DS検定～模擬試験⑥～ 2024年12月7日 ailearn 1. AIを活用して採用活動を行う企業が、応募者の性別に基づく差別を防ぐために実施すべきアプローチとして最も適切なのは次のうちどれですか？ 応募者データから性別情報を完全に除外する 性別情報に基づく予測結果をすべて手動で修正する 性別情報を除外せず、その影響を無視する 性別情報を含めつつも、公平性を確保するようにモデルを調整する None 2. 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 3. 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 4. 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 5. AIの倫理的運用において、「説明責任」が求められる主な理由は次のうちどれですか？ AIが下した決定が偏りのないものであることを保証するため AIの判断をすべて無条件に信頼させるため AIの判断を全て手動で行うため AIの意思決定をブラックボックス化するため None 6. 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 7. 組織マネジメントにおける「メンタリング」の利点は次のうちどれですか？ メンターがすべての業務を代行する 新しいスキルや知識を効果的に習得できるようにする メンティーが独自に業務を進める メンターの仕事量を減らす None 8. 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 9. 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 10. 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 11. 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 12. 動的計画法を用いて解決する問題の一例として、最も適切なものは次のうちどれですか？ 線形回帰 分枝限定法 Dijkstraのアルゴリズム ナップサック問題 None 13. 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 14. 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 15. 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 16. プロジェクトのスケジュールが予定より早く進行している場合、プロジェクトマネージャーが確認すべき事項は次のうちどれですか？ プロジェクトチームの作業スピードをさらに上げる 予算を削減する 進行が遅いタスクを見つけ、優先する 進行が早すぎるため、品質が保たれているかどうか None 17. AIシステムのセキュリティを強化するために必要な手法として最も適切なものは次のうちどれですか？ AIモデルを暗号化する AIモデルをすべて公開する AIの意思決定プロセスを隠す AIのトレーニングデータを無制限に共有する None 18. 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 19. 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 20. 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 21. 生成AIにおいて「Contrastive Learning（対比学習）」が注目されている理由は次のうちどれですか？ 大規模データセットであってもモデルを効率的に訓練できるため モデルの重みを効率的に更新できるため 類似したデータを引き離し、異なるデータを近づけることで、効果的な表現を学習するため 生成されたデータの多様性を高めるため None 22. 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 23. 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 24. 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 25. 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 26. プロジェクトマネジメントの5つのプロセス群に含まれないものは次のうちどれですか？ 立ち上げ 計画 実行 評価 None 27. 動的計画法を用いた最適化で「ベルマン方程式」が適用される例として最も適切なものはどれですか？ 輸送コストを最小化する問題。 線形制約条件下での目的関数を最大化する問題。 最適なスケジューリングを見つける問題。 不確実性のある環境での最短経路を求める問題。 None 28. 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 29. 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 30. 整数計画法（Integer Programming）とは何ですか？ 全ての変数が整数値を取る線形計画法 全ての変数が連続値を取る線形計画法 非線形な制約条件を持つ線形計画法 制約条件が等式で表される線形計画法 None 31. 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 32. 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 33. 生成AIにおける「トークンエンベディング」の役割として正しいものは次のうちどれですか？ トークンを整数値に変換し、モデルに入力する準備をする。 トークンを数値ベクトルに変換し、モデルが処理できる形式にする。 トークンをそのまま文字列のままで処理する。 トークンを逆順に並べ替えてからモデルに渡す。 None 34. 線形計画法の基本的な制約条件の一つは何ですか？ 目的関数が線形であること 制約式が線形でなければならない 決定変数が連続でなければならない 全ての制約条件は等式でなければならない None 35. 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 36. 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 37. データ保護の観点から、「多要素認証（MFA）」が効果的である理由は次のうちどれですか？ 