【G検定】読み方が分からない用語、全部まとめました 〜LIME・Grad-CAM・尤度・鞍点まで〜
山崎講師こんにちは。ゆうせいです。
今回は、G検定に出てくる用語で読み方が分からない用語をまとめました。
はじめに
G検定の勉強をしていて、こんな経験はありませんか。
- 「LIME」って リメ？ エルアイエムイー？
- 「Grad-CAM」の CAM は キャム？ シーエーエム？
- 「尤度」……これ、何て読むんだ？
黙読しているうちは何となく読み飛ばせますが、勉強会で口に出した瞬間に固まる。あるいは、講師が言っている単語とテキストの文字が結びつかない。読み方が分からない用語は、それだけで記憶に定着しにくくなります。
この記事では、G検定のシラバス範囲に登場する用語のうち、初見で読み方に迷いやすいものをジャンル別に一覧化しました。正式名称（何の略か）も併記しているので、意味の暗記にもそのまま使えます。
なお、読み方が業界内で割れている用語もかなりあります。その場合は複数併記していますので、「どちらでも通じる」くらいの気持ちで読んでください。
1. 説明可能AI（XAI）まわり
G検定の頻出テーマでありながら、略語だらけで読み方が分かりにくい分野の代表格です。
| 用語 | 読み方 | 正式名称・ひとこと解説 |
|---|---|---|
| XAI | エックスエーアイ | eXplainable AI（説明可能なAI）。AIの判断根拠を人間が理解できる形で示す研究分野の総称。 |
| LIME | ライム | Local Interpretable Model-agnostic Explanations。柑橘のライムと同じ読み。予測したい入力の「周辺」だけを単純なモデルで近似して、局所的に説明する手法。 |
| SHAP | シャップ | SHapley Additive exPlanations。ゲーム理論のシャープレイ値を使い、各特徴量が予測にどれだけ寄与したかを配分する手法。 |
| CAM | キャム | Class Activation Mapping。CNNがどの領域を見てそのクラスと判断したかをヒートマップで可視化する。 |
| Grad-CAM | グラッドカム | Gradient-weighted CAM。勾配（Gradient）の情報を使ってCAMを一般化した手法。「グラッドキャム」と読む人もいます。 |
| Saliency Map | セイリエンシーマップ／顕著性（けんちょせい）マップ | 入力画像のどのピクセルが出力に効いているかを可視化したもの。 |
| Permutation Importance | パーミュテーション インポータンス | ある特徴量の値をシャッフルしたときに精度がどれだけ落ちるかで重要度を測る。 |
| PDP | ピーディーピー | Partial Dependence Plot（部分依存プロット）。 |
| FAT | ファット | Fairness, Accountability, Transparency。公平性・説明責任・透明性。FAT/MLという学術会議名でも登場。 |
覚え方のコツ：LIME（ライム）と SHAP（シャップ）は、どちらも「1件ごとの予測を説明する（局所説明）」仲間。果物のライムとシャンプーみたいな響き、とセットで覚えると混同しにくくなります。
2. 画像認識・物体検出のモデル名
| 用語 | 読み方 | 正式名称・ひとこと解説 |
|---|---|---|
| LeNet | ルネット | ヤン・ルカンが1998年に発表した初期のCNN。人名（LeCun）由来なのでフランス風に「ル」。 |
| AlexNet | アレックスネット | 2012年のILSVRCで圧勝し、ディープラーニングブームの起点となったモデル。 |
| VGG | ブイジージー | オックスフォード大学の Visual Geometry Group が開発。3×3の畳み込みを積み重ねたシンプルな構造。 |
| GoogLeNet | グーグレネット／グーグルネット | Google製。「LeNet」へのオマージュで L が大文字になっているのがポイント。Inceptionモジュールを使用。 |
| ResNet | レズネット | Residual Network（残差ネットワーク）。スキップ結合により超深層でも学習可能にした。「レスネット」とも。 |
| Xception | エクセプション | Extreme Inception。Depthwise Separable Convolution を全面採用。 |
| SENet | エスイーネット／セネット | Squeeze-and-Excitation Network。チャネル方向の重要度を学習する。 |
| MobileNet | モバイルネット | 端末上での動作を狙った軽量モデル。 |
| EfficientNet | エフィシェントネット | 深さ・幅・解像度をバランスよく拡大（Compound Scaling）。 |
| R-CNN | アールシーエヌエヌ | Regions with CNN features。物体検出の二段階手法の元祖。 |
| Faster R-CNN | ファスター アールシーエヌエヌ | 領域提案もニューラルネット（RPN）で行うようにした改良版。 |
