G検定の合格率と独学法｜60日計画と2026最新

G検定は合格率だけ見ると受けやすそうに見えますが、直近でも2026年第1回が78.77%、2025年第3回が81.72%と高水準な一方で、約145問をオンライン100分・会場120分でさばく試験です。
数字だけで「簡単」と判断すると、範囲の広さと時間制限で想像以上に苦戦します。

この記事は、独学で進めたい社会人や学生、AI初学者からIT経験者までを対象に、最新制度とシラバス改訂を踏まえて「独学で十分か、講座を併用すべきか」をはっきり整理します。
初心者100時間、経験者50〜60時間を軸にした60日〜3か月の学習計画から、オンライン・会場試験の選び方、当日の注意点、教材選びの基準まで、合格に必要な判断材料をまとめて掴めるようにします。

G検定の合格率は高い？まず結論と独学の現実

G検定の合格率は、「受験した人のうち、何人が合格したか」を示す割合です。
たとえばJDLAの『2026年第1回G検定 開催結果』では、受験者8,529名に対して合格者6,718名で、合格率は78.77%でした。
ひとつ前の高水準な回として、2025年第3回は受験者4,284名、合格者3,501名で81.72%です。
直近だけを見ると高く見えますし、全体としてもG検定の合格率は60〜80%台で推移する傾向があります。

ただ、この数字をそのまま「取りやすい試験」と読むのは危険です。
理由は、G検定が知識の浅い丸暗記だけで押し切れる試験ではないからです。
AIの歴史、機械学習、ディープラーニング、生成AI、法律・倫理、社会実装まで対象が広く、2024年11月改訂シラバスでは基盤モデルや言語モデルも加わりました。
ひとつひとつは入門レベルでも、全体を通すと専門用語の量が多く、初学者ほど「聞いたことはあるが違いを説明できない」という状態で止まりやすいのが利点です。

さらに、試験はスピード勝負の色が強いです。
2026年仕様では約145問を、オンライン試験は100分、会場試験は120分で解きます。
オンライン100分なら平均すると1問あたり約41秒で、見直し時間まで考えると初回の判断はもっと速くなります。
ここは知識量だけでなく「迷わず選べるか」が効きます。
用語の意味を知っていても、選択肢で少しひねられると時間を削られ、後半で失速しやすい試験です。

合格率が高くても油断しにくいポイント

合格率の見かけに反して、つまずきやすい要素ははっきりしています。特に大きいのは次の4点です。

• 出題範囲が広い

AIの基礎史から実装寄りの概念、法律・倫理、生成AIまで横断的に問われます。

• 専門用語が多い

CNN、RNN、Transformer、正則化、勾配消失など、意味の近い語が並ぶため混同しやすくなります。

• 問題数に対して時間が短い

約145問を短時間で処理するため、じっくり考えるより即答力が求められます。

• 数理・統計がボトルネックになりやすい

2021年第2回の分野別平均得点率では、人工知能が78%だったのに対し、数理・統計は56%でした。全体の中でもここが明確な弱点分野です。

この数理・統計の壁は、文系社会人や完全初学者が独学で苦戦しやすい理由でもあります。
平均、分散、確率、微分の厳密な証明まで求められるわけではありませんが、用語の意味と式の直感がつながっていないと、選択肢の見分けが一気に難しくなるためです。
G検定は「数学の試験」ではない一方で、数学の基礎が弱いとAIの仕組みを理解しにくくなり、その影響が得点に出やすい資格だと捉えたほうが実態に近いです。

独学しやすい人と、講座併用が安全な人

独学で十分狙える人には、いくつか共通点があります。
逆に、講座やeラーニングを組み合わせたほうが失速しにくい人もいます。
分かれ目は、学力そのものより学習を自力で設計して進められるかです。

独学しやすいのは、次の条件に当てはまる人です。

• ITの基礎知識があり、専門用語への抵抗が少ない
• 学習計画を自分で組み、淡々と進められる
• 平日1時間＋休日3時間くらいの学習時間を継続して確保できる
• 教材を1〜2冊に絞ってやり切れる

一方で、講座併用のほうが安全なのは次のタイプです。

• 完全初学者で、AIやIT用語がほぼ初見
• 数学や統計に強い不安がある
• 短期間で確実に合格ラインまで持っていきたい
• 進捗管理が苦手で、独学だと途中で止まりやすい

筆者の見立てでは、G検定は「独学しやすい資格」ではありますが、「誰でもノーガイドで進めやすい資格」ではありません。
教材を広げすぎると範囲の広さに飲まれやすく、逆に絞りすぎると数理や法律・倫理の穴が残ります。
合格率の高さに対して、学習設計の巧拙が結果に出やすい試験です。

学習時間の現実感

勉強時間の目安としては、初心者なら約2か月・100時間、ITやAIの基礎がある人なら約1.5か月・50〜60時間がひとつの現実的なラインです。
JDLAの『G検定について（試験概要・学習方法・体験談）』には60時間で合格した事例もありますが、これは前提知識や学習密度がかみ合ったケースとして見るのが自然です。
再現しやすい標準パターンとしては、初学者が100時間前後、経験者が50〜60時間前後で組むほうが無理がありません。

特に仕事や学業と並行する人は、総時間だけでなく時間の使い方が欠かせません。
平日にインプット、休日に問題演習と復習を回す形なら、2か月前後でも十分に射程に入ります。
反対に、短時間で詰め込もうとすると、用語の理解が浅いまま速度だけ求める形になり、本番で選択肢を切れなくなります。
G検定は合格率だけを見ると余裕がありそうでも、実際には「広い範囲を、短時間で、正確にさばく準備」ができた人から受かっていく試験です。

G検定について(試験概要・学習方法・試験対策・合格者体験談)

