【2026年初旬版】G検定はどの分野からどのくらい出る？受験者目線で割合を整理してみた

2026年3月受験のG検定に合格しました。
おはずかしい話ですが、1回目は不合格で2回目で合格しました。

合格体験談は下記の記事をご覧ください。

【合格体験談】G検定は本当に簡単なの！？1回落ちた失敗を踏まえた体験談

G検定は、シラバスは公開されていますが、過去問は公開されていませんし、分野ごとの出題割合も公式には公開されていません。

そのため、はじめて受験をされる方は「どこを重点的に勉強すべきか？」という不安を抱える方も多いと思います。

そこで、この記事では私の2回の受験体験と受験学習時の感触から体感ベースの出題割合予測を整理します。

あくまで体感予測であり、受験回によって変動する可能性があります。

今日の技術が1ヶ月後には古い技術になってしまうほど、AIの技術発展は目覚ましいので、内容も変わってくる可能性も大いにあります。

2026年1月、3月を受験後の 体感に基づいた傾向の予測 となりますことをご承知おきください。

予測値の算出に使用したもの

予測値の算出に使用したものですが、下記の情報を元に予測しています。

• G検定公式シラバス
• 公式テキストのページ数
• 市販の問題集のページ数
• 受験結果の分野別得点率メール
• 受験時の体感（2回分）

シラバス

これは絶対に外せない指針、公式サイトのシラバスです（公式サイト「シラバス」はこちら ）。

公式テキスト

公式テキスト ですので、これも外すわけにはいきません。
「ページ数が多い ＝ 問題数が多い」とはなりませんが、ページ数も加味しています。

Amazonで確認

Amazonで詳細を見る

楽天市場で確認

楽天市場で詳細を見る

市販されている問題集

ここで「どの問題集がいい！」は記載しませんが、私自身は2冊購入し、勉強しました。
厳密にいうとテキスト・問題集を書籍版と電子版で計4冊購入。

その問題集でページが割かれた分野は多いということだと思いますので予測の割合に加味しています。

受験結果の分野別得点率メール

G検定を受験すると試験合否とともに、下記の分野別得点率メールが来ます。

以降は「1.」は「①」、「2.」は「②」と表現します。

例えば、正解率66%とした場合、3問中2問正解ですと約66%です。ただ、66%には別の割合もあります。

• 50問中 33問正解
• 100問中 66問正解
• 150問中 99問正解

これらを、考えた時にそこまで多く問題が出ていれば体感で「問題多い！」と感じるはずです。それらを加味しています。

受験時の体感

これが一番、大きな割合です。

私は、2回受験しましたが、2回ともオンライン受験でした。

今になって思えば、受験時のパソコンの画面を録画しておくことも可能でした。録画しておけば、問題は公開せず（公開したら大問題…）とも、分野ごとの出題割合を詳細に分析できたなと後悔しています。

もしかしたら、受験時の規約に「録画禁止」とあったのかも…。

出題割合（予測）と重要な分野

これまでの情報を元に算出した個人的な出題割合予測です。

優先度もプラスした別の形式にすると下のイメージです。

【最重要】ディープラーニングの要素技術

続いては各分野ごとの抑えておくべきポイントです。

まず、最重要と思われる分野は「④ ディープラーニングの要素技術」で、割合としては「約3〜4割」と思われます。

ここが合否を分けると言っても過言ではないと思います。

• 活性化関数
• 誤差関数（損失関数）
• 最適化手法
• パラメータの最適化
  （勾配消失問題、過学習・過学習の対策）
• CNN（畳み込みニューラルネットワーク）
• RNN（回帰結合ニューラルネットワーク）
• Transformer と Attention
• 転移学習

※：分野分けが正しく分類されていない可能性があり、今後修正する可能性があります

用語暗記だけでは対応できません。「何を解決する技術なのか」まで理解が必要です。
何が得意で、何が不得意か。「技術的課題とそれを解決するために生まれた新たな手法」のセットは非常に重要です。

【重要】機械学習・ディープラーニングの概要

次に重要と思われる分野は「②機械学習」、「③ディープラーニング概要」。割合としては「約2〜3割」と思われます。

ここは基礎理論ゾーン。

• 教師あり学習・ 教師なし学習・ 強化学習
• 学習のプロセス（正規化・正則化・標準化）
• 回帰と分類
• 過学習とその対策
• 評価指標（適合率・再現率・F値）