| YOLO | ヨロ／ヨーロー | You Only Look Once。一段階（1ショット）で検出する高速手法。元ネタは "You Only Live Once"。 |
| SSD | エスエスディー | Single Shot multibox Detector。記憶装置のSSDとは無関係。 |
| FCN | エフシーエヌ | Fully Convolutional Network。全結合層を畳み込みに置き換え、セグメンテーションを可能にした。 |
| SegNet | セグネット | Segmentation Network。エンコーダ・デコーダ構造。 |
| U-Net | ユーネット | U字型の構造を持つセグメンテーション用モデル。医用画像で広く使われる。 |
| Mask R-CNN | マスク アールシーエヌエヌ | 物体検出＋インスタンスセグメンテーション。 |
| OpenPose | オープンポーズ | 骨格推定（姿勢推定）の代表手法。Parts Affinity Fields を利用。 |
| NAS | ナス | Neural Architecture Search。ネットワーク構造そのものを自動探索する。 |
| IoU | アイオーユー | Intersection over Union。予測領域と正解領域の重なり具合の指標。「アイ・オー・ユー」と1文字ずつ。 |
| mAP | エムエーピー | mean Average Precision。物体検出の総合評価指標。 |
| ILSVRC | アイエルエスブイアールシー | ImageNet Large Scale Visual Recognition Challenge。 |
3. 生成モデル
| 用語 | 読み方 | 正式名称・ひとこと解説 |
|---|---|---|
| GAN | ガン／ギャン | Generative Adversarial Network（敵対的生成ネットワーク）。日本では「ガン」が優勢。 |
| DCGAN | ディーシーガン | Deep Convolutional GAN。 |
| CycleGAN | サイクルガン | 対になっていない画像同士でもスタイル変換ができる。 |
| Pix2Pix | ピクストゥピクス | ペア画像から画像変換を学習。「ピックス・トゥ・ピックス」。 |
| StyleGAN | スタイルガン | 高解像度な人物画像生成で有名。 |
| VAE | ブイエーイー／バエ | Variational AutoEncoder（変分オートエンコーダ）。読みは分かれます。 |
| WaveNet | ウェーブネット | 音声波形を直接生成するモデル。 |
| NeRF | ナーフ | Neural Radiance Fields。複数視点の写真から3D表現を学習。 |
| Diffusion Model | ディフュージョンモデル／拡散モデル | ノイズを段階的に除去して画像を生成。 |
4. 自然言語処理
セサミストリートのキャラクター名が続々出てくる、独特の命名文化があるエリアです。
| 用語 | 読み方 | 正式名称・ひとこと解説 |
|---|---|---|
| n-gram | エヌグラム | 連続するn個の単語や文字の並び。 |
| tf-idf | ティーエフ アイディーエフ | Term Frequency - Inverse Document Frequency。単語の重要度を測る古典的な指標。 |
| LSI / LSA | エルエスアイ／エルエスエー | Latent Semantic Indexing / Analysis（潜在意味解析）。 |
| LDA | エルディーエー | Latent Dirichlet Allocation（潜在ディリクレ配分法）。Dirichlet は「ディリクレ」。線形判別分析のLDAとは別物なので注意。 |
| word2vec | ワードトゥーベック | 単語を分散表現（ベクトル）に変換する。CBOWとSkip-gramの2方式。 |
| CBOW | シーボウ | Continuous Bag-of-Words。周辺語から中心語を当てる。 |
| GloVe | グローブ | Global Vectors for Word Representation。手袋のgloveと同じ読み。 |
| fastText | ファストテキスト | 単語を部分文字列（subword）に分けて扱うため、未知語に強い。 |
| doc2vec | ドックトゥーベック | 文書単位の分散表現。 |
| seq2seq | シークトゥシーク／シーケンストゥシーケンス | Sequence-to-Sequence。エンコーダ・デコーダ型の系列変換。 |
| ELMo | エルモ | Embeddings from Language Models。文脈に応じて変わる単語ベクトル。 |
| BERT | バート | Bidirectional Encoder Representations from Transformers。Transformerのエンコーダを双方向に事前学習。 |
| ALBERT | アルバート | A Lite BERT。パラメータを削減した軽量版。 |
