③ ディープラーニングの概要 ／ 16. 最適化手法
オンライン学習とは
オンライン学習とは、データが逐次到着する状況で、その都度モデルを更新する学習方式です。ストリーミングデータやリアルタイム処理に適しています。
この用語はG検定シラバスの「16. 最適化手法」に含まれます。 章全体の用語は用語解説③（全52語）にまとまっています。
一言でいうと
データが届くたびにその場でモデルを更新していく学習方式です。
どんな場面で使うか
- センサから連続的にデータが流れてくる監視システム
- 利用者の行動に合わせて即座に更新したい推薦システム
- データが多すぎて一度に保持できない場合
過去のデータを保存しておく必要がないため、メモリの節約にもなります。
注意点
直近のデータに引きずられやすく、学習が不安定になりやすい面があります。また、データの傾向が時間とともに変わると古い知識が失われることもあります。
対義的に、あらかじめ全データを用意して学習するのがバッチ学習です。「逐次か、まとめてか」という軸で区別してください。
逐次学習と追加学習
似た言葉に、既存のモデルへ新しいデータを学習させる追加学習があります。
いずれの場合も、新しいデータに合わせるうちに以前学んだことを忘れてしまう問題が起こりえます。運用中のモデルでは、性能が落ちていないかを継続的に監視することが重要になります。
混同しやすい用語との違い
| 用語 | ポイント |
|---|---|
| オンライン学習 | データが届くたびに逐次更新 |
| バッチ学習 | 全データをまとめて使って更新 |
🎯 G検定での押さえどころ
- データが届くたびにその都度更新する
- ストリーミングデータ・リアルタイム処理に適する
- バッチ学習（まとめて学習）との対比
⚠️ よくある誤りの選択肢
- 「オンライン学習では全データを事前に用意する必要がある」→ 誤り。逐次到着する状況で使います
📘 もっと深く学ぶ
- 数式レベルまで踏み込んだ解説 → 医療AIナビ「基本的なアルゴリズム」（E資格向け）
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。