G検定とは、一般社団法人日本ディープラーニング協会（JDLA）が実施する、AI・ディープラーニングの活⽤リテラシー習得のための検定試験です。ディープラーニングをはじめとする、 AIに関する様々な技術的な⼿法やビジネス活⽤のための基礎知識を有

www.jdla.org

G検定の試験概要【2026年最新版】

受験形式と回数

G検定の正式名称はG検定（JDLA Deep Learning for GENERAL）で、実施団体は一般社団法人日本ディープラーニング協会（JDLA）です。
受験資格に制限はなく、社会人、学生、文系出身者、エンジニア志望まで幅広く受けられます。
制度面で混同しやすいのは、古い記事だと「オンライン試験のみ」と説明されている点ですが、2026年時点ではオンライン試験と会場試験の両方が用意されています。

2026年仕様では、オンライン試験は100分・145問程度、会場試験は120分・145問程度です。
問題数は同程度でも、会場試験のほうが時間に少し余裕があります。
オンライン100分だと単純計算で1問あたり約41秒しか使えないので、実際は「迷う問題を抱え込まない」前提で進める試験です。
G検定は知識量だけでなく、画面上で素早く判断して流す処理力が問われます。

形式ごとの差は、時間だけではありません。
オンラインは自宅などから受験できる一方で、事前のPC環境確認や試験画面の操作把握が欠かせません。
会場試験は指定会場に行く必要がありますが、通信環境や受験スペースの心配を自分で抱えにくい点はメリットです。
なお、申し込んだ受験形式の変更や振替はできません。
ここは制度変更を見落としやすいところで、オンラインと会場は別枠として考えたほうが整理が楽になります。

2026年の開催回数は、オンラインが年6回、会場が年3回です。
オンラインのほうが選べる回数は多く、学習計画を立てやすい一方、会場は回数が少ないぶん日程の取り方が重要になります。
各回の試験日と申込期間は固定ではなく、JDLAの『2026年G検定年間開催スケジュール』で都度公表されています。

受験料と再受験制度

受験料は一般13,200円（税込）、学生5,500円（税込）です。
G検定は受験資格がないぶん、挑戦のハードルは比較的低いですが、費用面では学生料金が優遇されています。
学生証の扱いなど細かな運用は申込時の案内に従う形になりますが、制度としては学生が受けやすい設計です。

再受験制度も明確で、前回受験日から2年以内であれば割引が適用されます。
金額は一般6,600円、学生2,750円で、通常料金の半額です。
独学で一度受けて感触をつかみ、次回で仕上げるという設計がしやすいのは、G検定の制度上の強みです。
特に範囲が広い資格では、再挑戦コストが高いと学習計画そのものが立てにくくなりますが、G検定はそこが比較的整理されています。

ただし、この再受験割引は単に自動で安くなるわけではなく、クーポンコード利用などの条件があります。
加えて、個人申込ベースの制度として運用されているため、通常受験と同じ感覚で申し込むと取りこぼしやすい部分です。
制度名だけ覚えるより、「2年以内なら半額水準で再受験できる」と押さえておくと全体像を把握しやすくなります。

費用だけを見ると受けやすく見えますが、G検定は1回あたりの勉強量が軽い試験ではありません。
だからこそ、再受験制度は「落ちても安心」という意味より、学習投資を分割しやすい制度として捉えると実態に近いです。
初学者が初回で全範囲を完璧に詰め切るのは難しく、制度面を知っているだけでも心理的な設計がしやすくなります。

出題範囲（シラバス）と改訂点

出題範囲は、JDLAが公開しているG検定シラバスに基づきます。
AIの基礎、機械学習、ディープラーニング、社会実装、法律・倫理といった従来分野に加え、制度面で大きかったのが2024年11月実施のG検定 2024 #6からのシラバス改訂です。
JDLAの『G検定シラバス改訂のお知らせ』では、基盤モデルや大規模言語モデル（LLM）など、生成AI領域の内容が拡充されたことが示されています。
出題範囲はJDLAが公開しているG検定シラバスに基づきます。
AIの基礎、機械学習、ディープラーニング、社会実装、法律・倫理といった従来分野に加え、2024年11月実施のG検定 2024 #6でシラバスが改訂され、基盤モデルや大規模言語モデル（LLM）など生成AI領域の内容が拡充されたことがJDLAの告知で示されています。
この改訂は、単に「新しい話題が少し増えた」という程度ではありません。
業務でAIを扱う現場では、画像認識や予測モデルだけでなく、生成AIをどう理解し、どう使い分けるかが基礎教養になっています。
G検定もその流れに合わせて、現行のAIリテラシー試験としての性格を強めています。
古い教材や旧版のまとめ記事だけで進めると、生成AIまわりの整理が薄いまま本番を迎えます。

出題数の変遷も古い情報と混同しやすい箇所です。
過去には「200問程度」と案内された時期もあり、その後G2024#6で160問前後へ、2026年仕様では145問程度に落ち着いています。
2026年受験者は現行の「145問程度」を基準に対策を立ててください。

シラバスの中でも、苦手分野の出やすさは見逃せません。
過去の公式結果では、2021年第2回の分野別平均得点率が人工知能78%に対して数理・統計56%でした。
もちろん現在はシラバス改訂後なので、そのまま配点傾向を当てはめることはできませんが、「数理系がボトルネックになりやすい」「広い範囲を横断して問われる」という試験の性格は今も読み取れます。
生成AIが加わったことで、暗記量が増えたというより、理解して区別すべき概念の幅がさらに広がったと見るほうが実感に近いです。

制度情報として押さえるなら、G検定はJDLAシラバス準拠で出題される試験であり、2026年受験者は生成AI拡充後のシラバスと145問程度の現行仕様を前提に見る必要があります。
ここを最新化しておくと、古い受験記や旧教材を読むときも情報の取捨選択がしやすくなります。

G検定の合格率・難易度データをどう見るべきか

合格率の定義と直近データ

G検定の合格率は、まず定義をまっすぐ押さえるのが欠かせません。
ここでいう合格率は合格者数 ÷ 受験者数であり、「申し込みした人のうち何人が受かったか」ではありません。
受験当日に実際に受けた人数を母数にしているので、数字だけ見ると印象が軽くなります。

直近の公式データでは、JDLAの『2026年第1回G検定 開催結果』で受験者8,529名、合格者6,718名、合格率78.77%でした。
さらにその前の高水準な回として、2025年第3回は受験者4,284名、合格者3,501名、合格率81.72%です。
実数で見ると、どちらも相当多くの人が合格している試験だとわかります。