| RoBERTa | ロベルタ | Robustly optimized BERT approach。 |
| DistilBERT | ディスティルバート | 蒸留（distillation）で小型化したBERT。 |
| ULMFiT | ウルムフィット | Universal Language Model Fine-tuning。 |
| GPT | ジーピーティー | Generative Pre-trained Transformer。Transformerのデコーダ側を利用。 |
| XLNet | エックスエルネット | 順列言語モデルによる事前学習。 |
| CTC | シーティーシー | Connectionist Temporal Classification。音声認識で入力と出力の長さが揃わない問題に対処。 |
| MFCC | エムエフシーシー | Mel-Frequency Cepstrum Coefficients（メル周波数ケプストラム係数）。ケプストラム(cepstrum) はスペクトラム(spectrum)の綴りをひっくり返した造語。 |
| BLEU | ブルー | 機械翻訳の評価指標。フランス語の「青」。 |
| Attention | アテンション | 入力のどこに注目するかを学習する仕組み。 |
| Transformer | トランスフォーマー | Attention機構のみで構成された、現代のNLPの基盤アーキテクチャ。 |
5. 最適化手法・活性化関数
| 用語 | 読み方 | 正式名称・ひとこと解説 |
|---|---|---|
| ReLU | レルー | Rectified Linear Unit（正規化線形関数、ランプ関数）。「リル」「アールイーエルユー」ではありません。 |
| Leaky ReLU | リーキーレルー | 負の領域にもわずかな傾きを持たせた版。 |
| tanh | タンエイチ／ハイパボリックタンジェント | 双曲線正接関数。「タンチ」と読む人も。 |
| SGD | エスジーディー | Stochastic Gradient Descent（確率的勾配降下法）。 |
| Momentum | モメンタム | 慣性を加えて振動を抑える。「モーメンタム」とも。 |
| AdaGrad | アダグラッド | Adaptive Gradient。学習率をパラメータごとに適応させる。 |
| RMSprop | アールエムエスプロップ | Root Mean Square Propagation。AdaGradの学習率減衰が効きすぎる問題を改善。 |
| AdaDelta | アダデルタ | AdaGradの改良版。 |
| Adam | アダム | Adaptive moment estimation。MomentumとRMSpropのいいとこ取り。 |
| Nesterov | ネステロフ | Nesterov Accelerated Gradient。ロシアの数学者ユーリ・ネステロフに由来。 |
| Xavier初期化 | ザビエル／グザビエ初期化 | Xavier Glorot（グザビエ・グロロ）に由来。Glorot初期化とも呼ばれる。 |
| He初期化 | ヘ／ホー初期化 | Kaiming He（何愷明）に由来。ReLUと相性がよい。 |
| Dropout | ドロップアウト | 学習時にランダムにノードを無効化する正則化手法。 |
| Batch Normalization | バッチノーマライゼーション／バッチ正規化 | ミニバッチ単位で分布を正規化し、学習を安定させる。 |
| BPTT | ビーピーティーティー | BackPropagation Through Time。RNNの誤差逆伝播。 |
| LSTM | エルエスティーエム | Long Short-Term Memory。長期依存を扱えるRNN。 |
| GRU | ジーアールユー／グルー | Gated Recurrent Unit。LSTMを簡略化したもの。 |
6. 強化学習
| 用語 | 読み方 | 正式名称・ひとこと解説 |
|---|---|---|
| ε-greedy | イプシロン グリーディ | 確率εでランダムな行動を選ぶ探索戦略。 |
| Sarsa | サルサ | State-Action-Reward-State-Action の頭文字。方策オン型の学習。 |
| Q学習 | キューがくしゅう | 行動価値関数Qを更新していく方策オフ型の手法。 |
| DQN | ディーキューエヌ | Deep Q-Network。Q学習にディープラーニングを組み合わせた。 |
| A3C | エースリーシー | Asynchronous Advantage Actor-Critic。 |
| REINFORCE | リインフォース | 方策勾配法の代表的アルゴリズム。 |
| Bellman方程式 | ベルマン方程式 | リチャード・ベルマンによる、価値関数の再帰的な関係式。 |
| バンディット問題 | バンディット | 「多腕バンディット（multi-armed bandit）」。banditは山賊、転じてスロットマシンのこと。 |
| AlphaGo | アルファご（アルファ碁） | DeepMindの囲碁AI。 |
