[{"data":1,"prerenderedAt":203},["ShallowReactive",2],{"topic-page:\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fai-ml-fundamentals\u002Fai-ml-deep-learning-and-agentic-ai":3},{"topic":4,"category":149,"seo":153,"breadcrumbs":158,"prerequisites":168,"nextTopics":179,"relatedTopics":187},{"id":5,"slug":6,"title":7,"summary":8,"canonicalPath":9,"categoryPath":10,"difficulty":11,"targetAudience":12,"estimatedMinutes":13,"generatedAt":14,"publishedAt":14,"updatedAt":14,"reviewStatus":15,"tags":16,"expectedKnowledge":25,"learningGoal":28,"keyTerms":29,"blocks":60},"it-aws-aws-certified-ai-practitioner-ai-ml-fundamentals-ai-ml-deep-learning-and-agentic-ai","ai-ml-deep-learning-and-agentic-ai","AI・ML・深層学習・エージェント型AI","AI・ML・深層学習・エージェント型AIを、AIF-C01の公式objective 1.1.2に沿って、包含関係、役割、例、誤解修正で整理します。","\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fai-ml-fundamentals\u002Fai-ml-deep-learning-and-agentic-ai","\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fai-ml-fundamentals","beginner","cert_candidate",6,"2026-08-06","ai_generated",[17,18,19,20,21,22,23,24],"AWS Certified AI Practitioner","AIF-C01","AI・機械学習の基礎","AI","機械学習","深層学習","生成AI","エージェント型AI",[26,27],"AWSクラウドの基本用語を聞いたことがある","AIを使う業務例を日常的な言葉で考えられる","AI・ML・深層学習・エージェント型AIについて、試験で問われる違いと選択基準を説明し、短い業務例へ適用できる。",[30,38,41,44,49,52],{"id":31,"label":32,"shortDefinition":33,"supplement":34,"role":37},"artificial-intelligence","人工知能（AI）","認識・推論・生成など、人が知的とみなす処理を計算機で実現する技術領域です。",{"kind":35,"text":36},"comparison","機械学習は、人工知能を実現する方法の一つです。","primary",{"id":39,"label":21,"shortDefinition":40,"role":37},"machine-learning","データから規則性を学び、未知の入力へ予測や判断を行うAIの手法です。",{"id":42,"label":22,"shortDefinition":43,"role":37},"deep-learning","多層ニューラルネットワークを使って特徴を学ぶ機械学習の手法です。",{"id":45,"label":23,"shortDefinition":46,"supplement":47,"role":37},"generative-ai","学習したパターンに基づき、新しい文章・画像などの内容を生成するAIです。",{"kind":35,"text":48},"生成だけでは、目標分解やツール実行を行うとは限りません。",{"id":50,"label":24,"shortDefinition":51,"role":37},"agentic-ai","目標・モデル・ツール・記憶を組み合わせ、複数段階の行動を進めるAIです。",{"id":53,"label":54,"shortDefinition":55,"supplement":56,"role":59},"foundation-model","基盤モデル","大規模なデータで事前学習され、多様な下流タスクへ適応できるモデルです。",{"kind":57,"text":58},"misconception","すべての定型予測を、基盤モデルへ置き換える必要はありません。","contextual",[61,66,78,87,96,102,108,114,130,139],{"id":62,"type":63,"title":7,"subtitle":64,"shortDefinition":65},"hero","HeroBlock","包含関係と役割を分けて、用語の近さに惑わされない","人が知的とみなす認識、推論、生成、意思決定支援などをコンピュータで実現する技術や研究領域の総称です。",{"id":67,"type":68,"term":32,"definition":69,"plainExplanation":70,"presentation":71,"supportLabel":72,"keywords":73},"definition","DefinitionBlock","[[cloze:artificial-intelligence|人工知能（AI）]]とは、認識・推論・生成など、人が知的とみなす処理を計算機で実現する技術領域です。","[[term:machine-learning|機械学習]]は知的処理を実現する方法の一つで、データから規則性を学びます。