ただ、この数字をそのまま「G検定は簡単」と読むのは危険です。
たしかに全体傾向としては60〜80%台で推移する資格として語られやすいのですが、合格率はあくまで結果指標のひとつにすぎません。
受験者層の変化、出題の難化・平準化、シラバス改訂による範囲拡張、さらにオンライン受験と会場受験の形式差まで重なるため、毎回同じ意味の数字ではないからです。

特に見落としやすいのが、合格率が高いことと、試験範囲が狭いことはまったく別だという点です。
G検定はAIの基礎、機械学習、ディープラーニング、数理・統計、法律・倫理、社会実装に加えて、現行シラバスでは生成AI関連まで含みます。
つまり「受かる人が多い試験」ではあっても、「覚えることが少ない試験」ではありません。
この試験は深掘りの難問に苦しむというより、広い論点を次々に切り替えながら処理させられることが負荷になります。

数字を見る順番としては、まずJDLAの開催結果のような一次情報で受験者数・合格者数・合格率を確認し、そのうえで二次情報の「難しい」「簡単」という評価を補助的に読むのが自然です。
合格率は参考になりますが、万能な難易度指標ではありません。

「2026年 第1回 G検定（ジェネラリスト検定）」開催結果を発表（8,529名が受験し、6,718名が合格）

次回「2026年 第2回 G検定」は、2026年3月6日（金）よりオンライン試験、および会場試験での開催となります。受験申込受付は、2026年1月16日（金）より開始しております。 日本ディープラーニング協会（以下JDLA）は、20

www.jdla.org

分野別得点率から見えるボトルネック

難しさを判断するうえで、合格率より実態が見えやすいのが分野別の得点率です。
JDLAの『2021年第2回G検定結果』では、分野別平均得点率が人工知能78%、機械学習65%、ディープラーニング概要66%、手法62%、社会実装67%、数理・統計56%でした。

ここでひと目でわかるのが、数理・統計が明確なボトルネックになっていることです。
人工知能の歴史や代表用語は得点しやすくても、確率、統計、評価指標、損失関数まわりになると一気に正答率が落ちやすい構造が見えます。
G検定はプログラミング試験ではありませんが、だからといって数式や統計的な考え方を避けて通れるわけではありません。

実際、学習相談でも「用語暗記は進んだのに模試の点数が伸びない」という人は、の確率で数理・統計の理解が浅いです。
ここは丸暗記で突破しにくく、言葉の定義と数式の意味が頭の中でつながっていないと崩れます。
たとえば適合率と再現率、過学習と汎化、平均と分散、標準偏差といった基本事項は、似た言葉を見分けるだけでなく、どんな場面で使う概念かまで結びついていないと本番で迷います。

一方で、数理・統計だけが特殊に難しいというより、G検定全体が「知っている」から一歩進んで「区別できる」ことを求める試験だとも言えます。
機械学習65%、ディープラーニング概要66%、手法62%という数字も十分に高いとは言えず、概念同士の取り違えが起きやすい領域が並んでいます。
生成AI関連が加わった現在は、基盤モデル、LLM、従来の識別系タスクの違いまで整理する必要があるため、この「区別する力」の重要性はむしろ増しています。

そのため、得点率データの読み方としては、「全体の合格率が高いから安心」ではなく、数理・統計を落とし穴にしやすい試験と捉えるほうが現実に近いです。
特に文系出身者やAI初学者ほど、この分野を後回しにしたときの失点が大きくなります。

【2021年第2回G検定 結果】7,450名が受験し、4,582名が合格。

企業等の団体受験が増加。G検定の累計合格者数は４万名を突破。 日本ディープラーニング協会(以下JDLA)は、2021年 第2回 G検定を2021年7月17日(土)に実施。7,450名が受験し、4,582名の合格者が誕生しました。

www.jdla.org

出題数・試験時間から逆算する難しさ

G検定の難しさは、知識量だけでなく処理速度でも決まります。
2026年仕様では約145問を、オンライン試験なら100分、会場試験なら120分で解きます。
単純計算すると、オンラインは1問あたり約0.7分、会場は1問あたり約0.8分です。
秒に直すと、オンラインは約41秒、会場でも約50秒弱しかありません。

この数字を実際の受験感覚に落とすと、忙しいです。
1問ごとにじっくり考え込む余裕はなく、迷う設問が続くとすぐ時間が詰まります。
見直しまで入れるなら、初回通過ではオンラインで30秒台前半のテンポ感が欲しくなる場面もあります。
筆者はこの試験を、難問を深く解く試験というより、見た瞬間に論点を判別して即答できるかを問う試験だと捉えています。

ここで必要になるのは、長い説明を読んで考える力より、用語を見てすぐ意味が立ち上がる状態です。
たとえばCNN、RNN、Transformer、過学習、バッチ正規化、勾配消失、交差検証といった語を見たときに、「聞いたことはある」では足りません。
定義、用途、関連概念との違いが短時間で引き出せないと、145問という問題数に押し切られます。

この点でも、合格率の高さは難易度を甘く見る根拠になりません。
範囲が広い試験を短時間で回し切るには、知識の深さより知識の取り出し速度が重要になるからです。
G検定の難しさは、重たい計算問題よりも、広範囲の論点を高速で切り替え続けるところにあります。
数字を冷静に読むと、やさしい試験というより、スピード処理型の総合知識試験として見たほうが実態に近いです。

独学で合格できる人・できない人の違い

AI初学者の難所と突破口

独学で合格できるかどうかは、頭の良し悪しよりどこで詰まりやすいかを自分で把握できるかで大きく変わります。
G検定は受験資格がなく、学習の入口も広いので、AI初学者でも挑戦しやすい資格です。
ただし、実際に学び始めると最初の壁ははっきりしています。
ひとつは専門用語の多さ、もうひとつは数理・統計の理解です。

