chevron_left

G検定（ジェネラリスト検定）対策講座（2026年版）
PREMIUM
第2回

【G検定対策講座】第2回：機械学習の概要

2026年6月14日 55min
【G検定対策講座】第2回：機械学習の概要 play_arrow おためし受講

スライド資料

会員登録して、全てのスライドを見よう

1 / 75

授業の概要

本授業では、G検定の中でも大きな得点源となる「機械学習の概要」に焦点を当て、教師あり学習・教師なし学習・強化学習のメカニズムの違いから、各種アルゴリズムの特徴までを体系的に解説します。
※こちらは、「G検定対策講座 第2回」と同一内容です。

 

【この授業で学べること】

  • 機械学習の基本定義と、従来のルールベースのシステムとの決定的な違い
  • 教師あり学習（回帰・分類）、教師なし学習、強化学習のそれぞれの役割と代表的な手法
  • 線形回帰、サポートベクトルマシン（SVM）、決定木、ランダムフォレストなどの主要アルゴリズムの特徴
  • 過学習（オーバーフィッティング）が起きる原因と、それを防ぐための各種対策（正則化など）
  • 混同行列（Confusion Matrix）を用いた正解率、精度（適合率）、再現率、F値の評価指標の計算と理解

 

【授業構成】

  • イントロダクション
    • 講座の構成と第2回のゴール
  • 機械学習の本質と定義
    • 機械学習とは何か、アーサー・サミュエルによる定義の振り返り
  • 教師あり学習の概要と各種手法
    • 回帰と分類の違い
    • 線形回帰、ロジスティック回帰、サポートベクトルマシン（SVM）、決定木、ランダムフォレスト
  • 教師なし学習・強化学習の概要
    • クラスタリング（k-meansなど）と次元削減（PCAなど）
    • 強化学習の基本サイクル（エージェント、環境、行動、報酬）
  • モデルの評価と過学習対策
    • 訓練データとテストデータの分割、交差検証（クロスバリデーション）
    • 混同行列（正解率・精度・再現率・F値）の計算と使い分け
  • 第2回 章末問題演習＆解説
    • 知識を定着させるための本番予測問題の解答と解説

こんな人にオススメ

G検定を受験する方

担当の先生／パーソナリティ

チャプター

play_arrow
機械学習とは
05:37
play_arrow
特長量エンジニアリング
08:02
play_arrow
過学習とその対策
02:15
play_arrow
機械学習の代表的な手法
16:25
play_arrow
モデルの性能評価
10:40
play_arrow
章末問題（機械学習の概要）