバスには、
AIプロジェクトの進め方
データの収集・加工・分析・学習
が含まれています。
G検定がエンジニアだけでなく、企画やDX担当者にも受けられている理由の一つです。
数学・統計も避けて通れない
シラバスには「AIに必要な数理・統計知識」という分野もあります。
数学が苦手な人は、
「ここで無理かもしれない」
と感じるかもしれません。
ただ、最初から高度な数学をすべて学び直す必要はありません。
G検定で扱われる、
- 平均
- 分散
- 確率
- 相関
- 統計的な考え方
などから少しずつ理解しましょう。
実際の出題レベルを確認したい場合は、公式過去問を見るとイメージしやすいです。

法律分野では個人情報や著作権も出題される
技術分野だけ勉強していると忘れやすいのが法律です。
公式シラバスには、
- 個人情報保護法
- 著作権法
- 特許法
- 不正競争防止法
- 独占禁止法
- AI開発委託契約
- AIサービス提供契約
が含まれています。
普段AIサービスを使っているだけでは、あまり意識しない内容もあります。
エンジニア経験がある人でも、法律分野は苦手になりやすいため注意してください。
AI倫理・AIガバナンスも重要な試験範囲
現在のG検定では、AI倫理・AIガバナンスもかなり広く扱われています。
具体的には、
- プライバシー
- 公平性
- 安全性とセキュリティ
- 悪用
- 透明性
- 民主主義
- 環境保護
- 労働政策
- AIガバナンス
などです。
AIを企業で使う場合、
「便利だから使えばいい」
では済みません。
利用者への影響や情報管理まで考える必要があります。
G検定では、こうしたAIを適切に活用するための考え方も試験範囲になっています。
シラバスを最初から丸暗記しなくていい
シラバスを見ると項目数が多いため、
「これ全部覚えるの?」
と不安になりますよね。
ただ、シラバスそのものを暗記する必要はありません。
おすすめは、
シラバスを見る
↓
テキストを一周する
↓
問題集を解く
↓
間違えた分野をシラバスで確認する
という使い方です。
シラバスは「暗記リスト」というより、試験範囲の地図として使うと分かりやすいです。
具体的な勉強の進め方はこちらで5ステップにまとめています。

シラバスだけで勉強を完結させない
シラバスは試験範囲を確認するためには非常に重要です。
ただし、シラバスには、
「この言葉をこう覚えればいい」
「この問題が出る」
といった詳しい解説まではありません。
そのため、
シラバス
+
テキスト
+
問題集
+
公式過去問
を組み合わせるのが基本です。
教材選びに迷っている人はこちらでおすすめをまとめています。

まとめ|シラバスは試験範囲の地図として使おう
G検定のシラバスは、
人工知能の基礎
機械学習
ディープラーニング
応用技術
社会実装
数理・統計
法律
AI倫理・AIガバナンス
まで非常に幅広い内容を含んでいます。
これから勉強を始める人が、最初からすべて理解できなくても問題ありません。
まずシラバスで全体像を確認し、
テキスト
↓
問題集
↓
公式過去問
と進めながら、分からない部分へ戻っていきましょう。
「シラバスを見たけれど、結局どこから勉強すればいいか分からない」
という人は、以下の記事から順番に進められます。


