定義
エポックとは、機械学習の学習プロセスにおいて、訓練データセット全体をモデルに1回すべて通過させる単位のことをいう。
エポック (Epoch)とは（詳しく解説）
エポックとは、機械学習の訓練においてデータセット全体をモデルに1回すべて学習させることを指す単位である。業界標準では、バッチサイズや学習率と並ぶ基本的なハイパーパラメータの一つとされ、エポック数は学習の進み具合を測る目安になる。エポック数を増やすほどモデルはデータに適合していくが、増やしすぎると訓練データに過剰適合し、未知データへの汎化性能が落ちる過学習が起きるとされる。逆に少なすぎれば学習不足のまま終わる。2026年時点の実運用では、大規模言語モデルのファインチューニングにおいてエポック数がそのままクラウドGPUの利用時間、つまりコストに直結するため、費用対効果を見ながら設定する場面が多い。現場では検証データの損失が下げ止まった時点で打ち切るアーリーストッピングを併用し、無駄なエポックでコストだけがかさむ事態を避けるのが定石とされる。相場感としては、少量データでのファインチューニングなら数エポック、大規模な事前学習では数十エポック以上を要するケースもあり、タスクとデータ量に応じて選び方が大きく変わる点に注意が必要とされる。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「エポック (Epoch)とは」 https://aipicks.jp/glossary/epoch
エポック (Epoch)の使用例
- ファインチューニングを3エポックに設定し、検証損失の推移を見ながら学習を打ち切るか判断する。
- 「このデータセットは10エポック回してようやく収束した」のように学習の進捗を語る際に使われる。