7. ライブラリ・データセット・インフラ
| 用語 | 読み方 | 正式名称・ひとこと解説 |
|---|---|---|
| NumPy | ナンパイ／ナムパイ | Numerical Python。数値計算ライブラリ。 |
| SciPy | サイパイ | Scientific Python。 |
| pandas | パンダス | panel data に由来。動物のパンダではありません。 |
| matplotlib | マットプロットリブ | MATLAB風の描画ライブラリ。 |
| scikit-learn | サイキットラーン | Python機械学習ライブラリの定番。 |
| Keras | ケラス | ギリシャ語で「角（つの）」を意味する κέρας が由来。 |
| Theano | テアノ | 古代ギリシャの数学者テアノに由来。初期の深層学習フレームワーク。 |
| Caffe | カフェ | Convolutional Architecture for Fast Feature Embedding。 |
| PyTorch | パイトーチ | 現在の研究分野で最も使われるフレームワークの一つ。 |
| Chainer | チェイナー | Preferred Networks（日本）が開発。Define-by-Run方式の先駆け。 |
| ONNX | オニキス | Open Neural Network Exchange。フレームワーク間でモデルを相互運用するための形式。宝石のオニキスと同じ読み。 |
| CUDA | クーダ | Compute Unified Device Architecture。NVIDIA製GPUの並列計算基盤。 |
| cuDNN | クーディーエヌエヌ | CUDA Deep Neural Network library。 |
| TPU | ティーピーユー | Tensor Processing Unit。Google製のAI専用プロセッサ。 |
| Jupyter | ジュピター | Julia + Python + R が由来。木星（Jupiter）とは綴りが違う。 |
| Hadoop | ハドゥープ | 分散処理基盤。開発者の息子のぬいぐるみの名前が由来。 |
| Kaggle | カグル | データ分析コンペティションのプラットフォーム。 |
| MNIST | エムニスト | Modified NIST。手書き数字の定番データセット。 |
| CIFAR-10 | サイファーテン | Canadian Institute For Advanced Research が公開した画像データセット。 |
| COCO | ココ | Common Objects in Context。物体検出用データセット。 |
| WordNet | ワードネット | 単語の意味関係を体系化したシソーラス。 |
8. 統計・機械学習の手法
| 用語 | 読み方 | 正式名称・ひとこと解説 |
|---|---|---|
| k-means | ケーミーンズ | k平均法。非階層クラスタリングの代表。 |
| t-SNE | ティースネ／ティーエスエヌイー | t-distributed Stochastic Neighbor Embedding。高次元データの可視化手法。 |
| UMAP | ユーマップ | Uniform Manifold Approximation and Projection。t-SNEより高速な次元削減。 |
| PCA | ピーシーエー | Principal Component Analysis（主成分分析）。 |
| SVM | エスブイエム | Support Vector Machine。マージン最大化で分類。 |
| XGBoost | エックスジーブースト | eXtreme Gradient Boosting。 |
| LightGBM | ライトジービーエム | Microsoft製の勾配ブースティング。 |
| CatBoost | キャットブースト | カテゴリ変数の扱いに強い勾配ブースティング。 |
| SMOTE | スモート | Synthetic Minority Over-sampling Technique。不均衡データの水増し手法。 |
| ARIMA | アリマ | AutoRegressive Integrated Moving Average。時系列予測モデル。 |
| ROC曲線 | ロックきょくせん／アールオーシー | Receiver Operating Characteristic。AUCとセットで登場。 |
| AUC | エーユーシー | Area Under the Curve。 |
人名がついた統計用語
| 用語 | 読み方 | ひとこと解説 |
|---|---|---|
| Kullback-Leibler情報量 | カルバック・ライブラー | 2つの確率分布の「近さ」を測る量。KLダイバージェンス。 |
| Jensen-Shannon | イェンセン・シャノン | KLダイバージェンスを対称化したもの。GANの学習で登場。 |
| Wasserstein距離 | ワッサースタイン | WGANで使われる分布間距離。 |
