問題
- 教師あり学習工場の設備の振動を記録したデータを大量に用意し、その一件ごとに技術者が「後に故障した」「故障しなかった」のどちらかを書…
- 過学習（1）ある判定モデルは、学習に使ったデータに対してはほとんど誤らないのに、学習に使っていない新しいデータで試すと誤りが目立つ…
- ディープラーニング（1）ディープラーニング（深層学習）の説明として最も適切なものはどれか。
- 音声処理モデルコールセンターで、応対の録音を自動で文字に起こし、その文章から問合せの内容を分類して集計する仕組みを作ることにした。録…
- コンテキスト内学習（In-Context Learning）問合せへの返信文を大規模言語モデルに作らせるにあたり、指示文の中に自社の返信例をいくつか添えたところ、その書き方に沿っ…
- トークン生成AIのサービスでは、一度に入力できる分量や利用料金が「トークン」の数で示されることが多い。ここでいうトークンの説明…
- 検索拡張生成（RAG）社内規程を検索対象に登録し、検索拡張生成（RAG）で問合せに回答させている。規程が改定されたので、改定後の内容で回答さ…
- 大規模言語モデル（LLM）大規模言語モデル（LLM）の説明として、最も適切なものはどれか。
- 教師なし学習寄せられた問い合わせ文を教師なし学習で分析し、内容の似たものどうしを5つのグループに自動で分けた。この結果についての説…
- 強化学習対局ゲームのプログラムを強化学習で強くする。一手ごとの正解は与えず、対局が終わった時点で、勝てば高い点、負ければ低い点…
- 過学習（2）ある判定モデルに過学習が起きていることが分かった。この状態を改善する取組みとして最も適切なものはどれか。
- 過学習（3）製品の不良を判定するモデルを作った。本番で使う前に、未知のデータに対してどの程度正しく判定できるかを確かめたい。評価の…
- ディープラーニング（2）ある工場で、製品を撮影した画像から不良品を見分ける仕組みに、ディープラーニングを使うことを検討している。ディープラーニ…
- ニューラルネットワークニューラルネットワークに正解付きの学習データを与えて学習させるとき、学習の進行に伴って調整されるものとして、最も適切な…
- 自然言語処理モデルある通信販売会社が、ディープラーニングを使った仕組みを業務に取り入れた。次のうち、自然言語処理モデルを活用した例として…
- 画像認識モデルある小売店が、店舗で扱う画像をAIで活用しようとしている。次の処理のうち、画像認識モデルが担うものとして最も適切なもの…
取り違えやすい用語
教師あり学習・教師なし学習・強化学習
| 用語 | 何を手がかりに学ぶか |
|---|---|
| 教師あり学習 | 正解（結果のラベル）が付いたデータから、判定や予測を学ぶ |
| 教師なし学習 | 正解のないデータから、似たもののまとまりを見つける |
| 強化学習 | 行動の結果に返される評価を手がかりに、試行錯誤でよい行動を探す |
教師なし学習で分けたまとまりには名前が付きません。それぞれが何を意味するかは、人が中身を見て読み取ります。
過学習 と 未学習
| 用語 | どのデータで精度が悪いか |
|---|---|
| 過学習 | 学習に使ったデータでは精度が高いのに、未知のデータでは低い |
| 未学習 | 学習に使ったデータでも、未知のデータでも精度が低い |
過学習の対策は、学習データの量と幅を増やすことです。モデルを複雑にするのは未学習の対策で、向きが逆になります。
機械学習・ニューラルネットワーク・ディープラーニング
| 用語 | どれがどれを含むか |
|---|---|
| 機械学習 | データから規則やパターンを学ぶ手法の総称 |
| ニューラルネットワーク | 機械学習の手法の一つ。学習ではノードの間の重みを調整する |
| ディープラーニング | ニューラルネットワークの中間層を深く重ねたもの |
ディープラーニングは特徴を人が設計しなくてよい反面、一般に大量の学習データと高い計算能力が必要です。
この違いを問う問題：ディープラーニング（1）・ニューラルネットワーク・ディープラーニング（2）
ファインチューニング・RAG・コンテキスト内学習
| 用語 | モデルの重みを変えるか |
|---|---|
| ファインチューニング | 追加の学習で、モデルの重みそのものを更新する |
| RAG（検索拡張生成） | 重みは変えず、検索した文書を回答の材料として渡す |
| コンテキスト内学習 | 重みは変えず、指示文に添えた例に合わせてその場で出力を変える |
RAGで回答を最新の規程に合わせたいなら、直すのはモデルではなく検索対象の文書です。
この違いを問う問題：コンテキスト内学習（In-Context Learning）・検索拡張生成（RAG）
画像認識・自然言語処理・音声処理のモデル
| 用語 | 何を入力として扱うか |
|---|---|
| 画像認識モデル | 画像から、写っているものやその位置を判別する |
| 自然言語処理モデル | 文章を扱い、必要な情報を抜き出したり要約したりする |
| 音声処理モデル | 音声を扱い、書き起こしなどを行う |
場面に出てくる言葉ではなく、モデルに渡すものが画像か文章か音声かで判断します。
新試験での位置づけ
新しいシラバス案（Ver.0.1）では、テクノロジ分野の大分類「デジタル技術」の中分類18に置かれています。
現行のシラバス（Ver.6.5）では、テクノロジ系「基礎理論」の「情報に関する理論」の中に「AIの技術」という節がありました。機械学習（教師あり学習・教師なし学習・強化学習）、ニューラルネットワーク、過学習などがまとまっています。
現行試験の過去問で対策する場合は、この節に当たる問題を探すと、この中分類に近い問題が見つかります。
AIについては、新シラバス案で扱いが大きく分かれています。
なお、新シラバスはまだ案の段階です。確定版で分類や用語が変わった場合は、このページも見直します。
最終確認日：（問題の作り方と品質管理）
この中分類の出題範囲
シラバスの小分類と項目です。数字は収録している問題数。
- 機械学習
- 機械学習の種類・特徴3問
- モデル精度の改善・評価3問
- ディープラーニング
- ディープラーニングの特徴3問
- ディープラーニングの応用3問
- 生成AI技術
- 生成AI技術の特徴4問
テクノロジのほかの中分類
出典：情報処理推進機構（IPA）「ITパスポート試験 シラバス案 Ver.0.1」（2026年8月31日掲載）を基に作成。 最新の内容はIPAの掲載ページでご確認ください。