CRISP-MLとは
CRISP-MLとは、CRISP-DMを機械学習プロジェクト向けに拡張したモデルです。運用後のモニタリング・再学習工程を重視する点が特徴です。
この用語はG検定シラバスの「35. AI プロジェクトの進め方」に含まれます。 章全体の用語は用語解説⑥（全52語）にまとまっています。
一言でいうと
CRISP-DMに「運用後の監視と再学習」を加えた、機械学習向けの進め方です。
なぜ運用工程を加えたのか
データマイニングは分析して知見を得れば完了という側面がありました。
しかし機械学習モデルは運用し続けるものです。時間が経つとデータの傾向が変わり（データドリフト）、精度が落ちていきます。
そのため「作って終わり」では済まず、監視と再学習を工程として組み込む必要があります。
MLOpsとの関係
CRISP-MLが進め方の枠組みを示すのに対し、MLOpsはそれを実現する仕組み・技術にあたります。
「何をするか」と「どう実現するか」の関係だと整理すると分かりやすくなります。
品質とリスクを継続的に見る
CRISP-MLでは、各工程に品質保証とリスク管理の観点が組み込まれている点が特徴です。
たとえばデータの偏りが結果を歪めていないか、運用開始後に入力の傾向が変わっていないか——こうした確認を工程の一部として位置づけます。
作って終わりにしないという姿勢が、MLOpsと共通する考え方です。
🎯 G検定での押さえどころ
- CRISP-DMを機械学習向けに拡張
- 運用後の監視・再学習を重視
- データドリフトへの対応が前提
⚠️ よくある誤りの選択肢
- 「CRISP-MLはモデルの構築までを対象とする」→ 誤り。運用後まで含みます
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。