複数の認証要素を組み合わせることで、不正アクセスのリスクを減少させる データを全て削除することができるため 認証手続きが1回で完了するため データのバックアップを取らなくてもよい None 38. 「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 39. 生成AIのトレーニングにおいて「学習率スケジューリング」を行う目的として最も適切なものは次のうちどれですか？ モデルの学習を完全に停止するタイミングを制御するため。 学習過程でのオーバーフィッティングを防ぐため。 トレーニングの安定性を確保し、最適な結果を得るため。 トレーニングの進行をスピードアップするため。 None 40. データサイエンスプロジェクトにおいて「クリティカルパス」が示すものとして正しいのは次のうちどれですか？ プロジェクト完了に必要な最長のタスクの順序 プロジェクトにおけるリスクの多いタスクのリスト プロジェクト開始後に追加された全てのタスク プロジェクト終了後に削除されるタスク None 41. データの利活用における「データ最小化の原則」が適用される場合、最も適切な対応は次のうちどれですか？ できるだけ多くのデータを収集する データの利用目的を定義しない 全てのデータを公開する 必要最小限のデータだけを収集・処理する None 42. 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 43. 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 44. 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 45. AIシステム運用で「カナリアリリース」とはどのようなリリース方式ですか？ 全ユーザーに対して新しいモデルを一度に展開する方式 モデルの再トレーニングを行わずに、既存のモデルをそのまま再利用する方式 新しいモデルを一部のユーザーにのみ展開し、問題がないことを確認してから全体に展開する方式 モデルの精度が低下した際に、自動的に元のモデルに戻す方式 None 46. データを保護するための「暗号化」の主な目的は次のうちどれですか？ データの可読性を向上させる データの機密性を保護する データのサイズを減らす データの削除を簡単にする None 47. 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 48. 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 49. 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 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. 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 52. 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 53. データやAIの利活用に関する「偏り」を防ぐための主な手法は次のうちどれですか？ データのバランスを確保する バイアスを無視する 特定のデータだけを使う データを全て削除する None 54. 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 55. 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 56. 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 57. データサイエンスプロジェクトにおいて「アジャイル手法」を採用する最大の利点は次のうちどれですか？ 完全に固定された計画で進行できる 全てのタスクを同時に実行できる プロジェクト終了後に成果物を初めて評価できる 短期間の反復作業を通じて柔軟に対応し、プロジェクトの方向性を調整できる None 58. AIモデルが意図しないバイアスを学習することを防ぐために行うべき最適な対策は次のうちどれですか？ バイアスのないデータを使用してモデルを訓練する バイアスを意図的にモデルに組み込む AIモデルのトレーニングを行わない バイアスを無視してモデルを運用する None 59. 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 60. 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 61. データ処理において、「匿名化」の目的は次のうちどれですか？ データの信頼性を高める 個人を特定できないようにする データの可読性を向上させる データの処理速度を上げる None 62. GPTのような自己回帰生成モデルにおいて、「トークン化」の役割は何ですか？ テキストを小さな単位に分割して、モデルに入力できる形式にする 生成されたテキストを圧縮して保存する テキストの生成速度を向上させる 生成されたデータの精度を評価する 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 64. プロジェクトマネジメントにおいて「スコープクリープ」とは何ですか？ プロジェクトのスコープが急激に縮小する現象 プロジェクトの予算が急激に増加する現象 プロジェクトの進捗が遅延する現象 プロジェクトのスコープがコントロールされずに拡大する現象 None 65. プロジェクトが終了した後、プロジェクトマネージャーが行うべき最も重要な作業は次のうちどれですか？ プロジェクトチームを解散する プロジェクトの振り返り（レトロスペクティブ）を実施し、成功と失敗を分析する 残ったリソースを次のプロジェクトに割り当てる プロジェクトの予算を再分配する None 66. AIモデルの学習データにバイアスが存在する場合、次のうち最も懸念される問題はどれですか？ モデルが特定のグループに対して偏った判断を行う モデルの学習速度が遅くなる モデルの精度が高くなる モデルのパラメータ数が減少する None 67. AIシステム運用における「コンティニュアスデリバリー（CD）」の目的として正しいものは次のうちどれですか？ モデルのパフォーマンスを手動でモニタリングする コードやモデルの変更を本番環境に自動的にデプロイするプロセスを確立する トレーニングデータを定期的にバックアップする モデルのハイパーパラメータを自動で調整する None 68. 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 69. 