※：分野分けが正しく分類されていない可能性があり、今後修正する可能性があります

難問は少ないですが、取りこぼすと痛い分野です。何が「教師あり学習」で、何が「教師なし学習」であるかの切り分けは必須です。

【中堅ゾーン】ディーブラーニングの応用例

次に「⑤ディープラーニングの応用例」で割合的には「約1割強」と思われます。

• 画像認識
• 自然言語処理
• 生成AI
• 医療・製造応用

※：分野分けが正しく分類されていない可能性があり、今後修正する可能性があります

技術と用途の組み合わせ問題が中心。近年は生成AI関連が多い印象です。画像認識の種類「○○セグメンテーション」3種の特徴、「○○Net」の整理は必須です。

「LLM（大規模言語モデル）」の出題と「生成AI × 法律」は今後出題が増えてくると思われます。

少なめだが無視できない分野

ここまでに記載以外の分野ですが、全部捨てるのはさすがに厳しいですが、全部深追いする必要もないのかなという印象です。

① 人工知能とは. 人工知能をめぐる動向

暗記中心。フレーム問題やAIブームの流れは定番。2回とも「～した人の名前は？」といった問題は公式テキストには出てきますが出題されませんでした。

最近、人気のあるAIの名前程度はわかっていた方がいいかも…、といった印象です。

⑥ AIの社会実装に向けて

ビジネス目線の問題。
問題数は少なかったのですが、印象に残っている問題です。

実際の業務でありそうな「AIを導入して○○を解決したい時、どれがベストか？」というような問題が出ました。

⑦ AIに必要な数理・統計知識

計算問題はほぼありません（期待値は出た気が…）。

微分や行列の「意味」を問うレベル。「数学が苦手で不安」という人も、ここで大量失点する可能性は低いと思われます。

2回目の受験時、出題は少ないとみなし、私はこの分野は捨てました。ちなみに私は文系（商学部）出身です。

⑧ AIに関する法律と契約. AI倫理・AIガバナンス

個人情報保護法、著作権、AI倫理。

個人的には 今後出題数が増えるのでは？ と思っている分野です。

現段階では出題数は多くないですが、この分野に絞った問題集もあるようですし、今後は重要度は上がっていくと考えています。

生成AIの発展に合わせて、活用する場面も非常に増えてきているので「著作権侵害になる可能性のあるものを選べ」のような問題が増えるのでは？と思っています。

合否を分ける分野

再確認すると約50％がディープラーニングに関するものです。

2026年時点では「ディープラーニングを制する者がG検定を制する」という構造になっています。

公式テキストの表紙にも「ディープラーニング」と大きく書かれているで当然といえば当然かもしれません。

勉強時間配分のおすすめ

仮に勉強時間を100とすると、シラバスの分野で分けると下記のイメージで分配かな？と思っています。

このくらいがバランス良いと感じました。もちろん、全体を一度、学習した後、重点的に分配する割合です。ほぼ出題予想割合の合計ですね…。

まとめ：どこに重点をおくべきか？

最初は全体を一度学習した後の前提ですが、重点的にやるべきは ④。次に ②③。次に⑤。その後でそれ以外。

「人工知能関連技術の研究開発及び活用の推進に関する法律（AI新法）」が2025年5月に成立し、9月1日に全面施行されました。これからもわかるように、「法律」は今後、重要性が高まってくると思われます。

逆に、数理はあまり力を入れる必要はないのでは…と思っています。あくまでも個人的な予想なので参考程度でお願いします。

合格体験談は下記の記事をご覧ください。

こちらもおすすめ

【合格体験談】G検定は本当に簡単なの！？1回落ちた失敗を踏まえた体験談

公式テキスト

Amazonで確認

Amazonで詳細を見る

楽天市場で確認

楽天市場で詳細を見る

合格時に使用した問題集

Amazonで確認

Amazonで詳細を見る

楽天市場で確認

楽天市場で詳細を見る

運営者

このブログの運営者です。SEO検定1級（2024年1月に取得）、ウェブマスター検定1級（2025年2月に取得）しました。意識してSEOを学び始めたのは日が浅いです（2023年から）。できるだけわかりやすく、専門用語は極力使わずに、使う場合は補足説明付きでわかりやすく解説していきます。2021年から個人趣味ブログを運営しており、そちらで試したことも織り交ぜてSEOについて解説していきます。