DS検定～模擬試験③～ 2024年12月7日 ailearn 1. データ理解において、「データの分布」を確認する理由として最も適切なものは次のうちどれですか？ データの傾向や偏りを把握するため データの欠損箇所を確認するため データの統合方法を検討するため データの収集元を特定するため None 2. 複数の変数間の関係を示す散布図を一つの可視化に統合して表示する手法はどれですか？ ヒストグラム 散布図行列 折れ線グラフ 円グラフ None 3. 大規模データセットのサンプリングを行う際の注意点として最も重要なものは次のうちどれですか？ サンプルが全体のデータを代表するものであること サンプルがランダムに選ばれていること サンプルが欠損データを含まないこと サンプルが少ない方が効率的な分析ができること None 4. 小売業界でのAI活用の典型的な用途は次のうちどれですか？ 店舗の設計をAIが行う 顧客の購買データを基にしたパーソナライズドレコメンデーションの提供 顧客が購入する商品をランダムに決定する 価格設定を自動化することなく固定する None 5. カテゴリカルデータの頻度分布を視覚化するための最も適したグラフは次のうちどれですか？ 棒グラフ 散布図 ヒストグラム 折れ線グラフ None 6. データの「拡張現実（AR）」に関する最新技術の応用例として最も適切なものは次のうちどれですか？ ARを使って建築物の仮想設計を行う ARを使ってデータの圧縮を行う ARを使って音声データの解析を行う ARを使って市場データを分類する None 7. AIが金融業界で行う「不正検知システム」の特徴として正しいものは次のうちどれですか？ 不正取引を手動で確認する 顧客のデータを削除する 全ての取引を同一基準で扱う 顧客の取引データをリアルタイムで分析し、異常なパターンを検出する None 8. データ可視化において、複数のカテゴリ間の割合や構成比を比較するのに最適なグラフは次のうちどれですか？ 円グラフ 積み上げ棒グラフ 散布図 ヒストグラム None 9. AIとデータサイエンスの最新技術「GAN（Generative Adversarial Networks）」の主な役割は次のうちどれですか？ データの正規化 データの生成 データの欠損補完 モデルの評価 None 10. 最新のAI倫理に関する議論で注目されている課題は次のうちどれですか？ AIによるバイアスや公平性の問題 AIがすべての仕事を自動化すること AIの使用を完全に禁止すること AIによるデータ削除 None 11. ヘルスケア分野でAIが導入されている例として、患者モニタリングシステムの主な目的は次のうちどれですか？ 医療記録の自動削除 患者のバイタルサインをリアルタイムで監視し、異常を検知する 薬剤の価格を一括管理する 病院のスタッフスケジュールを最適化する None 12. AIが「スマートホームシステム」で果たす役割として最も適切なものは次のうちどれですか？ 家電の修理を行う 家電の設置を自動で行う 家電の使用を制限する 家電の自動制御を行い、エネルギー効率を最適化する None 13. 地理情報データを可視化する際、特定の値の濃淡を色で表現する手法は次のうちどれですか？ カートグラム ヒートマップ 散布図 チョロプレス図（Choropleth Map） None 14. AIを活用した農業の最新技術として、農作物の生育状況をリアルタイムでモニタリングするシステムが注目されています。この技術が最も貢献する分野は次のうちどれですか？ 労働力の削減 農地の拡大 水資源の保護 農産物の輸出拡大 None 15. データ理解において、「特徴量エンジニアリング」が重要とされる理由は次のうちどれですか？ モデルの性能を向上させるためにデータの特徴を最適化するため データの前処理を自動化するため データの可視化を行うため 外れ値を取り除くため None 16. アプローチ設計において「パイロットプロジェクト」を実施する主な目的は何ですか？ 完全な実装前にすべてのデータを収集するため プロジェクトの全体像を短期間で完成させるため プロジェクトのコストを最小限に抑えるため 小規模で解決策をテストし、その有効性を確認するため None 17. 製造業でAIを活用した「予知保全システム」の主な目的は次のうちどれですか？ 機械の修理コストを完全にゼロにする 機械の故障を未然に防ぎ、稼働率を向上させる 工場の電力使用量を削減する 従業員の配置計画を最適化する None 18. データの分散を最大限に保ちながら次元削減を行う手法は次のうちどれですか？ t-SNE 階層的クラスタリング ランダムフォレスト 主成分分析 (PCA) None 19. データの種類を理解する上で、次のうち「構造化データ」とはどのようなものを指しますか？ 一定の形式で組織化されたデータ 画像や動画などの形式を持たないデータ センサーデータなどのリアルタイム情報 データ収集の途中で不完全なデータ None 20. データベースでのACID特性のうち、"I"が示すものはどれですか？ Isolation（独立性） Integrity（整合性） Indexing（インデックス化） Immutability（不変性） None 21. アプローチ設計において「ウォーターフォールモデル」が適している状況は次のうちどれですか？ 要件が明確で、変更が予想されない場合 短期間で頻繁なフィードバックが必要な場合 チームが独立して作業できる場合 顧客要件がプロジェクト期間中に変化する可能性が高い場合 None 22. 散布図は主にどのようなデータの可視化に使用されますか？ カテゴリカルデータの分布 2つの連続変数間の関係 時系列データの変動 データの中心傾向 None 23. データ可視化において、変数の密度分布を滑らかに表現するために使用される手法はどれですか？ ヒストグラム KDE（カーネル密度推定） 散布図 箱ひげ図 None 24. 金融業界でAIが活用されている分野として最も一般的なものは次のうちどれですか？ 融資判断とリスク管理 預金の管理 現金の流通 支店の設計 None 25. データの可視化において、次のグラフの種類の中で、変数同士の相関の強さや相対関係を色の濃淡で示す手法はどれですか？ 散布図 ヒートマップ 箱ひげ図 円グラフ None 26. 相関行列の可視化に使用される一般的な手法はどれですか？ 散布図 円グラフ 箱ひげ図 ヒートマップ None 27. データのバイアスを取り除くための適切な手法は次のうちどれですか？ 標準化 無作為抽出 欠損値補完 正規化 None 28. アプローチ設計において、リスク対応策として「回避」を選択する状況は次のうちどれですか？ リスクが発生した後に迅速に対処する場合 リスクが発生しても影響が少ないと判断される場合 リスクを受け入れて、解決策を模索する場合 リスクの発生を完全に防ぐためにプロジェクトを中止する場合 None 29. 散布図において、データポイントが過剰に重なり合う場合、それを解消するための一般的な手法は次のうちどれですか？ データの正規化 ヒートマップを使用する 点をランダムにずらす（ジッターリング） データをカテゴリに変換する None 30. AIを活用した「ゼロショット学習」の最新動向について最も適切な説明は次のうちどれですか？ 新しいデータセットを用いてモデルを再訓練する手法 複数のデータセットを用いて同時に学習を行う手法 新しいクラスのデータが与えられたとき、訓練されていないデータでも予測できるモデル データの可視化に特化した学習手法 None 31. データベースのシャーディング（Sharding）において、データの一貫性を保つための主な課題は次のうちどれですか？ データの物理的な保存場所を変更すること シャード間でデータの同期を保つこと データを圧縮して保存すること データベースのバックアップを行うこと None 32. 非構造化データを効率的に処理するために使用される技術として最も適切なものは次のうちどれですか？ 正規化 相関分析 主成分分析（PCA） 自然言語処理（NLP） None 33. データセットの「次元削減」が必要となる主な理由として最も適切なものは次のうちどれですか？ 全ての変数を削除し、モデルを単純化するため 高次元データの計算負荷を軽減し、過学習を防ぐため データの次元を増加させて精度を向上させるため 次元削減を行うとデータの意味が失われるため None 34. データ理解のために行う「相関分析」の目的は次のうちどれですか？ データの分布を確認するため 時系列データの予測を行うため 2つの変数間の関係性を測定するため 欠損値を補完するため None 35. 複数の解決策を比較するために「コストベネフィット分析」を使用する際、考慮すべき要素として適切なものは次のうちどれですか？ 各解決策のコストと、それに伴う利益や効果 各解決策にかかる時間とリスク 各解決策に必要なリソースと技術的難易度 各解決策の影響範囲と利益率 None 36. 最新のAI技術「フェアネスアウェアネス（Fairness Awareness）」の目的は次のうちどれですか？ AIが判断する際に、公平性を確保し、特定のグループに不利益が生じないようにする AIの結果をランダムに決定する AIの判断を全て手動で行う 公平性を考慮せずにAIを訓練する None 37. アプローチ設計における「ベストプラクティス」の活用の主な利点は何ですか？ 既存のアプローチをそのまま模倣することができる 迅速に解決策を実施できる 革新的なアイデアを生み出すことができる 過去の成功例を基に、リスクを最小限に抑えた設計ができる None 38. データの欠損が発生した場合の一般的な対処方法として正しいものはどれですか？ 欠損値をそのまま使用する 欠損値を平均値で補完する 欠損値を全て0にする 欠損値を削除する None 39. アプローチ設計において「ファシリテーション」の役割は何ですか？ データの収集と分析を管理する 解決策を評価し、フィードバックを提供する チームのコミュニケーションを円滑にし、効果的な意思決定をサポートする プロジェクトの予算を管理する None 40. データ理解の過程で「バイアス」を検出することが重要な理由は次のうちどれですか？ 分析結果が偏り、不正確な結論を導くリスクがあるため データが不足している可能性があるため データをランダムに選ぶことで、正確な分析ができるため データの欠損を埋めるため None 41. データ可視化の際、外れ値が多いデータセットで正確な可視化を行うために適した手法はどれですか？ 箱ひげ図 散布図 ヒストグラム 折れ線グラフ None 42. 高次元データのクラスタリング結果を2次元で可視化するために推奨される手法はどれですか？ 箱ひげ図 散布図 t-SNE ヒートマップ None 43. カテゴリカルデータが高次元になる問題（次元の呪い）に対処するために推奨される手法はどれですか？ PCAを使用して次元削減を行う One-hotエンコーディングを使用する ラベルエンコーディングを使用する 特徴選択を行う None 44. データの分布を視覚化するために最も適したグラフは次のうちどれですか？ ヒストグラム 棒グラフ 散布図 箱ひげ図 None 45. 変数間の相関関係を視覚化するためのペアプロットは、どのようなデータに適していますか？ カテゴリカルデータ 時系列データ 数値データ テキストデータ None 46. AIが「農業分野」で導入されることで最も期待される効果は次のうちどれですか？ 作物の成長管理を自動化し、生産性と収穫量を最大化する 作物の品種をすべて統一する 作物の管理をすべて手動で行う 農業分野ではAIが使われない None 47. AIによる「異常検知システム」が製造業に導入されることで得られる主な利点は次のうちどれですか？ 製品の品質を無視する 製造コストが増加する AIによる検知が不正確になる 製品の不良品や設備の異常をリアルタイムで検出し、早期に対応できる None 48. 分散ファイルシステムにおいて、「HDFS」がデータの冗長性を確保するために使用する技術は次のうちどれですか？ データの暗号化 レプリケーション シャーディング キャッシング None 49. 「強化学習」が活用される最新の分野として最も適切なものは次のうちどれですか？ 自動化されたゲームのプレイ 音声データのリアルタイム解析 データの前処理 テキスト生成 None 50. データの標準化と正規化の違いとして正しいものはどれですか？ 標準化はデータの分布を均一化し、正規化はデータを特定の範囲にスケーリングする 標準化は欠損値を補完し、正規化は外れ値を除外する 標準化はデータを整数に変換し、正規化は分散を一定にする 標準化と正規化は同じ意味で使用される None 51. アプローチ設計における「アジャイル手法」の特徴として正しいものは次のうちどれですか？ 事前に詳細な計画を立て、変更を最小限に抑える プロジェクトの全体像を一度に完了させる 柔軟に対応し、短期間で反復的に成果を出すことができる 固定されたスケジュールで一貫して進行する None 52. トレーニングデータとテストデータをランダムに分割する際、データが時間依存性を持つ場合に最も注意すべき点は次のうちどれですか？ 分割比率を一定に保つ。 時系列順を考慮して分割する。 カテゴリカルデータをエンコードしてから分割する。 分割後にデータをシャッフルする。 None 53. 「データの一貫性」を確認する目的として最も適切なものは次のうちどれですか？ 異なるデータソースからのデータが同じ形式で扱われることを保証するため データの内容が真実であることを確認するため データの欠損を補完するため データをモデルにそのまま投入するため None 54. 