DS検定～模擬試験⑥～ 2024年12月7日 ailearn 1. 組織内での「フィードバック文化」を醸成するために効果的な施策は次のうちどれですか？ 定期的なフィードバックを行い、改善点を指摘する フィードバックを控え、自由に進行させる 問題が発生した時にのみフィードバックを行う チームメンバーからの意見を無視する None 2. AIシステム運用における「システム可用性」を向上させるための方法として最も適切なものは次のうちどれですか？ システムのトラフィックを制限し、ユーザー数を減らす モデルのハイパーパラメータを調整して精度を向上させる モデルのトレーニングデータを定期的にバックアップする 冗長構成を採用し、障害が発生してもシステムが稼働し続けられるようにする None 3. プロジェクトマネジメントにおける「ベンチマーク」とは次のうちどれですか？ プロジェクトの進行を監視するための手法 プロジェクトのコストを削減するための手法 プロジェクトのリソースを効率化する手法 プロジェクトのパフォーマンスを測定し、他のプロジェクトや業界標準と比較する手法 None 4. AIシステム運用において、モデルの精度が時間と共に低下する「モデル劣化」を防ぐために有効な方法は次のうちどれですか？ データドリフトや概念ドリフトをモニタリングし、モデルを定期的に再トレーニングする モデルのハイパーパラメータを変更せずにそのまま使用し続ける トレーニングデータを毎回同じものに固定して使用する 一度デプロイしたモデルは更新せずに長期間使用する None 5. ネットワークフロー問題において、「最小費用フロー問題」の特徴として正しいものは次のうちどれですか？ 各エッジのフローが最大となるように最適化する。 最小コストで一定のフローを供給する。 最短距離で始点から終点に到達する。 エッジ数を最小化する。 None 6. 輸送問題において、MODI法（Modified Distribution Method）は何を目的として使用されますか？ 初期解を生成する 最適解を改良する コストの上限を決定する 供給量と需要量を均等にする None 7. ある小売企業が、AIを活用して顧客の購買パターンを分析し、ターゲティング広告を実施しています。この場合、データを適切に扱うために最も考慮すべき事項は次のうちどれですか？ 顧客データを暗号化せずに保管する データ収集の詳細を開示せず、分析結果のみ公開する 顧客データの使用目的を明確にし、事前に同意を得る 分析に使用するデータを保存期間の制約なしで保管する None 8. 2段階最適化問題において、最初の段階で決定される変数を何と呼びますか？ ステージ変数 主変数 一次変数 ファーストステージ変数 None 9. ある企業が、クラウド環境にデータを移行する際に「共有責任モデル」を採用しました。このモデルにおいて、以下の責任は主に誰に帰属するべきですか？ データの暗号化 アクセス制御の管理 クラウドサービス提供者 セキュリティ専門会社 契約上で両者が均等に分担 クラウド利用者 None 10. AIシステムの運用において「モデルの透明性」を確保するための手法として適切なものは次のうちどれですか？ モデルの説明可能性（Explainability）を提供するために、SHAPやLIMEなどの手法を利用する モデルのパラメータを隠し、ブラックボックス化する モデルの精度が低下した場合は、手動で再トレーニングを行う モデルのトレーニングデータを圧縮して保存する None 11. プロジェクトの「ステークホルダー」とは次のうちどれですか？ プロジェクトに関与するすべての利害関係者 プロジェクトの予算を提供する企業のみ プロジェクトの技術的なサポートを行うチーム プロジェクトの顧客のみ None 12. 「ゼロトラストアーキテクチャ」におけるセキュリティ原則の1つは次のうちどれですか？ 一度認証されたリソースは信頼し続ける 全てのアクセスを許可する 全てのリソースへのアクセスを常に検証し、信頼しない 認証プロセスを省略する None 13. AIが決定を下す際の説明可能性を確保するために使用される手法は次のうちどれですか？ 自己学習型AI データ削減手法 AIのブラックボックス化 Explainable AI（XAI） None 14. データの利活用における「データ保持期間」の設定に関して最も適切な説明は次のうちどれですか？ データは使用目的が達成され次第、不要なデータを削除する データは無期限に保持する データは一度取得したら削除しない データ保持期間を設定しない None 15. プロジェクトのリスクマネジメントにおいて、「定性的リスク分析」と「定量的リスク分析」の違いは何ですか？ 定性的リスク分析はリスクを無視する手法であり、定量的リスク分析はリスクを回避する手法である 定性的リスク分析は予算を評価し、定量的リスク分析は時間を評価する 定性的リスク分析はリスクの影響を主観的に評価し、定量的リスク分析はリスクの影響を数値的に評価する 定性的リスク分析は短期的なリスクを評価し、定量的リスク分析は長期的なリスクを評価する None 16. データを扱う際の「リスクアセスメント」の目的として最も適切な説明は次のうちどれですか？ データの利活用に伴うリスクを事前に評価し、対策を講じる データを自由に利用するための手順を定める データの保存期間を無制限に延長する データの利用目的を明確にしない None 17. プロジェクトマネージャーがチームメンバー間のコミュニケーションを促進するために使用すべき最も効果的な方法は次のうちどれですか？ メールのみでやり取りを行う 定期的なミーティングを設定し、進捗と課題を共有する 全てのコミュニケーションを管理者経由で行う 個別に連絡を取り、個々の進捗を確認する None 18. データサイエンスプロジェクトにおける「スプリント」は何を指しますか？ プロジェクトのリスク評価手法 特定の期間内に行われる作業サイクル プロジェクト終了後の評価 プロジェクトの予算決定手法 None 19. データ収集におけるプライバシー保護のために最も重要なことは次のうちどれですか？ 個人情報を集める際に、事前に明確な同意を得る データを自由に共有する データを完全に匿名化しない 同意がなくても情報を使用できる None 20. 機械学習モデルがサイバー攻撃を受けやすい理由として最も適切なものは次のうちどれですか？ モデルはデータを暗号化していないため モデルは常に誤差を出すため モデルは内部構造が公開されていることが多いため モデルは自己防御機能を持っているため None 21. 組織における「従業員エンゲージメント」を向上させるための最も効果的な施策は次のうちどれですか？ 従業員に一切のフィードバックを与えない 従業員の業務を定期的に変える 従業員の評価を公開する 従業員の意見を尊重し、定期的なフィードバックを行う None 22. 生成AIで使われる「事前学習済みモデル」を利用する利点として最も適切なものは次のうちどれですか？ トレーニングデータのサイズに関係なく、高品質な生成が可能になる。 トレーニングの初期段階で高い精度が期待できる。 トレーニングプロセスの全体を自動化できる。 計算コストを削減し、カスタマイズ可能な学習ができる。 None 23. データを利用する際の「データセキュリティ対策」に関して、最も重要なポイントは次のうちどれですか？ データが漏洩しないよう、アクセス権限を適切に管理する データを無制限に共有する データのバックアップを取らない データをクラウドに無制限で保存する None 24. GANのトレーニング過程で起こりうる「モード崩壊」とは何ですか？ 生成ネットワークが一部のデータパターンしか生成できなくなる現象 判別ネットワークが過学習する現象 トレーニングデータが不足する現象 モデルのハイパーパラメータが適切に設定されない現象 None 25. 生成AIにおける「GAN（Generative Adversarial Network）」の基本的な構造はどのようなものですか？ 生成ネットワークと判別ネットワークから構成される 単一のニューラルネットワークからなる 畳み込み層のみで構成される RNN（リカレントニューラルネットワーク）をベースにする None 26. 生成AIにおける「StyleGAN」の特徴として正しいものは次のうちどれですか？ 画像のスタイル（テクスチャ、形状など）を制御して高品質な画像を生成できる データを圧縮して送信するための技術である 文章生成に特化した生成AIである データの再構築を目的とするオートエンコーダモデルである None 27. プロジェクトマネジメントにおいて、プロジェクトの進行を監視し、変更が必要かどうかを判断する手法は次のうちどれですか？ スコープクリープ リソース最適化 クラウドマイグレーション モニタリングとコントロール None 28. AIシステムをセキュリティ攻撃から保護するために重要な対策の1つとして適切なものは次のうちどれですか？ AIの出力結果を無制限に公開する AIの判断プロセスを全て削除する AIシステムにセキュリティ対策を施さない AIモデルのトレーニングデータを暗号化する None 29. AIシステムのセキュリティを強化する際に考慮すべき「アドバサリアル・ロバストネス（Adversarial Robustness）」とは何を指しますか？ モデルのトレーニング時間を短縮する手法 敵対的攻撃に対してモデルが強靭であること モデルのデータをすべて削除する手法 モデルの出力結果を非公開にする手法 None 30. データの「アクセス制御」における主な目的は次のうちどれですか？ 誰でも自由にデータにアクセスできるようにする データへのアクセスを適切な権限を持つ人に限定する データをすべて削除する データを自動的に公開する None 31. 組織マネジメントにおける「透明性の確保」が重要な理由は次のうちどれですか？ チームメンバーに情報を隠すため 組織のルールを厳格にするため チームのスピードを低下させるため チームの信頼性を高め、意思決定の過程を明確にするため None 32. AIシステム運用において、「シャーディング（Sharding）」の利点として最も適切なものはどれですか？ モデルの学習速度を向上させる。 データの分割により、スケーラビリティを向上させる。 モデルの透明性を高める。 モデルのトレーニングデータ量を削減する。 None 33. 生成AIモデルにおける「フィードバックループ」とはどのような現象を指しますか？ モデルの出力が自動的に評価されるプロセス モデルの生成結果が次の入力データとして再利用され、誤差が蓄積する現象 モデルのパラメータが繰り返し最適化されるプロセス モデルのトレーニングデータが無限に循環される現象 None 34. データサイエンスプロジェクトにおける「データのクリーニング」が重要な理由は次のうちどれですか？ データが不正確だとモデルの精度が低下するため データを大量に増やすため データの量が少ない方が処理が早いから データを無意味に削除するため None 35. 生成AIで使用される「逆伝播法」とは何ですか？ モデルの重みをランダムに変更する方法 モデルの誤差をネットワークの逆方向に伝搬させて学習する方法 新しいデータを生成する方法 データを圧縮して送信する方法 None 36. あるAIシステムが、特定の国のユーザーに不利な予測を行っていることが判明しました。この問題を解決するために企業が取るべき最も適切な対応は次のうちどれですか？ 不利な結果を受けたユーザーのデータをモデルから削除する 国別の属性をモデルの予測から除外する トレーニングデータに含まれる国別の分布を均等に調整する 国に関連するデータをすべて削除する None 37. VAE（Variational Autoencoder）の主な目的は何ですか？ クラスタリングを行う 畳み込みを行う データを潜在空間に圧縮し、生成する 時系列データの予測を行う None 38. AIシステム運用において、異常検知を行うために使用される一般的な手法は次のうちどれですか？ モデルの精度を評価するために交差検証を行う データの前処理を手動で行う モデルの予測結果を定期的にアーカイブする クラスタリングや回帰分析を用いて、通常のパターンから外れたデータを検出する None 39. 組織において「適応型マネジメント」が効果的である理由として最も適切なものは次のうちどれですか？ 組織が予算を削減するため 組織が変化する環境に迅速に対応し、計画を柔軟に変更できるため 組織が一度定めた計画を変更せずに維持するため 組織が短期間で利益を上げるため None 40. チームの「多様性を活かしたマネジメント」が重要である理由は次のうちどれですか？ 組織の規模を大きくするため チームメンバーの入れ替わりを防ぐため チームのスキルレベルを平均化するため 多様な視点やアイデアを取り入れることで、より革新的な成果を生み出せるため None 41. 「アジャイルプロジェクト管理」がデータサイエンスの組織マネジメントに適している理由として最も適切なものは次のうちどれですか？ 短期間の反復作業とフィードバックを重視し、柔軟に対応するため 全てのプロジェクトタスクを事前に完璧に計画するため チームの全員が同じ作業を同時に行うため 完成後にのみ成果物を評価するため None 42. 組織マネジメントにおける「コンフリクトマネジメント」の主な目的は次のうちどれですか？ チームメンバーを評価しないこと チームリーダーを変更すること チームの全体的な進捗を監視すること チーム内の意見の衝突を防ぎ、適切に解決すること None 43. データサイエンスプロジェクトで「スコープクリープ」を防ぐために最も効果的な手法は次のうちどれですか？ プロジェクト開始時にスコープを明確にし、変更を厳しく制限する ステークホルダーの要求を全て受け入れる プロジェクト完了後にスコープを定義する スコープに関する文書を作成しない None 44. GPTなどの生成AIモデルにおける「自己教師あり学習（Self-supervised Learning）」の役割は次のうちどれですか？ モデルの出力を自己評価するプロセス ラベルなしデータから学習することで、モデルが自己改善するプロセス モデルを一から学習させるプロセス モデルのパフォーマンスを手動で監視するプロセス None 45. 整数計画問題において、「分枝限定法（Branch and Bound）」はどのような問題を解くために使用されますか？ 非線形問題 線形問題 整数制約のある最適化問題 動的最適化問題 None 46. プロジェクトの「アジャイル型アプローチ」がウォーターフォール型と異なる点として最も正しいものは次のうちどれですか？ アジャイルは反復的であり、適応的な計画変更が可能である アジャイルは計画変更を行わない アジャイルは全体のスコープを最初に決める アジャイルは一度に全てのタスクを完了させる None 47. AIの活用において、予測結果のバイアスを軽減するために最も有効なアプローチは次のうちどれですか？ トレーニングデータの選定と前処理を重視する モデルのアルゴリズムを改良するだけで解決する データに偏りがあっても、大量のデータを使用する バイアスが出た結果を手動で修正する None 48. データベースにおける「データマスキング」の目的として最も適切なものは次のうちどれですか？ データの複製を作る 機密データを部分的に隠す データを完全に削除する データの更新を停止する None 49. 機密データの取り扱いにおいて、データ漏洩リスクを最小限に抑えるために最も重要なセキュリティ対策は次のうちどれですか？ データを暗号化し、アクセス制限を設ける データを外部に公開する データのバックアップを取らない データを無制限に共有する None 50. 「差別を助長するAIシステム」の発生を防ぐために考慮すべきことは次のうちどれですか？ バイアスを無視する 特定の属性を強調する AIの判断を全て手動で行う データのバイアスを検出し、修正する None 51. 生成AIの「データ拡張（Data Augmentation）」が特に有効な理由として正しいものは次のうちどれですか？ トレーニングデータの不足を補い、モデルの過学習を防ぐため。 トレーニング時間を短縮するため。 トレーニング中に必要な計算資源を削減するため。 テストデータを生成するため。 None 52. AIシステムにおける「コンプライアンス対応」が重要である理由は次のうちどれですか？ AIのブラックボックス化を促進するため 法律や規制に違反しない運用を確保するため データの無制限利用を許可するため 全てのデータを自動で削除するため None 53. プロジェクトマネジメントにおいて「リスク回避」の具体例として最も適切なものは次のうちどれですか？ リスクが発生した際に対応策を考える プロジェクト計画段階でリスクを取り除くための代替案を採用する リスク発生の可能性を分析せずに進行する チーム全員にリスクを共有せずに作業を進める None 54. プロジェクトマネジメントの「クリティカルパス法 (CPM)」の目的は次のうちどれですか？ プロジェクトの最短完了時間を計算する プロジェクトの予算を最小化する プロジェクトのリスクを回避する プロジェクトチームの規模を最適化する None 55. データ管理における「ログ管理」の目的は次のうちどれですか？ データを自動的に削除する データのサイズを減らす データの変更履歴を追跡し、不正アクセスを検知する データを全て公開する None 56. 生成AIにおいて「自己回帰モデル」が生成する順番はどのようなものですか？ データを順次生成する データを一度に生成する 特定のパターンに基づいてデータを生成する データをランダムに生成する None 57. 動的計画法を用いた在庫管理モデルでは、需要の不確実性を考慮するために使用される手法はどれですか？ ベルマン方程式 ロジスティック回帰 ヒューリスティックアルゴリズム モンテカルロシミュレーション None 58. AIモデルを安全に運用するために、「モデルのバージョン管理」が必要とされる理由は次のうちどれですか？ 新しいバージョンが常に正確な結果を保証するため 古いモデルを削除することでシステムを軽量化するため モデルの変更履歴を記録し、不具合時の原因追跡を可能にするため 複数のAIモデルを同時に運用するため None 59. データサイエンスプロジェクトにおける「KPI（重要業績評価指標）」の設定で最も適切なアプローチは次のうちどれですか？ プロジェクト終了時のみ測定可能な指標を設定する ビジネス目標と関連した具体的で測定可能な指標を設定する チーム全員が理解しにくい複雑な指標を設定する プロジェクトの進捗に関係のない指標を設定する None 60. 線形計画法における「可行解」とは何ですか？ 目的関数が最大値を取る解 目的関数が最小値を取る解 制約条件を全て満たす解 制約条件を全て無視する解 None 61. AIシステム運用において「ホットスワップ（Hot Swap）」が利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？ モデルのトレーニングデータを切り替える際。 モデルのパフォーマンスを一時的に検証する際。 稼働中のAIモデルを停止せずに新しいモデルに切り替える際。 モデルのデプロイメントを一時停止する際。 None 62. AIシステムにおける「モデルの改ざん」を防ぐために最も効果的な手法は次のうちどれですか？ モデルをすべて公開する モデルとトレーニングデータの暗号化 モデルを定期的に削除する モデルの内部構造を隠す None 63. データサイエンスプロジェクトにおける「KPI（重要業績評価指標）」の役割として最も適切なものは次のうちどれですか？ プロジェクトの進捗を監視し、成功を評価する基準を提供する チームメンバーの個人的な満足度を測定する プロジェクトの終了後にのみ使用される評価基準を提供する データサイエンティスト個人の成果を評価するための指標を提供する None 64. AIシステム運用において「ログ管理」が重要な理由として最も適切なものは次のうちどれですか？ システムの動作状況やエラーを追跡し、問題が発生した際に迅速に対応できるため データの保存容量を最適化するため モデルの精度を手動で確認するため モデルのハイパーパラメータを監視するため None 65. 組織の「モチベーション向上施策」に効果的な手法は次のうちどれですか？ プロジェクトの進捗を定期的に報告させる インセンティブや報酬制度を導入する チームの目標を細かく設定する チームメンバーを評価しない None 66. AIモデルに対する「敵対的攻撃（Adversarial Attack）」に対する防御策として最も効果的な方法は次のうちどれですか？ 敵対的なデータをトレーニングに組み込む モデルの内部構造を全て公開する モデルを常に更新しない データを暗号化しない None 67. 組織における「コミュニケーションの一貫性」を確保するために効果的な手法は次のうちどれですか？ 定期的な全体会議を行う メールでの情報共有を重視する チームリーダーを通じてフィードバックを管理する 特定のリーダーのみが情報を発信する None 68. データサイエンスプロジェクトにおける「スコープ管理」とは何を指しますか？ プロジェクトの目標や成果物を定義し、その範囲を管理するプロセス プロジェクトの予算を管理するプロセス プロジェクトの品質を管理するプロセス プロジェクトのスケジュールを管理するプロセス None 69. データの利用に関して「データのガバナンス」が重要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？ データの自由な共有を促進するため データの利用ルールを定め、リスクを管理するため データを全て非公開にするため データの無制限な利用を推奨するため None 70. 動的計画法で使用される「メモ化」とは何ですか？ 問題の部分解を一時的に保存して再利用すること 解をメモリに保存して一度に計算すること 部分問題を繰り返し解く手法 解の探索空間を分割して解決する手法 None 71. 組織マネジメントにおいて、最も重要なリーダーシップスタイルの1つは何ですか？ カリスマ的リーダーシップ ディレクティブリーダーシップ サーバントリーダーシップ 自律型リーダーシップ None 72. AIシステム運用において「A/Bテスト」の目的は何ですか？ モデルのハイパーパラメータを自動的に調整すること データの前処理方法を評価すること 2つの異なるモデルの性能を比較し、最適なモデルを選定すること モデルの精度を監視するためにデータを分割すること None 73. AIシステムの倫理的な運用において、最も重要な要素の1つは次のうちどれですか？ 利用者の同意を得ずにデータを処理する AIシステムが公正であることを保証する AIモデルの内部構造を全て公開する AIシステムを完全に自律的にする None 74. データガバナンスの枠組みにおいて「アクセス制御」が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？ データを公開し、誰でも自由に利用できるようにする データへのアクセスを管理し、無制限な利用を防ぐ データのバックアップを削除する データの処理速度を向上させる None 75. プロジェクトマネジメントにおける「リソース管理」の主な目的は次のうちどれですか？ プロジェクトの予算を削減すること プロジェクトに必要な人材、設備、予算を効率的に管理し、適切に配分すること プロジェクトの成果物を管理すること プロジェクトの終結を早めること None 76. 生成AIにおける「Attentionメカニズム」の役割は次のうちどれですか？ モデルのパラメータを最適化する データをランダムに生成する モデルの損失関数を最小化する データの重要な部分に焦点を当てる None 77. データ活用を重視する組織において「心理的安全性」が求められる理由として最も適切なものは次のうちどれですか？ 組織内で新しいアイデアや意見を自由に表現できる環境を作るため 意見を述べた社員を罰する仕組みを作るため 全ての社員に同じ考え方を強制するため データに基づく意思決定を排除するため None 78. 「ゼロトラストセキュリティモデル」が推奨され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？ 外部からの攻撃を完全に排除できるため すべてのユーザーやデバイスを信用しないことで、不正アクセスリスクを軽減するため 物理的なセキュリティ対策が不要になるため データセンターの運用コストを削減するため None 79. AIシステム運用において「ML Ops」の主な目的は何ですか？ 機械学習モデルの開発から運用までを一貫して自動化すること データの圧縮と保存を最適化すること データベースのパフォーマンスを向上させること モデルの精度を一定に保つため、定期的に手動で再学習させること None 80. AIシステム運用において「バッチ処理」とは何ですか？ データをリアルタイムで処理する方式 モデルのトレーニングを一度に複数回実行する方式 データの前処理を自動化する方式 一定期間ごとにデータをまとめて処理する方式 None 81. 線形計画法（LP）において、目的関数とは何ですか？ 制約条件を表す数式 最大化または最小化を目指す数式 データの最適な分割を表す手法 コストの削減を示す指標 None 82. データサイエンスプロジェクトで「ステークホルダー管理」を成功させるために最も重要な行動は次のうちどれですか？ ステークホルダーに必要以上に詳細な技術的説明を行う プロジェクトの進行中にステークホルダーとの連絡を最小限に抑える ステークホルダーと定期的に進捗を共有し、期待値を調整する プロジェクト終了後にのみ成果物を報告する None 83. 交通ネットワークにおける最適化問題を解くために、オペレーションズリサーチで使用される手法は次のうちどれですか？ シンプレックス法 フローネットワーク法 ゲーム理論 ナップサック問題 None 84. GANのトレーニング過程で発生する「勾配消失問題」を軽減するために有効な技術は次のうちどれですか？ 学習率の低減 パラメータの初期化 重みの正則化 勾配クリッピング None 85. 組織における「業績評価制度」の目的は次のうちどれですか？ 従業員を厳しく監視するため 組織のスピードを低下させるため 従業員のパフォーマンスを客観的に評価し、報酬や昇進に反映するため チームリーダーを評価するため None 86. 輸送問題において、「北西角法（Northwest Corner Method）」とは何を意味しますか？ コストを最小化する解法 初期解を生成するためのヒューリスティック法 線形計画法の一部 データを可視化する方法 None 87. マルコフ決定過程（MDP）において、最適な政策を導くために使用される手法はどれですか？ ベルマン方程式 シンプレックス法 Dijkstraのアルゴリズム ハミルトン法 None 88. AIシステム運用において、モデルの「ドリフト」を検知するために行うことは何ですか？ モデルのパラメータを手動で更新する モデルの予測結果と実際の結果の差異をモニタリングする モデルの入力データをフィルタリングする モデルのトレーニングデータを削除する None 89. 動的計画法における「重複部分問題」とは何ですか？ 同じ計算を何度も繰り返すこと 最適化において複数の制約条件が重なること 異なる部分問題が同じ答えを持つこと 同時に解くべき問題の集合 None 90. 交通最適化問題において、「最大流問題」とは何ですか？ 交通量を制限する問題 流量を一定に保つためのアルゴリズム ネットワーク内で特定のリソースを最も効率的に流す方法を求める問題 最も速い経路を見つける問題 None 91. 待ち行列理論で使用される「到着率」と「サービス率」の比率は何を示しますか？ システムの稼働率 待ち行列の最大長 サービスが完全に終了するまでの時間 システム全体の容量 None 92. AIシステム運用における「キャパシティプランニング」の目的は次のうちどれですか？ データを効率的に圧縮することでストレージ容量を増やすこと モデルのハイパーパラメータを自動で最適化すること システムのリソースを効率的に管理し、今後の需要に対応できるよう準備すること トレーニングデータを増やしてモデルの精度を向上させること None 93. GDPRに基づく「データポータビリティの権利」とは、個人が自身のデータに対してどのような権利を持っていることを意味しますか？ データの削除を求める権利 データの無制限な利用を許可する権利 自身のデータを他のサービスプロバイダーに転送する権利 データを暗号化する権利 None 94. データサイエンスプロジェクトにおいて、「リソース管理」で最も重要な要素は次のうちどれですか？ プロジェクト完了後に必要な人材を採用する データサイエンティストの全ての作業を一人で行わせる 必要なスキルセットを持つ人材を適切に配置する 他部門からのフィードバックを一切受け付けない None 95. AIシステム運用において「自動スケーリング」の利点として正しいものは次のうちどれですか？ システムの負荷に応じてリソースを自動的に追加または削除できるため、効率的なリソース管理が可能 モデルのハイパーパラメータを自動的に調整することで、精度を向上させる システムのリソースを最小限に維持し、常にコストを削減できる システムの速度を手動で最適化することができる None 96. 組織における「心理的安全性」を高めるための施策として最も適切なものは次のうちどれですか？ チームメンバーにフィードバックを与えない 全ての意思決定をリーダーが行う チームメンバーの意見を抑制する チームメンバーが自由に意見を述べられる環境を整える None 97. Diffusionモデルが生成AIにおいて注目される理由として、正しいものは次のうちどれですか？ 非常に高速にデータを生成できる。 徐々にノイズを除去するプロセスで高品質なデータを生成できる。 GANよりもトレーニングが複雑だが、より多くの計算資源を節約できる。 データの削除に特化した技術である。 None 98. AIシステム運用で「フェイルオーバー（Failover）」を設定す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？ モデルの精度を向上させるため。 トレーニング時間を短縮するため。 モデルのスケールアップを実現するため。 システムの主要なコンポーネントが障害を起こした場合に、バックアップシステムに切り替えるため。 None 99. 生成AIにおける「トランスファーラーニング」の利点として正しいものは次のうちどれですか？ 既存のモデルを再利用して、新しいデータセットに対して短期間で高精度なモデルを構築できる 新しいモデルを一から学習させることで、全く新しいデータを生成できる モデルのサイズを縮小し、計算リソースを節約できる 生成データの多様性を高めることができる None 100. データのバイアスを除去するために最も適切な方法は次のうちどれですか？ データをランダムに削除する 公平なサンプルを確保し、偏ったデータの修正を行う バイアスを気にせずデータをそのまま使う データを一部のみ使用する None Time's up