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 70. 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 71. 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 72. 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 73. サイバー攻撃に備えるために企業が導入するべき対策として正しいものは次のうちどれですか？ 定期的なセキュリティパッチの適用 システムの公開を増やす データのバックアップを行わない データの暗号化を無効にする None 74. 組織マネジメントにおける「変革リーダーシップ」の特徴は次のうちどれですか？ チームメンバーに命令を下す 新しいビジョンを提示し、変革を促す 現状を維持する 問題が発生した際にのみ介入する None 75. GDPR（一般データ保護規則）において、データ漏洩が発生した際に企業が取るべき対応は次のうちどれですか？ データ漏洩を隠す データ漏洩を放置する 全てのデータを削除する 速やかに関係当局に報告する None 76. 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 77. 組織において「フラット型組織」を採用する利点は次のうちどれですか？ 組織の規模が大きくなるため 全ての権限をリーダーが持つため 意思決定が迅速になり、コミュニケーションが円滑になるため 組織のルールを厳格に管理できるため None 78. 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 79. 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 80. チームの「自律性」を高めるための有効な方法は次のうちどれですか？ 各メンバーに目標を設定させ、自分で進捗を管理させる リーダーが全てのタスクを割り当てる チームのリーダーに全ての責任を持たせる メンバーに対するフィードバックを行わない None 81. 動的計画法における「ナップザック問題」の最適解を見つける際、部分問題を適切に定義するために重要な要素は次のうちどれですか？ 収容可能な重さの合計と現在までの選択肢。 収容可能な重さの合計と各アイテムの価値の比率。 選択可能なアイテム数と総価値。 アイテムの重さと価格の積。 None 82. 生成AIにおける「WGAN（Wasserstein GAN）」が従来のGANに比べて有効とされる理由は次のうちどれですか？ モデルのパラメータが自動的に最適化されるため 生成ネットワークの計算速度が大幅に向上するため 勾配消失問題を軽減し、安定した学習を実現するため より少ないデータで高精度な結果が得られるため None 83. 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 84. 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 85. 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 86. データ保護において「バックアップ」の重要性を最もよく説明しているものは次のうちどれですか？ データの複製を作成し、データの消失や破損に備える データを全てオンラインで公開する データの更新頻度を低下させる データをすべて削除する None 87. AIシステム運用において、モデルの「フェアネス（公平性）」を確保するための手法として正しいものは次のうちどれですか？ モデルのハイパーパラメータを手動で調整する データの前処理を行わずにそのままモデルに投入する モデルのバイアスを定期的に検査し、必要に応じて再トレーニングを行う モデルの精度だけを評価し、他の要素は考慮しない None 88. 最短経路問題を解くために広く使用されているアルゴリズムはどれですか？ Dijkstraのアルゴリズム シンプレックス法 ベルマンフォード法 ヒューリスティック法 None 89. 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 90. 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 91. 生成AIの「Diffusionモデル」が注目されている理由として正しいものは次のうちどれですか？ 計算コストが低いため 時系列データに適しているため 高品質な画像やテキストを生成できるため リアルタイム処理に特化しているため None 92. 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 93. データサイエンスプロジェクトにおいて、予測モデルの精度が期待を下回った場合、プロジェクトマネージャーが最初に行うべき対応は次のうちどれですか？ モデルの再評価と改善策の検討 データサイエンティストを交代させる プロジェクトを終了する 予算を増やす None 94. 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 95. 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 96. データ保持期間を設定する際に重要な考慮事項として最も適切なものは次のうちどれですか？ 必要以上に長く保持する 法令や規制に基づいて保持期間を設定する 保持期間を設定せず、常にデータを保存する 保持期間を全データに対して一律に設定する None 97. データサイエンスプロジェクトにおける「リスクマネジメント」の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 プロジェクト中に発生し得るリスクを特定し、対応策を立てること プロジェクトのスコープを広げること プロジェクトの関係者を減らすこと None 98. AIシステム運用における「ブルーグリーンデプロイメント」とは何ですか？ モデルを複数のサーバーに分散してデプロイする手法 2つの異なる環境を用意し、片方をテスト環境として新しいモデルを試した後、問題がなければ全てのトラフィックを新環境に切り替える手法 モデルを逐次的に更新することで、システムのダウンタイムを最小化する手法 モデルを定期的に再トレーニングする手法 None 99. 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 100. 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 Time's up