欠損値がMCAR（Missing Completely at Random）ではなくMAR（Missing at Random）の場合に推奨される欠損値処理方法は次のうちどれですか？ 欠損値を無視して分析を続ける。 欠損値を平均値で補完する。 欠損値の補完に予測モデルを使用する。 欠損データを全て削除する。 None 55. データ蓄積において、分散データベースで使用される「シャーディング」とは何ですか？ データを一つの場所に集約して保存する手法 データを複数のサーバーに分散して保存する手法 データを圧縮して保存する手法 データを一時的にキャッシュに保存する手法 None 56. データ蓄積における「キャッシング」の主な目的は次のうちどれですか？ 頻繁にアクセスされるデータを一時的に高速メモリに保存して、応答時間を短縮する データを圧縮して保存することで、ストレージの使用量を減らす データのバックアップを取るためのメカニズム データを暗号化して保存すること None 57. アプローチ設計において「データ駆動型の意思決定」が最も重要になる状況として適切なものは次のうちどれですか？ データが少なく、意思決定に経験が優先される場合 データの品質が低い場合 データが豊富で、意思決定が複数の利害関係者に影響を与える場合 短期間で感覚的な意思決定が必要な場合 None 58. カテゴリカルデータの頻度分布を視覚化する際に最も適したグラフはどれですか？ 散布図 ヒストグラム 棒グラフ 箱ひげ図 None 59. データの「IQR（四分位範囲）」を用いて外れ値を検出する際、一般的に使用される閾値は次のうちどれですか？ 1.0倍 1.5倍 2.0倍 3.0倍 None 60. 最新のAI技術である「ニューラルネットワーク圧縮」の利点として最も適切なものは次のうちどれですか？ モデルの精度を向上させるが、メモリ使用量が増加する データの圧縮を無視する モデルのサイズを小さくし、メモリ使用量と推論速度を最適化する モデルの学習速度が低下する None 61. アプローチ設計における最初のステップとして適切なものは次のうちどれですか？ 課題の明確化 データ収集の開始 解決策の実施 成果の評価 None 62. データ蓄積において、データウェアハウスの主な利用目的は何ですか？ データを短期間だけ保存すること データをリアルタイムで処理すること データを圧縮して保存すること 大量のデータを分析するためにデータを集約すること None 63. データサイエンスにおける「転移学習（Transfer Learning）」の最新動向として、最も適切なものは次のうちどれですか？ モデルをゼロから学習させる手法 全てのデータを破棄する手法 データ前処理を無視する手法 既存のモデルの知識を利用して、新しいタスクに応用する手法 None 64. 大量のデータポイントが重なり合って見にくい場合、散布図でデータの密度を表現するために使用される手法はどれですか？ ジッタリング ログ変換 ヒートマップ バイオリンプロット None 65. 分散データベースのレプリケーション方式の一つである「マスタースレーブレプリケーション」の特徴は何ですか？ 全てのサーバーが同時に書き込みと読み込みを行う データがリアルタイムで同期される データベースのスケーリングが不可能である マスターサーバーが書き込みを担当し、スレーブサーバーが読み込みを担当する None 66. データ理解のプロセスにおいて最初に行うべきステップは次のうちどれですか？ データの収集 データの前処理 データの定義と目標の設定 データの分析 None 67. データ蓄積において、バックアップの目的は次のうちどれですか？ データベースのパフォーマンスを向上させる データのサイズを小さくする データを保護し、障害時に復元できるようにする データの分析を高速化する None 68. AIによる「在庫管理システム」を導入することの利点として最も適切なものは次のうちどれですか？ 在庫管理の精度が下がる 人手による在庫確認が増える リアルタイムで在庫量を監視し、需要予測に基づいた発注を自動化できる 在庫データが失われるリスクが高まる None 69. スマートシティの実現において、AIが果たす役割として最も重要なものは次のうちどれですか？ 都市計画を完全に自動化する 全ての市民サービスをAIに置き換える 都市内のすべてのビルを自動的に設計する 交通管理やエネルギー消費の最適化など、都市運営を効率化する None 70. データ蓄積において、データの冗長性を減らし、効率的に保存するために使用される技術は何ですか？ 