エポック

エポックとは

エポック（Epoch）は、機械学習で学習データ全体を一巡させる単位です。「1エポック」＝「全訓練データを一度すべて使って学習した状態」を指します。

ニューラルネットは1エポックでは学習が不十分なことが多く、数十〜数百エポックを繰り返して精度を高めるのが一般的です。

バッチサイズとの関係

• バッチサイズ: 一度に処理するデータ数
• イテレーション: 1回のパラメータ更新
• エポック: 全データを一巡（= 全データ数 ÷ バッチサイズ 回のイテレーション）

例えば10,000件のデータをバッチサイズ100で学習すると、1エポック＝100回のパラメータ更新になります。

何エポック回すべきか

• 少なすぎると: 学習不足（未学習）
• 多すぎると: 過学習（訓練データに過剰適合し、未知データで精度が落ちる）

実務では、検証データでの精度が頭打ちになった時点で学習を止める（Early Stopping）のが一般的な工夫です。

関連する概念

• バッチサイズ: 1回で処理するデータ数
• 学習率: 1回あたりの更新幅
• 過学習: エポックを増やしすぎたときの代表的な失敗

エポックは**学習の"周回数"**と捉えると、全体像をイメージしやすくなります。

士業実務での使いどころ

エポックは開発者向けの用語で、申告や登記、就業規則の作成といった日々の業務で税理士や社労士がこの数値を設定する場面はまずありません。ただ、AIツールの紹介記事やベンダーの説明では「追加学習」といった話題と一緒に登場するため、「学習の繰り返し回数のこと」と知っておくと説明を読み飛ばさずに済みます。事務所はモデルを育てる側ではなく学習済みのAIを使う側なので、用語の細部よりも「どの業務にAIを使うか」の整理が先です。業務ごとの使いどころは士業の業務効率化AI活用ガイドにまとめています。