| Dirichlet分布 | ディリクレ | LDA（潜在ディリクレ配分法）の名前の由来。 |
| Bernoulli分布 | ベルヌーイ | 0か1かの二値をとる分布。 |
| Mahalanobis距離 | マハラノビス | データの分散を考慮した距離。異常検知で使われる。 |
| Levenshtein距離 | レーベンシュタイン | 編集距離。文字列の類似度。 |
| Shapley値 | シャープレイち | 協力ゲーム理論の概念。SHAPの理論的基礎。 |
| Hessian行列 | ヘッセ／ヘシアン | 二階偏微分をまとめた行列。 |
| Jacobian行列 | ヤコビアン／ヤコビ行列 | 一階偏微分をまとめた行列。 |
| Lagrange未定乗数法 | ラグランジュ | 制約付き最適化の手法。SVMの導出で登場。 |
| Gini係数 | ジニけいすう | 決定木の分割基準の一つ。不純度を測る。 |
9. 人名（AIの歴史）
G検定では研究者名がそのまま問われます。カタカナ表記も一緒に押さえておきましょう。
| 人名 | 読み方 | 何をした人か |
|---|---|---|
| Alan Turing | アラン・チューリング | チューリングテストの提案者。 |
| John McCarthy | ジョン・マッカーシー | 「人工知能（AI）」という言葉を命名。ダートマス会議の主催者。 |
| Marvin Minsky | マービン・ミンスキー | フレーム問題の提起などで知られる。 |
| Frank Rosenblatt | フランク・ローゼンブラット | パーセプトロンの考案者。 |
| Joseph Weizenbaum | ジョセフ・ワイゼンバウム | 対話システムELIZA（イライザ）の開発者。 |
| John Searle | ジョン・サール | 「中国語の部屋」の思考実験でチューリングテストを批判。 |
| Hans Moravec | ハンス・モラベック | 「モラベックのパラドックス」。 |
| Ray Kurzweil | レイ・カーツワイル | シンギュラリティ（技術的特異点）を2045年と予測。 |
| Geoffrey Hinton | ジェフリー・ヒントン | オートエンコーダ、ドロップアウトなど。ディープラーニングの父。 |
| Yann LeCun | ヤン・ルカン | CNN（LeNet）の考案者。フランス系のため「レクン」ではなく「ルカン」。 |
| Yoshua Bengio | ヨシュア・ベンジオ | ヒントン・ルカンと並ぶチューリング賞受賞者。 |
| Jürgen Schmidhuber | ユルゲン・シュミットフーバー | LSTMの共同考案者。 |
| Ian Goodfellow | イアン・グッドフェロー | GANの考案者。 |
| Andrew Ng | アンドリュー・ン／アンドリュー・エン | Google Brain、Courseraの創設者。「Ng」の表記に戸惑いがち。 |
| Vladimir Vapnik | ウラジミール・ヴァプニク | SVMの考案者。 |
| Nick Bostrom | ニック・ボストロム | 『スーパーインテリジェンス』の著者。 |
| Stuart Russell | スチュアート・ラッセル | AI安全性研究の第一人者。 |
歴史上のシステム名
| 用語 | 読み方 | ひとこと解説 |
|---|---|---|
| ELIZA | イライザ | 1966年の対話システム。イライザ効果の語源。 |
| PARRY | パリー | 妄想型統合失調症の患者を模した対話システム。 |
| SHRDLU | シュルドゥル／シャードルー | 積み木の世界を自然言語で操作するシステム。読み方は諸説あり。 |
| MYCIN | マイシン | 感染症診断のエキスパートシステム。 |
| DENDRAL | デンドラル | 化合物を特定する世界初のエキスパートシステム。 |
| Cyc | サイク | 一般常識をすべて記述しようとした大規模プロジェクト。 |
| Watson | ワトソン | IBMの質問応答システム。クイズ番組で人間王者に勝利。 |
| ダートマス会議 | Dartmouth | 1956年、AIという分野が誕生した会議。 |
10. 法律・倫理・ビジネス
| 用語 | 読み方 | 正式名称・ひとこと解説 |
|---|---|---|
| ELSI | エルシー | Ethical, Legal and Social Issues（倫理的・法的・社会的課題）。 |
| GDPR | ジーディーピーアール | EU一般データ保護規則。 |
| LAWS | ローズ | Lethal Autonomous Weapons Systems（自律型致死兵器システム）。法律の"laws"と同じ読み。 |
| PoC | ピーオーシー／ポック | Proof of Concept（概念実証）。「PoC死」という言葉でも登場。 |
| MLOps | エムエルオプス | 機械学習モデルの開発と運用を継続的に回す考え方。 |
| CRISP-DM | クリスプ・ディーエム | CRoss-Industry Standard Process for Data Mining。データ分析の標準プロセス。 |