正規化 非正規化 分割統治 シャーディング None 71. データのクレンジングを行う際に考慮すべき要素として最も適切なものは次のうちどれですか？ データを全て再収集すること データの正規化を優先すること データの一部を削除すること データの一貫性、重複、欠損を修正し、分析に適した状態に整えること None 72. データ蓄積において「データウェアハウス」と「データレイク」の主な違いとして正しいものは次のうちどれですか？ データウェアハウスはスキーマを事前に定義する必要があるが、データレイクはスキーマが不要である。 データウェアハウスは非構造化データに特化しているが、データレイクは構造化データに特化している。 データウェアハウスはクラウド環境でしか使用できないが、データレイクはオンプレミス環境でしか使用できない。 データウェアハウスは主にデータ保存に使用されるが、データレイクはデータ分析専用である。 None 73. アプローチ設計において「データ駆動型の意思決定」が重視される理由として最も適切なものは次のうちどれですか？ データを基にリスクを最小限に抑えるため 主観的な判断を避け、客観的なデータに基づいて解決策を選択するため データを活用して迅速な意思決定を行うため すべてのステークホルダーの意見を反映させるため None 74. AIの活用が進む医療分野での最新技術として最も関連が深いものは次のうちどれですか？ 遺伝子編集 画像診断におけるAI支援 生体組織の生成 手術ロボットの完全自動化 None 75. 「CAP定理」において、ネットワーク分断耐性を維持しつつ可用性を優先するシステムの課題として最も適切なものは次のうちどれですか？ トランザクション処理の速度が低下すること。 データベースが分断されると操作が停止すること。 データの一時的な不整合が発生すること。 データが大量に保存できなくなること。 None 76. アプローチ設計において、「リスク管理」の主な目的は何ですか？ 予測されるリスクを特定し、事前に対策を講じることで影響を最小限に抑える プロジェクトの完了後にリスクを評価するため リスクが発生した際に即座に解決策を実行するため リスクを完全に排除し、失敗を防ぐため None 77. 現在、AI技術が急速に進展している分野として最も適切なものは次のうちどれですか？ 自動運転車 書籍の出版 手作業での農業 古典芸術の制作 None 78. 「Explainable AI（XAI）」の最新動向に関する利点として最も適切なものは次のうちどれですか？ AIの決定プロセスを透明化し、結果の説明が可能になる AIの精度を低下させる AIの結果をブラックボックス化する AIの学習速度を遅くする None 79. AIを使った「自動運転車」の主要な技術として最も関連が深いものは次のうちどれですか？ AIによるカメラやセンサーのデータ解析を通じた周囲の環境認識 AIがエネルギー消費を制御する AIが道路を設計する AIが車両のデザインを自動化する None 80. カテゴリカルデータを機械学習モデルに使用するための一般的な手法はどれですか？ 平均値で補完する 標準化する One-hotエンコーディングを使用する 中央値で補完する None 81. 次元削減後のデータを可視化するために、UMAPの利点は何ですか？ 高次元データの構造を保持しやすい 可視化が容易なため、データの理解が進む 計算が早く、大規模データにも適応できる 全てが利点 None 82. 農業分野におけるAIの利活用として最も効果的なものは次のうちどれですか？ 農作物の種類をAIが決定する AIを利用して農作物の成長を監視し、収穫時期を最適化する 農業のすべての作業をAIに任せる 気象予測を無視して作業を進める None 83. データの欠損が「MCAR」（Missing Completely at Random）である場合、どのような仮定が成り立ちますか？ 欠損データは他の観測データと無関係に発生している 欠損データは特定の変数の値に依存して発生している 欠損データは外れ値によって発生している 欠損データは観測データ全体の分布に依存している None 84. ヒストグラムと箱ひげ図（ボックスプロット）の違いとして正しいものは次のうちどれですか？ ヒストグラムは分布の形状を、箱ひげ図は分散や異常値を示す。 ヒストグラムはカテゴリデータ、箱ひげ図は数値データに使用する。 箱ひげ図は分布の形状を示し、ヒストグラムは平均値を強調する。 ヒストグラムと箱ひげ図は同じ目的で使用される。 None 85. 「自然言語処理（NLP）」が活用される場面として、最も適切なものは次のうちどれですか？ 