DS検定～模擬試験②～ 2024年12月7日2024年12月7日 ailearn 1. 「スポーツ分野」でAIが活用される例として最も適切なものは次のうちどれですか？ 試合中の観客数を記録する 試合スケジュールを手動で調整する スポーツ用品の価格を設定する 選手のパフォーマンスデータを分析し、トレーニング計画を最適化する None 2. 「着想・デザイン」のプロセスにおいて、成功のために「反復的プロトタイピング」を実施する主な目的は次のうちどれですか？ 開発コストを削減するため 顧客フィードバックを取り入れ、デザインを継続的に改善するため 製品の発売を早めるため デザインプロセスを簡略化するため None 3. 標本平均と母集団平均を比較するために、標本の標準誤差を用いる理由は何ですか？ 母集団の分散を推定するため 標本の標準偏差を推定するため 標本平均のばらつきを測定するため 標本数を増やすため None 4. 多重検定を行う場合、家族誤差率（Family-Wise Error Rate）を制御するために使用される手法はどれですか？ Bonferroni補正 カイ二乗検定 ヒストグラムの作成 コレスポンデンス分析 None 5. デザイン思考において、プロトタイプの主な目的は何ですか？ 最終製品を完成させるため アイデアを具現化し、ユーザーからのフィードバックを得るため 製品のコスト削減を目指すため チームの結束力を高めるため None 6. 回帰分析において、決定係数（R²）が1に近い場合、モデルについてどのように解釈できますか？ モデルは全く役に立たない。 モデルはデータを完全に説明している。 モデルの誤差が大きいことを示す。 モデルの予測性能が低いことを示す。 None 7. 主成分分析 (PCA) において、主成分を選定するために一般的に使用される基準は何ですか？ 分散の大きさ p値の大きさ 相関係数の大きさ 標準偏差の大きさ None 8. デザイン思考において、ユーザーの行動を観察し、潜在的なニーズを発見するための方法はどれですか？ ブレインストーミング エスノグラフィー調査 スワット分析 ファイブフォース分析 None 9. 「ペーパープロトタイプ」の利点として最も適切なものは次のうちどれですか？ 最終製品の完成度を確認するため プロトタイプの耐久性を検証するため 複雑な機能を正確にシミュレーションするため 低コストで迅速にユーザビリティテストを実施できる None 10. 「気候変動対策」におけるAIの役割として最も適切なものは次のうちどれですか？ AIが気候変動に関与しない AIが気象データを分析し、気候変動の影響を予測する 気候変動に関するデータを削除する 気候変動対策を停止する None 11. 赤黒木（Red-Black Tree）は、二分探索木の一種であり、次のうち正しい特性はどれですか？ 各ノードの値が常に奇数である 各ノードが赤または黒に塗られている 全ての葉ノードは赤である 木の高さは常に一定である None 12. 小売業におけるAIの活用例として最も適切なものは次のうちどれですか？ AIが在庫管理を効率化し、需要予測を行う AIが商品の配送を行う AIが販売員を完全に置き換える AIが商品のデザインを担当する None 13. AIが「法務分野」において文書管理で利用される場合、主な利点として最も適切なものは次のうちどれですか？ 全ての法律文書を物理的に保存する 法律改正の必要性を自動的に提案する 裁判官の判決を完全に自動化する 大量の法的文書を自動分類し、重要な情報を抽出する None 14. 課題定義において「仮説検証型アプローチ」を活用する際の最初のステップは次のうちどれですか？ 仮説を立てる データ収集を開始する 分析ツールを選定する 成果指標（KPI）を設定する None 15. 二分探索木（Binary Search Tree）において、各ノードの左側のサブツリーに含まれる値はどのように配置されますか？ 親ノードよりも大きい 親ノードと等しい 親ノードよりも小さい 親ノードとは関係ない None 16. 課題定義のプロセスで発生する「認知バイアス」を排除す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？ すべてのチームメンバーの意見を無条件で採用する データに基づいて客観的に課題を評価し、多様な視点を取り入れる 既存の成功事例を参考にして、同様のアプローチを取る チームリーダーの指示に従い、意思決定を迅速に進める None 17. 