AI実装検定B級～模擬試験～ 2024年10月31日 ailearn 1. 「交差検証」の目的は何ですか？ データ全体のパフォーマンスを評価するため、データセットを複数の部分に分けて評価を行う手法 モデルのハイパーパラメータを調整する手法 データの次元を削減する手法 データをクラスタリングする手法 None 2. 「アンサンブル学習」の利点は何ですか？ 単一のモデルよりも計算コストを削減できる モデルのパラメータ調整が不要である 訓練データを減らして学習できる 複数の異なるモデルを組み合わせることで、予測精度を向上させる None 3. リッジ回帰において、「L2正則化」の効果として正しいものはどれですか？ モデルの全ての重みをゼロに近づける 一部の特徴量を完全に無視する モデルの重みを小さくし、過学習を防ぐ データの次元を削減する None 4. モデルの「ハイパーパラメータ」とは何ですか？ 訓練データから学習されるパラメータ モデルの出力を正規化するためのパラメータ モデルの構造や学習率など、事前に設定されるパラメータ モデルの複雑性を制御するパラメータ None 5. パターン認識における「ノイズ」とは何を指しますか？ 正しいデータ 不要で無関係なデータ 高品質のデータ 分類後のデータ None 6. 1980年代にAI研究が停滞した要因として正しいものはどれですか？ 計算機の性能の限界 エキスパートシステムの失敗 AI法の制定 ディープラーニングの台頭 None 7. データの「特徴量エンジニアリング」とは何を指しますか？ データの欠損値を補完する作業 データをスケーリングする作業 ラベルを付ける作業 データから有用な特徴を抽出し、モデルの学習に適した形にする作業 None 8. AIモデルの開発と運用において「CI/CDパイプライン」の目的は何ですか？ モデルの予測精度を向上させるため モデルの学習を高速化するため 継続的なインテグレーションとデプロイを自動化し、モデルを迅速に展開・更新するため モデルの複雑性を減らすため None 9. BERTとTransformerの関係性について正しい説明はどれですか？ BERTはTransformerを利用したモデルである TransformerはBERTの改良版である BERTとTransformerは全く異なる技術である BERTはTransformerを不要とする新しいアーキテクチャである None 10. 次のうち、「時系列データ」として最も適切な例はどれですか？ 写真の画像データ 人口分布データ 株価の推移 顧客の購買履歴データ None 11. トランスフォーマーモデルが従来のRNNに対して持つ優位性として正しいものはどれですか？ 並列処理が可能で、計算効率が高い 長期的な依存関係を処理できない 単語間の順序を無視できる 計算コストが低い None 12. モデルの精度評価に用いられる「F1スコア」とは何ですか？ モデルの精度を示す基本的な指標 精度と再現率の調和平均を示す指標 訓練データのサイズを示す指標 モデルの学習速度を示す指標 None 13. 分類問題において、一般的に使用されるアルゴリズムの一つはどれですか？ k-近傍法（k-NN） クラスタリング 主成分分析（PCA） サポートベクターマシン（SVM） None 14. 回帰問題において、予測するものは何ですか？ カテゴリラベル クラスター 関数 連続的な数値 None 15. 次のうち、回帰問題に適しているアルゴリズムはどれですか？ サポートベクターマシン 線形回帰 k-近傍法 クラスタリング None 16. テキストの前処理で「ストップワード」とは何を指しますか？ 意味が強調される単語 検索エンジンにおける重要なキーワード 頻繁に使われるが、意味的に重要ではない単語 文書の分類基準となる単語 None 17. 2010年代に入り、AI研究が再び活発化した理由として正しいものはどれですか？ ディープラーニング技術の進展 エキスパートシステムの復活 量子コンピュータの普及 新しいプログラミング言語の開発 None 18. 「正規表現（regex）」の使用例として適切でないものは次のうちどれですか？ テキスト内のパターンを検索する テキスト内の単語を置換する 特定のフォーマットを検出する 文書を感情分析する None 19. パターン認識において「特徴ベクトル」とは何を指しますか？ データのラベル クラス分類の結果 データを特徴量で表現したベクトル パターンの一致度 None 20. 異常検知のタスクにおいて、正常データが圧倒的に多く、異常データが少ない場合、最も適切な評価指標はどれですか？ 正答率（Accuracy） 平均絶対誤差（MAE） F1スコア 平均二乗誤差（MSE） None 21. 「AIの冬」とは何を指していますか？ AIが初めて誕生した時期 AI研究が一時的に停滞した時期 AIが商業的に成功した時期 人工知能が誤解された時期 None 22. 特徴量選択の目的として最も適切なものは何ですか？ モデルのサイズを増加させる データの欠損を補完する データのサイズを増やす モデルの性能向上と計算コストの削減 None 23. トランスフォーマーモデルがテキスト分類や翻訳において効果的である理由は何ですか？ 短期的な依存関係を無視するため 単語の順序を無視して全ての単語を均等に処理するため 訓練データを使用せずに学習できるため 文脈全体を同時に処理し、単語間の関係を考慮できるため None 24. 勾配降下法の中でも「ミニバッチ勾配降下法」の利点は何ですか？ 全データセットを一度に処理する 計算コストが非常に低い 全てのデータを使わずに学習を進めるため、効率的でメモリ使用量も少ない 過学習を防ぐために使われる None 25. AIモデルの開発において「MLOps」が担う役割は何ですか？ モデルのデータ収集を自動化する 機械学習の開発と運用を統合し、自動化するプロセスを提供する モデルの複雑性を減らす モデルの出力を最適化する None 26. モデルの「汎化性能」を向上させるために適切な手法はどれですか？ 学習データを増やさない モデルの複雑さを高める 交差検証や正則化を使用する 過学習を促進する None 27. 「AIの父」として知られている科学者は誰ですか？ アラン・チューリング ジョン・マッカーシー マービン・ミンスキー ジェフリー・ヒントン None 28. 「推論」とは機械学習において何を指しますか？ 訓練済みのモデルを使用して、新しいデータに対して予測や分類を行うこと モデルのパラメータを学習すること データの前処理を行うこと データを可視化すること None 29. モデルの「再現率（Recall）」が高いことの意味は何ですか？ モデルが正しく分類できるデータの割合が高い モデルが実際に正解であるデータを正しく分類できる割合が高い モデルの全体的な精度が高い モデルの学習速度が速い None 30. 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？ 標準化はデータの平均を0、分散を1に揃え、正規化は0から1の範囲にスケールする 標準化はデータの範囲を揃え、正規化はデータの平均を揃える 標準化は欠損データを処理し、正規化はデータのラベルを処理する 標準化は異常値を削除し、正規化は外れ値を削除する None Time's up