画像を自動で生成する 音声データを画像データに変換する 数値データの解析を行う 顧客の問い合わせを自動で分類し、対応策を提案する None 86. データ理解のプロセスで、「データのバイアス」を検出する主な目的として最も適切なものは次のうちどれですか？ バイアスが分析結果や意思決定に及ぼす影響を評価するため バイアスを削除してモデル精度を上げるため データにバイアスが含まれていないことを証明するため バイアスを活用してモデルの性能を向上させるため None 87. 最新のAI動向において、「フェデレーテッドラーニング（Federated Learning）」が注目される理由として最も適切なものは次のうちどれですか？ データのプライバシーを保ちながら分散型学習を実現する能力 大規模データセットを中央サーバーで一括処理する能力 学習モデルのサイズを削減し計算コストを下げる能力 データの重複を防ぐ能力 None 88. カテゴリカルデータをエンコードする際、One-hotエンコーディングを使用する理由は何ですか？ カテゴリ間に序列がある場合のエンコードが容易であるため カテゴリカルデータが数値データとして扱われるようになるため カテゴリカルデータ間に意味のない序列が生じるのを防ぐため カテゴリカルデータの次元が増加しないため None 89. データ分析において「因果関係」と「相関関係」の違いとして正しいものは次のうちどれですか？ 因果関係は、2つの変数が無関係であることを示す 相関関係は、2つの変数が同時に変動するが、因果関係は1つの変数がもう1つに影響を与えることを意味する 相関関係は、常に因果関係を意味する 因果関係と相関関係は同義である None 90. 分散データベースにおける「CAP定理」の3つの要素に該当しないものは次のうちどれですか？ Consistency（整合性） Availability（可用性） Partition Tolerance（分割耐性） Performance（性能） None 91. クラウドベースのデータベースサービスである「Amazon RDS」の特徴として正しいものは次のうちどれですか？ データベースのパフォーマンスチューニングが不要である データベースの分散構造を持つ SQLクエリは使用できない データベースのスケーリングとバックアップが自動化されている None 92. AIを活用したチャットボットが主に導入されている領域は次のうちどれですか？ 販売促進 顧客サービス 財務管理 製品設計 None 93. 大規模データの保存に適した「Hadoop HDFS（Hadoop Distributed File System）」の主な特性は次のうちどれですか？ データを高速で検索できるインデックス機能を持つ データをリアルタイムで処理する 大規模なデータセットを分散して保存し、冗長性を確保する トランザクションを強力にサポートする None 94. 大規模データセットに対する次元削減を行う主な目的は次のうちどれですか？ データの一部を削除して、容量を削減するため データの精度を向上させるため データの相関性を高めるため データの特徴をシンプルにし、処理や分析を効率化するため None 95. 最新のAI技術「ディープフェイク」がもたらす社会的なリスクとして最も適切なものは次のうちどれですか？ AIの導入が遅れる データの削除 動画の圧縮 動画や音声の不正な生成による情報操作や詐欺の増加 None 96. 時系列データの特性として、次のうち正しいものはどれですか？ データが一貫して変動しない データがランダムに取得される データが構造化されていない 時間に沿った順序が重要である None 97. 外れ値が多く含まれるデータセットを扱う際、最も適切な手法は次のうちどれですか？ 外れ値を全て削除する 外れ値を中央値で補完する 外れ値に対してロバストな手法を使用する 外れ値を全て0にする None 98. 変数の相関を表すために、次のうち誤りの少ないグラフの種類はどれですか？ 散布図 円グラフ 棒グラフ 箱ひげ図 None 99. 欠損データの割合を視覚化するために最も適した手法はどれですか？ ヒートマップ 散布図 円グラフ ヒストグラム None 100. 最近注目されている生成AI技術に関連し、企業が「テキスト生成AI」を活用する際の主な目的として最も適切なものは次のうちどれですか？ データの保存容量を削減する カスタマーサポートやコンテンツ作成を効率化する AIモデルの透明性を向上させる データ分析の速度を向上させる None Time's up