課題定義において、現状と目標との間にある「ギャップ」を明確にする目的は次のうちどれですか？ 課題の優先順位を付けるため 現状の改善ポイントを特定し、解決策を導くため 競合他社との差別化を図るため 目標を達成できないリスクを回避するため None 18. AIが物流業界で利用される際の代表的な用途は次のうちどれですか？ 荷物の重量測定 人手による配送の完全な代替 配送先の削減 配送ルートの最適化と需要予測 None 19. 課題定義において「問題の本質を捉える」とは、どのようなことを意味しますか？ 表面的な症状ではなく、根本的な原因を明確にすること 問題が存在することを記録すること 問題を全ての関係者に周知すること 問題が発生した時点でのデータを収集すること None 20. モデルのパフォーマンスを向上させるための「ハイパーパラメータチューニング」の一般的な方法は次のうちどれですか？ データの削除 モデルの複雑化 正則化の排除 グリッドサーチ None 21. 課題定義において「フレームワーク」を使用する主な利点として最も適切なものは次のうちどれですか？ 定量的な分析を完全に不要にする 課題を抽象化し、具体的な行動計画を省略できる ステークホルダーとの協議を簡略化する 問題を構造化し、全体像を明確に把握することができる None 22. トポロジカルソート（Topological Sort）は、次のうちどのタイプのグラフで使用されますか？ 無向グラフ 有向非巡回グラフ（DAG） 完全グラフ 部分グラフ None 23. 課題定義の際に「仮説」を立てることの目的は次のうちどれですか？ 最終的な結論を導き出すため 問題を多角的に解決するための複数の選択肢を導き出すため 課題の影響範囲を狭めるため 課題解決の方向性を早期に設定し、検証するため None 24. 教育分野でAIを活用して学習成果を最大化する方法として、次のうち最も適切なものはどれですか？ 各学生の進捗データを分析し、個別の学習プランを作成する 全ての学生に同じ教材を一斉に提供する 教師が使用する教材のデジタル化を促進する 教育機関の経費を削減するためにAIを活用する None 25. 欠損データの補完方法として、機械学習モデルを使用する際に特に考慮すべき点は次のうちどれですか？ 補完後のデータ分布が元のデータと一致すること。 欠損値をすべて平均値で補完すること。 欠損データの削除を避けること。 欠損値の存在を無視しても問題ない場合に適用すること。 None 26. グラフの探索アルゴリズムである深さ優先探索（DFS）は、次のうちどのような順序でノードを探索しますか？ 隣接する全てのノードを同時に探索する 最も浅いノードから順に探索する エッジの重みが最も小さいノードを優先して探索する 最も深いノードまで探索し、その後バックトラックして次のノードを探索する None 27. デザインプロセスにおいて、アフォーダンスとは何ですか？ 物がどのように使えるかを直感的に示すデザインの特性 製品の美観を重視するデザインの要素 使用者にとって複雑な操作方法を必要とするデザイン 製品の持つ技術的な強みを強調するデザイン None 28. 次のグラフアルゴリズムの説明に該当するアルゴリズムとして正しいものはどれですか？ 重み付きグラフにおいて、単一始点から他の全ノードへの最短経路を見つける。 負の重みが存在する場合でも動作する。 ダイクストラ法 プリム法 ベルマンフォード法 クラスカル法 None 29. 「着想・デザイン」における「エコシステムデザイン」の特徴として最も適切なものは次のうちどれですか？ 個々のプロダクトやサービスに焦点を当てる 短期的な収益性を最優先する 特定のターゲット顧客にのみ価値を提供する 異なる関係者やサービス間の連携を重視する None 30. B木（B-Tree）がよく使われるデータベースのインデックス構造である理由は何ですか？ 木の高さが固定されているため データが自動的にソートされるため 大量のデータに対してもバランスが保たれるため 全てのノードが1つの値を持つため None 31. 「ペルソナ」とは、デザインプロセスにおいて何を指しますか？ 製品のブランディングに用いるキャラクター 典型的なユーザー像を具体化した架空の人物 チームメンバーの役割を定義する概念 デザインの最終成果物を指す None 32. 「課題の優先順位付け」を行う際に、最も効果的な基準は次のうちどれですか？ 課題の難易度とコスト 課題の影響範囲と解決に要するリソース チームメンバーの意見と企業の文化 課題の緊急度とチームの意思決定プロセス None 33. モデルの性能を評価するために使用される「混同行列」の要素に含まれないものは次のうちどれですか？ True Positive False Negative True Negative Recall None 34. データセットに外れ値が含まれる場合、回帰分析におけるモデルの精度を向上させるための適切なアプローチは次のうちどれですか？ 外れ値を無視してモデルを構築する。 外れ値を削除するかロバスト回帰を使用する。 外れ値を平均値で補完する。 外れ値を新しいカテゴリとして扱う。 None 35. データの欠損率が高い場合に推奨される手法はどれですか？ 多重代入法 欠損データの削除 平均値による補完 中央値による補完 None 36. 相関係数が -1 に近い場合、2つの変数間にはどのような関係がありますか？ 強い正の相関がある 強い負の相関がある 変数間に相関はない 変数間には線形関係がない None 37. 信頼区間の解釈として正しいものはどれですか？ サンプルの平均が信頼区間内にある確率 母集団の分散が信頼区間内にある確率 母集団の平均が常に信頼区間内にあること 母集団の平均が信頼区間内にある確率 None 38. AIが最も活用されている分野の1つとして正しいものは次のうちどれですか？ 農業のみ 製造業、金融業、医療業など、さまざまな産業 芸術分野のみ 人間の感情理解に限定される None 39. 複数のステークホルダーが関与する課題の定義において、利害関係の衝突を防ぐために有効なアプローチは次のうちどれですか？ 最も影響力のあるステークホルダーの意見を優先する すべての利害関係者に対して同じ優先順位を設定する 課題の定義に関与するステークホルダーをできるだけ減らす 各ステークホルダーの期待や関心を明確にし、共有するプロセスを設ける各ステークホルダーの期待や関心を明確にし、共有するプロセスを設ける None 40. データサイエンスにおける「特徴量エンジニアリング」とは何を指しますか？ データの前処理を行う データの収集を行う モデルの精度を向上させるために、重要な特徴量を作成・選択すること データを可視化すること None 41. データ構造「デキュー（Deque）」の主な特徴として正しいものは次のうちどれですか？ 要素の挿入と削除が両端から行える。 要素の削除は先頭のみで行える。 要素の挿入は後端のみで行える。 要素の挿入や削除はランダムに行える。 None 42. 以下のヒープ構造に関する説明として正しいものはどれですか？ 各ノードの値はその子ノードの値よりも常に小さいか等しい。 最小値の要素が常にルートに配置される。 最大ヒープ 二分探索木 AVL木 最小ヒープ None 43. AIが医療分野で使用され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？ すべての医師を置き換えるため 患者の診断をサポートし、早期発見を促進するため 医療機器の管理のみに使用するため 手術のみを担当するため None 44. AVL木（AVL Tree）の特徴は何ですか？ 各ノードが必ず2つの子ノードを持つ 木全体の高さが常に固定されている 各ノードの左右の部分木の高さの差が1以内に保たれている 子ノードの値が親ノードの値よりも大きい None 45. 機械学習において、「ランダムフォレスト」の主な特徴として最も適切なものは次のうちどれですか？ 線形回帰の一種である データを多次元の空間にマッピングする手法である 多数の決定木を用いて予測の精度を向上させるアルゴリズムである 時系列データ専用のアルゴリズムである None 46. 課題の定義において、利害関係者全体の合意を得るために重要なポイントとして最も適切なものは次のうちどれですか？ 各ステークホルダーの意見を均等に反映させる 課題の範囲をできるだけ広げて、多様な意見を取り入れる 課題の影響や利点を明確にし、共通の目標を設定する 一部のステークホルダーの意見を優先し、迅速に決定を進める None 47. 欠損データを処理するための一般的な手法の1つはどれですか？ 欠損値を無視する 欠損値を0に置き換える 欠損値を平均値で補完する 欠損値をランダムな値で埋める None 48. 分散分析 (ANOVA) の目的は何ですか？ 2つの母集団の平均値を比較する データの標準偏差を比較する データの分散が一定であるかを検定する 3つ以上の母集団の平均値を比較する None 49. 「SMARTゴール」を使って課題を定義する際、何が重要とされるか？ 