AI初学者が苦しくなりやすいのは、単語を覚えているつもりでも、似た概念の違いが整理できないまま進んでしまうことです。
たとえば機械学習とディープラーニング、教師あり学習と教師なし学習、CNNとRNNとTransformerのように、名前だけは追えても「何のための技術か」「どう違うのか」が頭の中で線になっていないと、問題文の言い換えに対応できません。
そこに適合率・再現率・平均・分散・標準偏差といった数理系の基礎が重なると、暗記の勢いだけでは失速できます。

文系社会人も、詰まり方は少し似ています。
AIそのものより、数理・統計への抵抗感と、ニューラルネットワークやモデル名称の整理で混乱しやすい傾向があります。
特に、パーセプトロン、畳み込み層、活性化関数、Attention、基盤モデルのような用語が一気に出てくると、「全部AI関連の言葉」に見えてしまい、分類できなくなることがあります。
ここで必要なのは、細かい式変形よりも、言葉を役割ごとに並べ直すことです。
モデル名、学習方式、評価指標、法律・倫理、社会実装という軸でノートや教材の見出しを切るだけでも、理解の通り道ができます。

独学向きなのは、こうした混乱を自力で分解できる人です。
具体的には、IT基礎や高校レベルの数学に強い苦手意識がなく、1日1〜2時間を継続して確保できて、教材を最新シラバス対応の1〜2冊に絞れる人です。
G検定は範囲が広いので、教材を増やしすぎると理解が深まる前に比較検討で時間を失います。
筆者が見てきた限り、独学で伸びる人は、公式テキストを軸に、問題集を1冊加えるくらいのシンプルな構成にしています。

具体的には、ITの基礎知識があり、高校レベルの数学に大きな苦手意識がない人、1日1〜2時間を継続して確保できる人、そして教材を最新シラバス対応の1〜2冊に絞って取り組める人が独学向きです。

IT/AI経験者の落とし穴

ITやAIの実務経験がある人は、G検定を独学しやすい側に入ります。
学習時間も比較的圧縮しやすく、実務で触れた概念がそのまま土台になる場面も多いです。
ただし、経験者には経験者特有の落とし穴があります。
それが、技術分野以外を軽く見てしまうことです。

特に抜けやすいのは、法律・倫理・社会実装・AIの歴史です。
現場でモデル開発やデータ分析をしている人ほど、ネットワーク構造や学習アルゴリズムには強い一方で、個人情報保護、著作権、説明可能性、バイアス、公平性、AIガバナンスの整理が後回しになりがちです。
現行シラバスでは生成AI関連の整理も入っているため、基盤モデルや大規模言語モデルを知っているだけでは足りず、技術と制度をセットで理解しているかが問われます。

その結果、難問で失点するというよりも、基礎的な定義や用語の取り違えで点を落とす傾向が強くなります。
業務上の慣れた解釈に引きずられて標準的な定義を見落とさないよう、用語は「定義・用途・類似語の違い」をセットで整理しておくと安心です。

経験者が独学で合格しやすい条件は明確です。
IT基礎があり、用語を体系化し直すのが苦にならず、自己管理ができること。
さらに、最新シラバスに沿った教材を使って「自分の専門外だけを重点補強する」発想ができることです。
AI実装経験があるなら、数理やモデル構造で無理に時間を使うより、法律・倫理・歴史・社会実装を意識的に埋めにいくほうが効率は上がります。
独学で伸びる経験者は、得意分野をなぞるより、穴を埋める学習に切り替えるのが早いです。

オンライン受験にも、経験者ほど油断しやすい面があります。
PC操作に慣れている人ほど「当日どうにかなる」と考えがちですが、試験は業務用のWeb会議やIDEとは別物です。
問題のマーク、一覧確認、画面遷移のテンポが少しズレるだけでも、時間の厳しい試験では地味に響きます。
JDLAの受験者向け操作マニュアルでも、事前チュートリアルで試験環境を確認する流れが明記されています。
オンラインだから楽なのではなく、学習とは別に受験環境の完成度も点数に関わると見たほうが実態に近いです。

講座を併用した方がよいケース

独学が向いていない人でも、G検定そのものが不向きというわけではありません。
問題は適性より、限られた期間で何を圧縮したいかです。
講座やeラーニングを併用したほうがいいのは、典型的には完全初学者で、しかも短期間で合格まで持っていきたいケースです。
AI未経験の状態から60日以内で受かりたいなら、用語の整理、頻出論点の選別、数理の補助説明を自分だけで回すのは忙しくなります。

数学や統計に苦手意識が強く、独学だと毎回そこで止まってしまう人も講座向きです。
G検定の数理は研究レベルの厳密さまでは要求されませんが、平均・分散・確率・評価指標・損失関数の意味が曖昧なままだと、他分野まで連鎖的に理解がぼやけます。
独学では「わからない箇所を調べる時間」がそのまま学習コストになりますが、講座を併用するとこの探索時間を削りやすい傾向があります。
特に、要点整理に時間をかけたくない人や、疑問を早く解消したい人には相性がいいです。

文系社会人で、仕事や家庭の都合から学習時間が細切れになる人も、講座併用のメリットが出る傾向があります。
独学だと、今日は法律、次の日はニューラルネット、その次は統計と飛びやすく、知識がつながる前に散ってしまいます。
カリキュラムがあると、どの順で理解すればよいかが最初から整理されているので、学習の迷子にならずに済みます。
費用は独学より上がりますが、学習時間を圧縮しやすいという意味では十分に合理的です。

講座を使うべきかどうかで迷う人は多いですが、判断基準は実務的です。
独学で進めても、最新シラバス対応の教材を1〜2冊に絞り、一定の学習時間を積み上げられるなら十分戦えます。
短期合格を狙う完全初学者、数理で止まりやすい人、質問先がないと学習効率が落ちる人は、講座を使ったほうが総合的には速いです。
G検定は「誰でも受けられる資格」ですが、合格までのルートは一つではなく、自分の弱点に対して最短の手段を選べる人ほど強いです。

