機械学習とは？きかいがくしゅう
機械学習とは、判断の規則を人が書き下す代わりに、データから規則性を獲得させる方式。正解を付けた事例から予測を学ぶ教師あり学習、正解を与えず構造を見つける教師なし学習、試行の結果得られる報酬を最大化する方策を学ぶ強化学習に大別される。
最終更新：2026-10-06
この語が出る過去問を解く →背景
条件を列挙できる業務ならプログラムで足りるが、与信や需要予測のように要因が多く絡み合う対象は、規則を書き切ろうとするほど例外が増える。事例から作れば例外もデータとして吸収できる半面、仕様書に正解が書けないため、受入れ基準を「正しいこと」ではなく精度の水準と評価用データで定義しなければならない。この検収条件の置き方が設計者側の判断になる。
具体例
過去の与信データから貸倒れを予測するのは教師あり学習の分類、購買傾向で顧客を自動的に束ねるのは教師なし学習のクラスタリング、DeepMindのAlphaGoが自己対局で強くなったのは強化学習にあたる。
試験での引っ掛け
クラスタリングは教師なし、クラス分類は教師ありで、名称が似ているため入れ替えた選択肢が出る。学習データに含まれない状況では精度が保証されない点も要注意で、運用開始後にデータの傾向が変われば精度は落ちる。再学習の周期と担当を運用要件に書いておく。
関連用語
出た過去問
出典：平成29年度 秋期 システムアーキテクト試験 午前Ⅱ 問17（IPA）解説で登場
ビッグデータを有効活用し、事業価値を生み出す役割を担う専門人材であるデータサイエンティストに求められるスキルセットを表の三つの領域と定義した。データサイエンス力…
正解：分析要件に応じ、決定木分析、ニューラルネットワークなどのモデリング手法の選択、モデルへのパラメタの設定、分析結果の評価ができる。
要点：データサイエンス力は分析手法の選択と結果評価を担う
データサイエンス力は、統計学や機械学習といった情報科学の知識を使って分析・予測・可視化を行う力である。分析要件に応じて決定木やニューラルネットワークなどの手法を選択し、パラメタを設定して結果を評価する作業は、この領域の中核に当たる。基盤の実装・運用はデータエンジニアリング力、課題の構造化はビジネス力に分類される。
出典：令和元年度 秋期 システムアーキテクト試験 午前Ⅱ 問17（IPA）解説で登場
ディープラーニングに該当するものはどれか。
正解：多層構造のニューラルネットワークにおいて、大量のデータを入力することによって、各層での学習を繰り返し、推論や判断を実現する。
要点：ディープラーニングは多層NNが特徴表現を自動獲得する手法
ディープラーニングは、多層に積み重ねたニューラルネットワークへ大量のデータを与え、各層で特徴表現を段階的に学習させる機械学習の手法である。従来は人が設計していた特徴量をデータから自動的に獲得できる点が大きな特徴で、画像認識や音声認識で高い性能を示している。
出典・参考
解説は資格暗記が独自に作成しています。過去問の出典は各問題に記載のとおりです。