課題が多様で、包括的で、創造的であること 課題が具体的で、測定可能で、達成可能で、関連性があり、期限が明確であること 課題が挑戦的で、リスクが高く、革新的であること 課題が単純で、分かりやすく、迅速に解決できるものであること None 50. デザイン思考の「共感」のステップでは、何が行われますか？ 製品のコンセプトを開発する 製品の最終的な評価を行う プロジェクトの予算を確保する ユーザーのニーズや問題を理解するために観察やインタビューを行う None 51. 相関関係がある2つの変数間で因果関係を示すためには、次のうちどの手法が適切ですか？ 単純な回帰分析 グランジャー因果分析 t検定 カイ二乗検定 None 52. 「自然言語処理（NLP）」における「Bag of Words」のアプローチの特徴として最も適切なものは次のうちどれですか？ テキストを単語の出現頻度ベースで表現するが、単語の順序は無視する 単語の順序を重視し、文脈を保持する テキストを画像データとして変換する 単語の出現頻度を無視する None 53. 「着想・デザイン」において、データを活用してアイデアを発想する際の主な利点は次のうちどれですか？ データの精度に関係なく創造的な発想が可能になる 仮説の妥当性を客観的に評価できる 定性的データを必要としなくなる 発想のプロセスを省略できる None 54. 外れ値の影響を受けにくい代表値はどれですか？ 平均値 分散 標準偏差 メディアン None 55. 課題の定義において、「解決策を先に考えてしまう」ことのリスクは次のうちどれですか？ 課題の本質を見逃し、誤ったアプローチを取る可能性が高まる 迅速に解決策を見つけることができなくなる チーム内での合意形成が困難になる 問題が複雑化する None 56. 以下の条件を満たすデータ構造として最も適切なものはどれですか？ キーと値のペアを管理。 データの追加、削除、検索を平均O(1)の時間で行える。 配列 リンクリスト ハッシュテーブル ヒープ None 57. ニューラルネットワークの「バッチ正規化（Batch Normalization）」の主な目的は次のうちどれですか？ モデルのサイズを小さくする データの正規化を行う 学習率を自動調整する 各層の出力を正規化し、学習の安定化と加速を図る None 58. データの正規性を検定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？ t検定 カイ二乗検定 シャピロ・ウィルク検定 相関係数 None 59. 課題を定義する際、定性的データの利点として最も適切なものは次のうちどれですか？ 定量的な数値を基に、問題の規模を正確に測定できる 問題の感情的・社会的な側面を理解することができる 問題を迅速に解決するための戦略を導き出すことができる 問題を簡単に可視化することができる None 60. リンクリスト（Linked List）のデータ構造において、各要素を指し示すものは何ですか？ ノード インデックス ハッシュキー ルート None 61. 科学的解析における仮説検定の第一種の誤りとは何を指しますか？ 帰無仮説が真であるのに、誤って棄却すること 帰無仮説が偽であるのに、棄却しないこと データに基づかない推論を行うこと 仮説を正しく検証できないこと None 62. モデルの性能向上を目的とした「ブースティング」の手法として正しいものは次のうちどれですか？ 個々の弱い学習器を順次組み合わせ、最終的に強い学習器を作る モデルのサイズを減らす 単一の大規模な学習器を使用する データの正規化を行う None 63. 課題の定義において「曖昧さを排除する」ための手法として最も有効なものは次のうちどれですか？ 課題を具体的かつ測定可能な形で定義し、SMARTゴールを設定する できるだけ多くの意見を取り入れ、柔軟に対応する 課題を抽象的に捉え、様々な視点からアプローチする 既存のデータや情報に基づいて課題を広範囲に定義する None 64. 深層学習で使用される「転移学習」の主な利点として最も適切なものは次のうちどれですか？ 小規模なデータセットでも高性能なモデルを構築できる モデルの計算コストを大幅に削減できる すべてのタスクで新しいモデルをトレーニングする必要がなくなる 異なる分野のデータでもモデルの精度が向上する None 65. ピアソンの相関係数が 0 のとき、2つの変数間にはどのような関係がありますか？ 変数間に相関はない 強い正の相関がある 強い負の相関がある 変数間には非線形関係がある None 66. イノベーションを推進するための「オープンイノベーション」の主な特徴は次のうちどれですか？ 