G検定の独学ロードマップ【60日〜3か月】

独学でG検定を進めるなら、順番を固定すると迷いにくくなります。
筆者がいちばん崩れにくいと感じる流れは、教材選定→シラバス確認→インプット→問題演習→弱点補強→直前総復習です。
先に問題集から入る人もいますが、G検定は用語の幅が広く、生成AI、法律・倫理、歴史、数理が横に並んで出てくる試験なので、全体像を持たないまま演習に入ると「知らない単語を覚える作業」になります。

教材はまず、最新シラバス対応かどうかで絞ります。
軸にしやすいのは、翔泳社の『深層学習教科書 ディープラーニング G検定（ジェネラリスト） 公式テキスト 第3版』で、翔泳社の商品ページでは3,080円（税込）です。
これに問題演習用として、インプレスの『徹底攻略 ディープラーニングG検定ジェネラリスト問題集（第2版）』（インプレスの商品ページで2,310円（税込））や、TAC出版の『スッキリわかる ディープラーニングG検定 テキスト&問題演習（第3版）』（TAC出版の商品ページで2,860円（税込））のような問題集を1冊足す形が組める構成です。
1冊で全部済ませるより、インプット用1冊＋演習用1冊のほうが役割分担が明確です。

そのうえで、JDLAのシラバスを最初にざっと見て、どの分野があるかだけを頭に入れます。
ここでは理解しきる必要はありません。
AIの歴史、機械学習、ディープラーニング、生成AI、法律・倫理、数理・統計といった範囲を見て、「何が出る試験か」を地図として持つことが目的です。
通読フェーズでは、章ごとに重要語を短くカード化していくと、通勤中や昼休みに復習しやすくなります。
数理・統計は苦手だから後回し、ではなく、週ごとに必ず触る枠を作るのが独学ではです。

60日・100時間モデル

初心者や文系寄りの社会人なら、60日から3か月で100時間前後を見込む設計がいちばん安定します。
ペースの基準は、平日1時間を5日、休日3時間を2日です。
この配分だと1週間で11時間前後になり、2か月強で100時間モデルに乗せやすくなります。
短すぎず、仕事や学業と両立しやすいラインです。

進め方は、1か月目で通読と用語整理に集中します。
公式テキストを頭から読み進めつつ、各章で「説明できる単語」と「見たことはあるが曖昧な単語」を分ける感覚で整理すると、後半の演習効率が一気に上がります。
ここで40時間ほど使うイメージです。
単に読むだけでは定着しにくいので、章末問題や小問で軽く確認しながら進めると、インプットが受け身になりません。

2か月目は問題集を2周する期間です。
1周目は間違えた問題に印をつけ、関連するテキストページへ戻る。
2周目はその印のついた問題を優先して解き直し、弱点を潰します。
このフェーズに45時間ほど使うと、知識が点ではなく線でつながってきます。
特に、生成AIと従来の機械学習の違い、CNN・RNN・Transformerの使い分け、評価指標や損失関数の意味、法律・倫理の用語整理は、問題を通して覚えたほうが残ります。

直前期は15時間ほどを使って、模試や総復習を高速回転させます。
G検定は1問ごとにじっくり考える試験ではなく、ずいぶん短いテンポで判断していく必要があります。
問題数に対して時間がタイトなので、直前は「知識を増やす」よりも、見た瞬間に判別できる状態を作ることが優先です。
模試形式で解く、間違えたテーマだけ見返す、用語カードを毎日回す、という3点を繰り返すと仕上がります。

45〜60日・50〜60時間モデル

IT/AI経験者や、短期集中で一気に受ける人は、45〜60日で50〜60時間のモデルでも十分現実的です。
合格者の事例でも60時間のケースがあり、すでに実務でAI用語に触れている人なら、このくらいの学習量で届くパターンがあります。
ただし、ここで重要なのは「全範囲を理解し直す」のではなく、抜けている領域を見つけて埋めることです。

このモデルでは、Week1でシラバス俯瞰に10時間使います。
最初の1週間でやるべきことは、教材を決め、シラバス全体を確認し、自分の得意・不得意を切り分けることです。
経験者はここで、法律・倫理・歴史・社会実装を軽く見ないほうが伸びます。
逆に、ネットワーク構造や学習手法に強いなら、その分野に時間を使いすぎないほうが全体効率は上がります。

Week2〜3は、インプットと小問演習で20時間ほどです。
公式テキストや要点整理系の教材を通読しつつ、章末問題や小問で知識を確認します。
この段階では完璧主義にならず、「見れば思い出せる」を量産するのがコツです。
経験者でも、生成AI関連の用語整理や、AIガバナンス、著作権、個人情報保護まわりは取りこぼしやすいので、用語カード化しておくと詰めできます。

Week4は問題集を通しで解き、弱点潰しに20時間です。
ここが実質的な得点化フェーズです。
問題集を1冊最後まで回して、正答率が低い章だけテキストに戻る。
数理・統計はこの時点で逃げずに触り直します。
G検定ではここが崩れやすいので、平均・分散・確率、回帰と分類、評価指標、勾配降下法あたりを最低限の言葉で説明できる状態にしておくと安定します。

直前週は模試と総復習に10時間です。
短期モデルほど、直前の回し方で差が出ます。
知識の追加より、既に見た論点を高速で再認識するほうが伸びます。
ここでノートを作り直すより、間違えた問題と用語カードだけを回したほうが速いです。

平日/休日の時間配分と週次タスク

日々の回し方は、長時間を確保することより「役割を分けること」で安定します。
平日はインプットに、休日は演習と復習に重点を置くのが扱いやすい構成です。
具体例としては、通勤や移動時間に用語カードを回し、夜にテキストを30分〜1時間読む。
休日はまとまった時間で問題集を解き、間違えた論点をテキストに戻して復習する。
このサイクルを週単位で回し、数理・統計は必ず定期的に触れるチェックポイントを設定してください。
苦手分野を先送りにすると、終盤でまとめて崩れやすくなります。

1週間の型は、次のように置くと使い勝手が良いです。

1. 週の前半でテキストを読み、重要語をカード化する
2. 週の中盤で章末問題や小問を解く
3. 週の後半で間違えた論点をテキストに戻って整理する
4. 休日に問題集をまとめて解き、弱点分野を一覧化する
5. 週末のどこかで数理・統計を必ず触り、先送りを防ぐ

