用語解説

教師なし学習とは、正解を与えずデータから法則を見出すAIの学習方法です。教師あり学習との違い、クラスタリング・異常検知の具体例を、初心者にもわかる比喩でやさしく解説します。

「教師あり学習」とは、正解（ラベル）付きのデータでAIを教える仕組みです。資格試験の合否判定で例えてわかりやすく解説。G検定・ITパスポートの出題アングルと、今週にできる5分のアクションも紹介。

ディープラーニングを「子供の言葉習得」の比喩でやさしく解説。スマホの顔認証・翻訳アプリなど具体例3つ、ITパスポート・G検定の出題パターン、機械学習やAIとの包含関係も整理。AI用語が曖昧な初心者も、自分の言葉で説明できるようになります。

機械学習とは、データから「正解のパターン」を自動で学ばせるAIの基盤技術です。味噌汁の味付けに隠れる仕組み、G検定・ITパスポートの出題パターン、初心者向けの具体例を、やさしくわかりやすく解説します。

「人工知能（AI）」が本当に何をして、何をできないのか、料理番組の比喩で3分で体感できます。ITパスポート・G検定での出題パターンと、自分の言葉で説明できるか確認する5秒チェック、今日からできるアクションもまとめて解説します。

BLEUは機械翻訳の生成文を基準文と単語の一致度で比較し、0から100で評価する指標です。初心者向けの例と、G検定で「評価方法」としてどう出題されるかをわかりやすく解説します。

Top-k Accuracyとは、AIの予測した候補のうち上位k個に正解が含まれていれば「成功」と見なす評価方法です。ランキング・検索・推薦で使われ、1位の当たりだけで切らずに「候補枠の幅」で実務性を測るのが特徴。具体例・上位1位正解率との違い・試験視点までやさしく解説します。

オッカムの剃刀は、説明や仕組みを選ぶときに「余計な仮説を増やさない」というシンプルな原則です。AI/IT初心者の方がモデル選定や判断の根拠を整理する際の思考法として、分かりやすく解説します。

ベイズ情報量規準（BIC）を、服のサイズ選びで例えてやさしく解説。初心者が"何に使うか"がわかる実例、よくある誤解、G検定の"モデル選択"で出題される角度まで、1分で整理できます。

赤池情報量規準(AIC)とは、データに当てはまる度合いと、複雑さ（パラメータ数）をバランスよく評価して、どのモデルが適切かを比べるための指標です。過学習（過剰適合）を防ぐ役割で、初心者にもやさしく解説します。