| OODAループ | ウーダループ | Observe-Orient-Decide-Act。PDCAより高速な意思決定サイクル。 |
| BPR | ビーピーアール | Business Process Re-engineering。 |
| Society 5.0 | ソサエティ ゴーテンゼロ | 日本政府が掲げる未来社会のコンセプト。 |
| アシロマAI原則 | アシロマ | 2017年、米カリフォルニア州アシロマで採択されたAI研究の23原則。 |
| Partnership on AI | パートナーシップ・オン・エーアイ | 主要IT企業が設立したAI倫理の非営利団体。 |
| ディープフェイク | Deepfake | 深層学習で作られた偽の画像・動画。 |
| 敵対的サンプル | Adversarial Examples | 人間には分からない微小な摂動でAIを誤認識させる入力。 |
11. 日本語なのに読めない漢字
意外と落とし穴なのが日本語です。試験は選択式なので読めなくても解けますが、講義や勉強会では確実につまずきます。
| 用語 | 読み方 | ひとこと解説 |
|---|---|---|
| 尤度 | ゆうど | likelihood。「もっともらしさ」。最尤推定（さいゆうすいてい）とセットで頻出。 |
| 閾値 | しきいち（本来は「いきち」） | threshold。工学分野では慣用読みの「しきいち」が主流。 |
| 鞍点 | あんてん | saddle point。馬の鞍のような形の停留点。勾配が0でも最適解ではない。 |
| 摂動 | せつどう | perturbation。わずかな揺らぎ。敵対的サンプルの説明で必ず出てくる。 |
| 双対 | そうつい | dual。SVMの「双対問題」。「そうたい」ではありません。 |
| 顕著性 | けんちょせい | saliency。目立ちやすさ。 |
| 汎化 | はんか | generalization。未知データへの対応力。汎化誤差、汎化性能。 |
| 頑健性 | がんけんせい | robustness。ロバスト性。 |
| 畳み込み | たたみこみ | convolution。CNNの「C」。 |
| 疎 | そ | sparse。疎行列（そぎょうれつ）、スパースモデリング。 |
| 蒸留 | じょうりゅう | distillation。大きなモデルの知識を小さなモデルに移す。 |
| 剪定 / 枝刈り | せんてい / えだがり | pruning。決定木を刈り込む、ネットワークの重みを削る。 |
| 多重共線性 | たじゅうきょうせんせい | multicollinearity。通称マルチコ。説明変数同士の相関が強すぎる状態。 |
| 恒等写像 | こうとうしゃぞう | identity mapping。ResNetのスキップ結合で登場。 |
| 冪乗則 | べきじょうそく | power law。スケーリング則の文脈で。 |
| 逓減 | ていげん | だんだん減っていくこと。収穫逓減。 |
| 大域最適解 / 局所最適解 | たいいき / きょくしょ | global optimum / local optimum。 |
| 平滑化 | へいかつか | smoothing。ラベル平滑化（Label Smoothing）など。 |
| 転置 | てんち | transpose。転置畳み込み（Transposed Convolution）。 |
| 逆伝播 | ぎゃくでんぱ | backpropagation。誤差逆伝播法。「でんぱん」と読む人もいます。 |
| 罹患率 | りかんりつ | 混同行列・検査の精度の話で登場。 |
| 恣意的 | しいてき | バイアスの議論で頻出。 |
よくある誤読ワースト5
最後に、特に間違えられやすいものを厳選しました。
- ReLU → ◯レルー ／ ×リル・アールイーエルユー
- Yann LeCun → ◯ヤン・ルカン ／ ×ヤン・レクン
- 尤度 → ◯ゆうど ／ ×もっともど・じゅうど
- 双対問題 → ◯そうつい ／ ×そうたい
- LIME → ◯ライム ／ ×リメ・エルアイエムイー
おわりに
読み方が分かると、用語が「文字の並び」から「言葉」に変わります。言葉になったものは、圧倒的に覚えやすくなる。G検定は範囲が広く暗記量も多い試験ですが、こうした地味な下ごしらえが後半の伸びを支えてくれます。
なお、業界の読み方は時代とともに変わりますし、地域や会社によっても揺れがあります。ここに挙げた読みも「絶対の正解」ではなく「多数派」くらいの位置づけで受け取ってください。大事なのは、堂々と口に出せるようになることです。
投稿者プロフィール
- 代表取締役
-
セイ・コンサルティング・グループ株式会社代表取締役。
岐阜県出身。
海外放浪の末、2000年創業、2004年会社設立。
IT企業向け人材育成研修歴業界歴20年以上。
すべての無駄を省いた費用対効果の高い「筋肉質」な研修を提供します！
この記事に間違い等ありましたらぜひお知らせください。
学生時代は趣味と実益を兼ねてリゾートバイトにいそしむ。長野県白馬村に始まり、志賀高原でのスキーインストラクター、沖縄石垣島、北海道トマム。高じてオーストラリアのゴールドコーストでツアーガイドなど。現在は野菜作りにはまっている。