実際には、平日1時間を5日、休日3時間を2日という形にすると、リズムを作れます。
平日の細切れ時間は、用語確認や通読に向いています。
休日の3時間は、問題集を通しで解く、模試形式で時間を測る、苦手分野をまとめて復習する、といった重い作業に回すと効率がいいです。
仕事終わりに問題集を50問まとめて解くより、夜は10〜15問の小問、休日にまとまった演習、と分けたほうが疲労で崩れません。

筆者が独学者を見ていて感じるのは、伸びる人ほど「今日は頑張る」ではなく、何をどの順番で回すかが固定されていることです。
G検定は範囲が広いぶん、学習計画そのものが得点力に直結します。
教材を絞り、シラバスを俯瞰し、インプットから演習へつなぎ、弱点を潰して直前に高速回転へ入る。
この流れを守るだけで、独学の再現性は上がります。

おすすめ教材の選び方と使い分け

公式テキストと問題集の基本セット

教材選びでいちばん外しにくい軸は、最新シラバス対応の教材を土台にすることです。
G検定は2024年11月改訂以降、生成AIの領域が明確に入ってきました。
特に基盤モデルや大規模言語モデルの扱いが入るようになったので、古い版の教材だと、従来の機械学習・ディープラーニングまでは追えても、今の出題範囲ときれいに噛み合わないことがあります。
教材名より先に、版数と発行時期を見るほうが失敗を避けられます。

王道は、『深層学習教科書 ディープラーニング G検定（ジェネラリスト） 公式テキスト 第3版』と問題集1冊の組み合わせです。
公式テキスト第3版は翔泳社で税込3,080円、A5判424ページで、JDLA監修の土台本としては使いやすい部類です。
章末問題もあるので、読むだけで終わらせず、その章で覚えるべき用語を固める流れに乗せやすいのが強みです。

ただ、公式テキストは「試験に必要な全体像を正確に押さえる」には優秀でも、初学者にとっては説明の密度がやや高く感じることが多いです。
そこで問題集を1冊足すと、知識が得点に変わりやすくなります。
たとえばインプレスの『徹底攻略 ディープラーニングG検定ジェネラリスト問題集 第2版』は税込2,310円で、総仕上げ問題を含む構成ですし、TACの『スッキリわかる ディープラーニングG検定 テキスト&問題演習 第3版』は税込2,860円で、テキストと演習をまとめて回しやすい設計です。

実務目線でいうと、G検定は「知っているつもり」のままだと点になりません。
用語を見た瞬間に、近い概念との差分まで頭に浮かぶ必要があります。
公式テキストで定義を押さえ、問題集で言い換えに慣れる。
この往復がもっとも再現性があります。
特に生成AIまわりは、LLM、基盤モデル、従来の識別モデル、ファインチューニング、プロンプト設計のように、似た言葉を整理する力が問われやすいので、テキスト単独より問題演習を組み合わせたほうが定着が速いです。

教材を選ぶときは、内容以前に次の観点で整理すると迷いにくくなります。

• 版数：最新版かどうか
• 発行日：2024年11月改訂後の範囲を前提にしているか
• 正誤表・改訂情報：出版社側で更新情報が追えるか
• 模試やアプリの付属有無：直前期の回しやすさに直結するか
• 用語索引の充実度：弱点論点を引き直しやすいか

この中でも、筆者は用語索引の強さを重視します。G検定は広い範囲を短い時間で引き直す場面が多いので、索引が弱い本は復習効率が落ちやすいからです。

徹底攻略ディープラーニングG検定ジェネラリスト問題集 第2版 - インプレスブックス

最新シラバスに完全対応して増補改訂！

book.impress.co.jp

オールインワン型教材の向き不向き

オールインワン型教材は、1冊でインプットと問題演習を回したい人には相性がいいです。
初学者が最初に感じやすい壁は、「何が試験範囲の中心なのか分からない」という状態ですが、オールインワン型はこの迷いを減らしやすくなります。
章ごとに説明を読んで、そのまま小問で確認できるので、学習の導線が途切れません。

たとえばTACの『スッキリわかる ディープラーニングG検定 テキスト&問題演習 第3版』のようなタイプは、全体像をつかむ入口として使い勝手が良いです。
初学者ほど、公式テキストを最初から精読するより、まずオールインワン型で「AIとは何か」「機械学習とディープラーニングの位置関係」「生成AIがどこに乗ってくるのか」を一本の流れで把握したほうが前に進みます。

オールインワン型には弱点もあります。
1冊で完結させる都合上、説明の深さと演習量のどちらかが薄くなりやすいことです。
特に数理・統計、ニューラルネットワークの各手法、生成AIの整理のような「似た概念を区別する」領域では、さらっと読んだだけだと定着しません。
オールインワン型だけで走り切れるのは、すでにITやAIの基礎語彙がある人のほうです。

向いている人と、やや合いにくい人を分けるとこうなります。

初学者にありがちなのは、オールインワン型を選んだあとに「これ1冊で完璧にしよう」と構えすぎることです。
むしろ使い方としては、最初の理解の足場を作る本と考えたほうがうまくいきます。
全体を1周して、理解が浅い章だけ公式テキスト第3版で補う。
この流れにすると、オールインワン型のスピード感と、公式本の正確さを両取ります。

スッキリわかる ディープラーニングG検定(ジェネラリスト) テキスト&問題演習 第3版｜TAC株式会社 出版事業部

tacpub.jp

1冊主義と2冊併用の使い分け

教材の冊数は、多ければ有利というものではありません。
G検定では、1冊を高速で周回できるか、2冊を役割分担して使えるかで決めるのが合理的です。
ここを曖昧にすると、読む本だけ増えて得点が伸びない状態になります。

1冊主義が向いているのは、すでに基礎知識があり、短期集中で仕上げたい人です。
ITやAIの実務経験がある、機械学習の主要用語が頭に入っている、法律・倫理や歴史などの周辺論点を後追いで埋めればよい、というタイプなら1冊で十分回せます。
こういう人は、文章を読み込むより、用語ベースで高速周回したほうが伸びます。
1冊の中で、重要語に印をつけ、苦手章だけ反復するやり方が噛み合います。