[[term:deep-learning|深層学習]]は多層ニューラルネットワークを使う機械学習の一群です。[[term:generative-ai|生成AI]]は学習済みの分布を使って新しい文章や画像などを作り、[[term:agentic-ai|エージェント型AI]]はモデルに目標、道具、記憶、手順を組み合わせて複数段階の仕事を進めます。","natural","言葉を分けると",[74,75,76,77],"データから学ぶ","多層ネットワーク","新しい内容の生成","目標と道具の反復",{"id":79,"type":80,"steps":81,"title":86},"decision-steps","StepBlock",[82,83,84,85],"まずAIという最上位の目的領域かを確認する。","データから規則を学ぶなら機械学習、その中で多層ネットワークを使うなら深層学習と見る。","新しい内容の生成が中心なら生成AI、目標に向けた道具利用と反復が中心ならエージェント型AIと見る。","一つの仕組みが複数の呼び名に当てはまる場合は、問題が問う役割へ絞る。","用語を分類する順序",{"id":88,"type":89,"title":90,"points":91,"body":95},"exam-cues","KeyPointBlock","判断で押さえる境界",[92,93,94],"AIは広い目的領域","MLと深層学習は学習方法の関係","生成AIは生成、エージェント型AIは目標達成の構成","用語は互いに排他的な製品名ではありません。たとえばLLMは深層学習で作られた[[term:foundation-model|基盤モデル]]で、生成AIアプリの中核にも、エージェントの推論部分にもなれます。試験では『どの層の概念か』『何を生み出すか』『自律的な手順実行があるか』を切り分けます。",{"id":97,"type":98,"src":99,"alt":100,"caption":101},"diagram","DiagramBlock","\u002Fassets\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fai-ml-fundamentals\u002Fai-ml-deep-learning-and-agentic-ai\u002Fai-ml-deep-learning-and-agentic-ai.svg","AI・ML・深層学習・エージェント型AIについてAI：知的処理、ML：データから学習、深層学習：多層ネット、生成・エージェント：活用形の関係を文字ラベルと矢印で示した図","上位概念から実装方法、活用形へ降りていく図です。包含関係と、生成・道具利用という役割の違いを同時に読みます。",{"id":103,"type":104,"scenario":105,"explanation":106,"result":107},"worked-example","ExampleBlock","社内文書を要約し、必要なら予定表を確認して会議候補まで作る仕組みを分類します。","要約文を作る部分は生成AIです。予定表という外部ツールを呼び、結果を見て次の行動を決める全体はエージェント型AIです。その基盤のLLMは深層学習で訓練された機械学習モデルであり、分類名は見る範囲によって変わります。","一つだけのラベルを争うのではなく、モデル、生成機能、ワークフローの三層を答え分けられます。",{"id":57,"type":109,"warningTitle":110,"message":111,"severity":112,"action":113},"WarningBlock","生成AIとエージェントは同義ではない","文章を生成するだけで、自動的に目標分解やツール実行まで行うとは限りません。逆にエージェントの中核に生成モデルが使われても、重要なのは行動を制御する仕組みです。","warning","問題文で出力生成だけか、状態を見ながら複数手順を進めるかを確認します。",{"id":115,"type":116,"title":117,"questions":118},"quiz","QuizBlock","AIF-C01 判断チェック",[119],{"question":120,"choices":121,"answerIndex":125,"choiceExplanations":126},"問い合わせを分類するだけの学習済みモデルを最も直接表す説明はどれですか。",[122,123,124],"機械学習モデルが入力から分類を予測する","必ずエージェント型AIが外部ツールを操作する","必ず生成AIが新しい画像を作る",0,[127,128,129],"正解です。分類は代表的な予測タスクです。","分類だけならツール操作や反復計画は不要です。","分類と画像生成は異なる目的です。",{"id":131,"type":132,"title":133,"points":134},"summary","SummaryBlock","まとめ",[135,136,137,138],"AIは知的処理を扱う広い領域","機械学習の一群に深層学習がある","生成AIは新しい内容を生成する","エージェント型AIは目標・道具・記憶・手順を組み合わせる",{"id":140,"type":141,"title":142,"nextTopics":143,"relatedKeywords":145},"next-action","NextActionBlock","次は「推論方式とデータの種類」へ",[144],"it-aws-aws-certified-ai-practitioner-ai-ml-fundamentals-inference-modes-and-data-types",[146,147,148],"推論","バッチ","リアルタイム",{"path":10,"title":19,"description":150,"parentPath":151,"accentToken":152},"AI、機械学習、学習方式、代表ユースケース、開発ライフサイクルを、AIF-C01の判断問題に沿って整理します。","\u002Fit\u002Faws\u002Faws-certified-ai-practitioner","cloud-amber",{"title":154,"description":155,"canonicalUrl":156,"ogImage":157},"AI・ML・深層学習・エージェント型AI | AWS Certified AI Practitioner","AIF-C01対策としてAI・ML・深層学習・エージェント型AIの定義、判断軸、具体例、誤解しやすい境界を公式試験範囲に沿って学びます。","https:\u002F\u002Fzeqnilo.com\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fai-ml-fundamentals\u002Fai-ml-deep-learning-and-agentic-ai","https:\u002F\u002Fzeqnilo.com\u002Fassets\u002Fsite\u002Fdefault-og.svg",[159,162,165,166,167],{"title":160,"path":161},"IT","\u002Fit",{"title":163,"path":164},"AWS","\u002Fit\u002Faws",{"title":17,"path":151},{"title":19,"path":10},{"title":7,"path":9},[169],{"id":170,"title":171,"summary":172,"canonicalPath":173,"categoryPath":10,"categoryTitle":19,"difficulty":11,"targetAudience":12,"estimatedMinutes":13,"publishedAt":14,"updatedAt":14,"reviewStatus":15,"tags":174},"it-aws-aws-certified-ai-practitioner-ai-ml-fundamentals-ai-core-terms-models-training-and-responsibility","AIの基本用語：モデル・学習・責任","モデル、アルゴリズム、学習、推論、ニューラルネットワーク、LLM、バイアス、公平性をAIF-C01 objective 1.1.1に沿って整理します。","\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fai-ml-fundamentals\u002Fai-core-terms-models-training-and-responsibility",[17,18,19,175,176,177,146,178],"モデル","アルゴリズム","学習","バイアス",[180],{"id":144,"title":181,"summary":182,"canonicalPath":183,"categoryPath":10,"categoryTitle":19,"difficulty":11,"targetAudience":12,"estimatedMinutes":13,"publishedAt":14,"updatedAt":14,"reviewStatus":15,"tags":184},"推論方式とデータの種類","推論方式とデータの種類を、AIF-C01の公式objective 1.1.3・1.1.4に沿って、用語、判断順序、例、誤解修正で整理します。","\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fai-ml-fundamentals\u002Finference-modes-and-data-types",[17,18,19,146,147,148,185,186],"非同期","データ型",[188],{"id":189,"title":190,"summary":191,"canonicalPath":192,"categoryPath":193,"categoryTitle":194,"difficulty":11,"targetAudience":12,"estimatedMinutes":13,"publishedAt":14,"updatedAt":14,"reviewStatus":15,"tags":195},"it-aws-aws-certified-ai-practitioner-ai-security-compliance-governance-ai-governance-services-data-lifecycle-and-protocols","AIガバナンスのAWSサービス・データライフサイクル・手順","AIガバナンスのAWSサービス・データライフサイクル・手順を、AIF-C01の公式objective 5.2.1・5.2.2・5.2.3に沿って、用語、判断順序、例、誤解修正で整理します。","\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fai-security-compliance-governance\u002Fai-governance-services-data-lifecycle-and-protocols","\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fai-security-compliance-governance","AIのセキュリティ・コンプライアンス・ガバナンス",[17,18,194,196,197,198,199,200,201,202],"AIガバナンス","AWS Config","Amazon Inspector","AWS Audit Manager","AWS Artifact","AWS CloudTrail","Trusted Advisor",1787370539407]