ディープラーニングとは？でぃーぷらーにんぐ
ディープラーニングとは、多層に積んだニューラルネットワークで学習する機械学習の手法。人が特徴量を設計しなくても、層を重ねる過程でデータから特徴の表し方そのものを獲得する点が決定的な違いになる。代わりに大量の学習データと計算資源を要し、判断の根拠は人に説明しにくくなる。
最終更新：2026-10-06
この語が出る過去問を解く →背景
従来の機械学習で精度を決めていたのは「何を入力の特徴として与えるか」の設計で、そこは分野ごとの職人技だった。層を深くして特徴の抽出まで学習側へ寄せれば、この設計を人手から外せる代わりに、必要なデータ量と計算資源が跳ね上がる。判断の根拠も層のなかへ散るため説明が難しくなる。方式設計では、精度と説明可能性・費用の取引をどこに置くかが論点になる。
具体例
画像は畳込みニューラルネットワーク、言語や時系列はトランスフォーマが定番で、生成AIの基盤モデルも同じ系譜にある。学習にはGPUを並べた基盤が要るため、自社で学習させず事業者のモデルを呼び出す方式を採る案件が多い。
試験での引っ掛け
「大量のデータを使う機械学習」ではなく「特徴量の設計を人が担わない」ことが本質。学習済みモデルは入力の傾向が変わると精度が落ちるので、稼働後に再学習する経路を設計へ含める必要がある。根拠を提示できない点は、審査や与信のように説明義務のある業務での採否に直結する。
関連用語
出た過去問
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）
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。