反対に、2冊併用が向いているのは、初学者や理解重視の人です。
1冊目で全体像をつかみ、2冊目で理解を補強する形です。
具体的には、オールインワン型教材で最初の1周を作り、わかりにくかった章だけ公式テキスト第3版に戻る使い方がきれいです。
図解や具体例が多い本で入口を作り、定義や背景は公式テキストで精度を上げる。
筆者はこの組み合わせを、独学の再現性が高いパターンとしてよく勧めます。

使い分けの目安を整理すると、次のようになります。

実際の運用でも、1冊主義は「迷わない」かわりに、その本が自分に合っていないと失速しやすくなります。
2冊併用は「情報量が増える」かわりに、役割を固定すればむしろ効率が上がります。
ポイントは、1冊目は入口、2冊目は弱点補強と明確に切ることです。
両方を最初から同じ熱量で読むと、独学では相当重くなります。

筆者なら、経験者には公式テキスト第3版＋問題集1冊、初学者にはオールインワン型教材＋公式テキスト第3版を基本線に置きます。
どちらの組み方でも共通して重要なのは、教材名そのものより、最新シラバス対応、とくに生成AIの追加範囲を拾えているかです。
ここがずれていると、学習量をこなしても今の試験に対する解像度が上がりにくいからです。

試験当日の対策とオンライン・会場受験の注意点

時間配分と解き順のコツ

G検定は、知識量だけでなく処理速度でも差がつきます。
約145問を解く前提だと、オンライン受験は100分、会場受験は120分です。
オンラインは単純計算で1問あたり約41秒しか使えません。
会場でも余裕があるように見えて、長い設問や見直し時間を考えると、のんびり読んでいる余地はあまりありません。
筆者は、この試験を「全部を丁寧に解く」のではなく、取れる問題を先に確実に拾う試験として捉えるのが実務的だと考えています。

基本の目安は、1問30〜40秒です。
これは全問を一発で解き切るための時間ではなく、1周目で判断できるものを高速で処理するための基準です。
少しでも迷う問題はその場で粘らず、フラグを付けて後回しにしたほうが全体の得点は安定します。
G検定は用語の定義、手法の違い、法律・倫理、生成AIまわりの概念整理など、「考え込むと時間を失いやすい問題」が混ざります。
1問で1分以上使うと、その遅れが後半で一気に効いてきます。

解き順にも工夫の余地があります。
設問文が長い問題では、先に設問を読み、そのあと本文や選択肢を見るだけで時間の使い方が大きく変わります。
何を問われているか分からないまま文章全体を読むと、必要のない情報まで拾ってしまうからです。
とくに事例風の長文や説明量の多い問題では、この順番だけで読み戻りが減ります。

実際の流れは、次のように組むと安定します。

1. 1周目は即答できる問題を中心に進める
2. 迷う問題はフラグを付けて先送りする
3. 長文問題は「設問→本文」の順で読む
4. 2周目でフラグ問題をまとめて処理する
5. 残り時間を見ながら見直しに回す

この試験では、難問を解けることよりも、標準問題を取りこぼさないことのほう。
特にオンライン100分は、体感として段違いに速いです。
模試では間に合っていた人でも、本番は画面操作や緊張で数秒ずつ削られます。
逆に会場120分はまだ呼吸しやすいものの、時間があるぶん慎重になりすぎてペースを落とす人もいます。
形式が違っても、最初から「迷ったら飛ばす」を徹底した人のほうが、終盤で失速を防げます。

オンライン受験のチェックリスト

オンライン受験で怖いのは、知識不足より環境トラブルによる失点です。
自宅で受けられるのは大きな利点ですが、そのぶんPC、通信、ブラウザ、部屋の静けさまで自分で整える必要があります。
会場と違って、受験環境を誰かが用意してくれるわけではありません。

とくに重要なのが、公式チュートリアルの事前確認です。
操作マニュアルでも、受験前にチュートリアルを受けて試験環境を確認する流れが明示されています。
G検定は知識試験ですが、オンラインでは「フラグの付け方」「問題一覧の見方」「画面遷移の感覚」を事前に知っているだけで当日の心理的負荷が下がります。
ここを飛ばすと本番で無駄な認知コストを払います。

当日に向けて押さえたい項目は、次の3系統です。
端末、回線、周辺環境です。
PCは受験に使う本番機で事前に動作確認しておき、通信も普段どおり安定している回線を使うのが前提になります。
ブラウザも、普段ほとんど使っていないものではなく、安定して動く状態でそろえておいたほうが安心です。
試験直前のOS更新やブラウザ更新は、再起動や設定変更を挟みやすく、当日のノイズになります。

チェック項目を絞るなら、次の内容に集約できます。

• 受験に使うPC本体で事前に動作確認を済ませている
• 通信が安定した場所で受ける前提になっている
• ブラウザ環境を事前に整えている
• 公式チュートリアルで画面操作を一通り確認している
• 静かな部屋を確保できている
• 電源接続、通知オフ、不要アプリ終了の状態にしている
• 当日にOSやブラウザのアップデートを走らせない状態にしている

オンライン形式では、申込後にオンラインから会場へ、あるいは会場からオンラインへ変更できない点も見落とすことがあります。
システムが分かれているため、受験形式は最初に決めたものがそのまま前提になります。
日程変更やキャンセルの扱いも含め、ここは受験案内の最新規定ベースで見ておく必要があります。
学習計画が順調でも、受験日まわりの認識違いで崩れるともったいないです。

会場受験のチェックリスト

会場受験は、オンラインより環境トラブルを減らしやすい反面、移動と当日オペレーションで失点しやすくなります。
試験画面の安定性という意味では有利ですが、その代わり「会場に着くまで」が準備の一部になります。
アクセス確認、集合時刻、持ち物、当日の体調管理まで含めて初めて整います。

会場形式は120分あるため、オンラインより時間に少し余裕があります。
ただし、それで安心しすぎると、前半で丁寧に読みすぎて後半が詰まることがあります。
約145問というボリューム自体は変わらないので、ペース管理の考え方は同じです。
むしろ会場では「まだ時間がある」と感じやすいぶん、意識してテンポよく進めたほうが安定します。

会場受験で優先順位が高いのは、まず迷わず到着できることです。
試験当日に駅から会場までの導線で想定外が起きると、それだけで集中力を持っていかれます。
筆者は資格試験全般で、会場への移動は勉強とは別枠のタスクとして扱ったほうがいいと考えています。
とくに初めて行く場所なら、地図上の把握だけでなく、建物名や入口まで頭に入っている状態のほうが落ち着きます。

点検項目はシンプルです。

• 会場の場所とアクセス経路を把握している
• 集合時刻と受付の流れを把握している
• 持ち物を前日までにそろえている
• 開始前に空腹や眠気が出にくい状態を作れている
• 移動時間を含めた当日のペースを決めている

会場受験でも、申込後の形式変更はできません。
オンラインとの振替前提で日程を組む発想は取りづらく、会場回からオンライン回へ逃がすような調整もできません。
加えて、日程変更やキャンセル規定は回や案内の更新で見方を誤りやすい部分です。
ここは学習の話というより事務手続きの話ですが、失点防止という意味ではです。
G検定は勉強した内容を出し切れるかどうか以前に、受験当日の条件を崩さないことが合格率を底上げします。

よくある質問

合格ラインは公表されている？

公表されていません。
G検定は合否結果や合格率はJDLAが出していますが、何点で合格かという基準値は非公表です。
ネット上では「7割前後ではないか」と語られることがありますが、これは受験者の手応えや過去の傾向から出た推測で、JDLAが正式に示した数値ではありません。
ここは誤解しやすいところで、70%を絶対基準だと思って学習計画を組むのは危険です。
実務的には、ボーダー読みよりも、苦手分野を作らずに全体で取りこぼしを減らす発想のほうが合格に近づきます。

何時間の勉強が必要？

目安としては、初心者なら約2か月で100時間前後、ITやAIの基礎がある人なら約1.5か月で50〜60時間前後を見ておくと組める構成です。
JDLAの合格者事例には60時間で合格した例もありますが、これはあくまで仕上がりが早かったケースとして捉えるのが自然です。

G検定は「1問ごとの難問対策」より、広い範囲を何度も回して用語の識別精度と解答速度を上げる学習が効きます。
短時間で受かった人は、ゼロから理解したというより、IT基礎や統計の前提知識がすでにあり、知らない領域だけを埋められた人が多いです。
反対に、AI初学者が数理・法律・生成AIまわりを同時に入れるなら、100時間を一つの基準にしたほうが現実的です。

文系でも受かる？

受かります。
G検定は数学オリンピックのような試験ではなく、AIを理解し、実務で扱うためのリテラシーを問う資格なので、文系出身そのものが不利になるわけではありません。
実際に差が出やすいのは学部より、数理・統計の基礎にどれだけ早く手を付けたかです。

文系の受験者が安定して点を取りやすくなるのは、公式テキストや問題集を読み進める前に、平均・分散・確率・勾配降下法まわりの最小限の数理語彙を先に固めたケースです。
さらにG検定は、同じ概念が英語名、カタカナ、略語で出てきやすいので、用語は“別名・略語・日本語訳”をセットで覚えると失点が減ります。
たとえば正式名称だけ知っていて略称で止まる、あるいは略称だけ知っていて意味が曖昧、という状態がもっとも危ないです。
文系だから難しいというより、言い換えに弱いと点がぶれやすい試験だと見たほうが実態に近いです。

独学だけで十分？

十分かどうかは条件次第です。
自走できる人、IT基礎がある人、教材を絞って回せる人なら、独学でも戦えます。
G検定は受験資格の制限がなく、公式テキスト、問題集、JDLAの例題・過去問もあるので、学習手段そのものはそろっています。

ただし、完全初学者や短期で一発合格を狙う人は、講座やeラーニングを併用する判断にも合理性があります。
独学で詰まりやすいのは、理解不足そのものより、「何を捨てて何を優先するか」が見えなくなることです。
講座を使う価値は、知識を増やすことよりも、要点整理と進捗管理、質問しやすさにあります。
筆者は基本的に独学寄りですが、数理で止まる人や教材迷子になりやすい人には、最初だけ伴走を入れたほうが結果的に効率がいいと感じます。

E資格との違いは？

一言でいえば、G検定は活用リテラシー中心、E資格はエンジニア向けの専門資格です。
G検定はAIやディープラーニングを事業や実務でどう理解し、どう使うかを広く問う試験で、受験資格の制限もありません。
企画職、営業職、コンサルタント、PM、文系社会人でも受けやすい設計です。

一方のE資格は、JDLA認定プログラムを受験日から過去2年以内に修了していることが前提で、実装や理論理解まで踏み込んだエンジニア色の強い資格です。
コード、数式、フレームワークへの理解が前提に入りやすく、対象者も明確です。
キャリアの軸で見ると、AIを使う側・判断する側ならG検定、AIを作る側・実装する側ならE資格と分けると整理しやすくなります。
G検定を入口にして、必要ならE資格へ進む流れは十分に自然です。

まとめと次のアクション

G検定は合格率だけで判断する試験ではなく、広い範囲の用語を素早く見分ける力と、後回しにしがちな数理の底上げを同時に進めた人が安定して通ります。
学習の軸は、最新シラバスに合った教材で用語の即答力を作り、本番の問題密度に合わせた時間感覚を体に入れることです。

次にやることはシンプルです。
まずJDLAで直近の日程とシラバスを確認し、受ける回を先に決めてから学習期間を逆算してください。
そのうえで、公式テキスト1冊と問題集1冊に絞り、初週で全体像をつかみつつ数理だけは先送りしない。
この流れに乗ると、独学でもブレにくくなります。
合わせて当サイトの関連記事も参考にしてください：IT資格の全体戦略は「IT資格は転職に有利？職種別おすすめと優先順」、通信講座の選び方は「通信講座の選び方｜スタディング・ユーキャン比較」 をご覧ください。