社内の資源にのみ依存して、独自のアイデアを開発する 外部との情報共有を避け、完全にクローズドな環境で開発を進める 外部のリソースや知見を活用して、社外からアイデアを取り入れる 製品の特許を完全に保護し、外部に一切公開しない None 67. 「ハイパーパラメータ」として適切なものは次のうちどれですか？ 学習データ内の特徴量の値 学習率やバッチサイズの設定値 モデルの重みやバイアスの値 モデルが予測したクラスの確率 None 68. 課題定義において「データ駆動型アプローチ」を採用する主な目的は次のうちどれですか？ ステークホルダー間の意見を重視するため 問題の本質を客観的に把握し、再現可能な分析を行うため 課題の解決策を事前に決定するため 直感に基づく意思決定をサポートするため None 69. ハッシュテーブル（Hash Table）における「衝突（Collision）」とは何ですか？ 同じハッシュ値を持つ異なるキーが発生すること 配列の範囲外にデータが追加されること リンクリストが循環すること データが重複して保存されること None 70. データの前処理で行う「標準化」とは次のうちどれを指しますか？ データの分布を平均0、分散1に変換する データの分布を一様分布にする データの欠損値を削除する データを可視化する None 71. 機械学習のモデル評価において、データのバランスが重要となるケースとして適切なものはどれですか？ クラスタリング 回帰分析 分類問題 PCA None 72. グラフ（Graph）のデータ構造において、隣接リスト（Adjacency List）の利点は次のうちどれですか？ メモリ使用量が少ない 全てのノードにアクセスするのが高速である エッジが密なグラフに向いている サイクルの検出が容易である None 73. データサイエンスにおける「欠損データの処理方法」として、最も高度な方法は次のうちどれですか？ 欠損データをすべて削除する 欠損データを無視する 欠損データをそのまま残す 欠損データを予測モデルを用いて補完する None 74. 科学的解析において「効果サイズ」とは何を指しますか？ 仮説検定の結果がどれほど重要かを示す指標 分散の大きさを示す指標 標準誤差の大きさを示す指標 サンプルサイズの大きさを示す指標 None 75. 2標本t検定を使用して2つのグループの平均を比較する際、次のうち正しい仮定はどれですか？ 両グループの分散は等しい 両グループの分散は異なる 両グループのサンプルサイズは等しい 両グループのサンプルサイズは異なる None 76. AIが「自動車産業の生産ライン」において果たす役割として、最も適切なものは次のうちどれですか？ AIが生産を停止する 生産ラインの労働力を増やす 生産ラインの速度を遅くする AIが生産プロセスを自動化し、品質管理を強化する None 77. 「デザインプロセス」で利用される「サービスブループリント」の主な目的は次のうちどれですか？ サービスの内部プロセスと顧客体験を可視化する デザイン思考の「共感」ステップを簡略化する サービスの収益性を予測する 顧客データの分析を代替する None 78. 以下のうち、p値とは何ですか？ 帰無仮説が正しい場合に得られるデータの確率 仮説が正しい確率 仮説が偽である確率 検定の正確さ None 79. 仮説検定において、第二種の誤り（βエラー）を減少させるために適切な方法は次のうちどれですか？ 有意水準（α）を大きくする。 データの標準化を行う。 p値を低下させる。 サンプルサイズを増加させる。 None 80. 予測モデルの精度を評価するために、交差検証を行う主な理由は何ですか？ サンプルサイズを増やすため モデルの誤差を最小化するため データセットをランダムに分割するため モデルの過学習を防ぐため None 81. 科学的解析において「信号対雑音比（SNR）」を最大化することが重要な理由は何ですか？ データの正確さを向上させるため 誤差を最小化するため 雑音を減らして信号の強度を強調するため サンプルサイズを大きくするため None 82. AIが「製造業における品質管理」において最も効果的に活用される方法は次のうちどれですか？ AIが製品の不良品をリアルタイムで検出し、品質の改善を促進する AIが製品の品質に関与しない AIがすべての製品を無条件で合格させる 製造ラインでAIを無視する None 83. データの標準化を行う目的は何ですか？ データの範囲を広げる データの平均値をゼロにし、分散を1にする データの値を整数に変換する データの分散を大きくする None 84. デザイン思考に基づく課題定義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？ プロトタイプを作成し、テストを行う 解決策のアイデアをブレインストーミングする 課題を具体的に定義し、SMARTゴールを設定する 共感フェーズでユーザーのニーズを理解する None 85. 自然言語処理（NLP）における「注意機構（Attention Mechanism）」の主な目的は次のうちどれですか？ モデルの計算コストを削減する テキストを固定長のベクトルに変換する 複数の言語を同時に処理する テキスト全体の重要な情報を動的に特定する None 86. 教育分野におけるAIの活用例として最も適切なものは次のうちどれですか？ AIがすべての授業を担当する AIがすべての教員を置き換える AIが生徒一人ひとりに合わせたカリキュラムを提供する AIが学習環境を監視する None 87. データの特徴量間の相関関係を確認する際に、特に多次元データセットに適している可視化手法は次のうちどれですか？ ヒストグラム 棒グラフ 箱ひげ図 散布図行列（Pair Plot） None 88. 「問題をフレーミングする」とは、どのようなプロセスですか？ 問題を特定の視点から定義し、問題の範囲や焦点を明確にすること 問題を抽象的に定義し、解決策を多角的に検討すること 問題を数値化し、具体的な測定指標を設定すること 問題をステークホルダー間で共有し、合意を得ること None 89. AIを活用した「インシュアテック（InsurTech）」の目的は次のうちどれですか？ AIを活用して保険業務の自動化やリスク管理の効率化を実現する AIによってすべての保険業務を廃止する 保険契約者のデータを削除する 保険金の支払いを減少させる None 90. AIが「災害管理」において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？ 災害復興費用の計算を手動で行う 天候データを分析して災害発生を予測する 被災者の救助活動を全て人力で行う 災害発生後のニュース報道を作成する None 91. データの「正規化」と「標準化」の違いとして最も正しい説明は次のうちどれですか？ 標準化はデータを特定の範囲に収め、正規化はデータを平均0、分散1に変換する 両者は同じ意味である 正規化はデータの欠損値を補完する 正規化はデータを特定の範囲に収め、標準化はデータを平均0、分散1に変換する None 92. 課題定義において、ステークホルダーからのフィードバックを効果的に活用する方法として適切なものは次のうちどれですか？ フィードバックを受けたら、すぐにその意見を基に解決策を実施する すべてのフィードバックをまとめて、解決策の検討に利用する 重要なステークホルダーのフィードバックのみを反映させる フィードバックを検討し、課題の定義が適切かどうか再評価する None 93. グラフにおいて、エッジの数がノード数に比べて非常に少ない場合、このようなグラフを指す用語は次のうちどれですか？ 密グラフ（Dense Graph） 疎グラフ（Sparse Graph） 完全グラフ（Complete Graph） 有向グラフ（Directed Graph） None 94. 「サプライチェーン」におけるAIの役割として、最も適切なものは次のうちどれですか？ AIがすべての物流業務を無効化する サプライチェーンのデータを削除する すべての業務を人間が手動で管理する AIが供給と需要のバランスを最適化し、リスク管理を強化する None 95. AIが「医薬品開発」において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？ すべての医薬品開発を廃止する 医薬品の需要予測を行わない 新薬の開発プロセスを効率化し、治験の成功確率を高める 新薬の開発を無制限に行う None 96. データの正規化とは何ですか？ データの最小値と最大値を0と1の範囲に変換する データを標準偏差でスケーリングする データをランダムに並べ替える データの外れ値を取り除く None 97. ある変数 X が、他の変数 Y と非線形な関係を持っていることが予想される場合、適切な解析手法は次のうちどれですか？ 線形回帰 ロジスティック回帰 多項式回帰 単回帰分析 None 98. グラフデータ構造において、全てのノードが他の全てのノードとエッジで直接つながっている場合、このグラフは何と呼ばれますか？ 部分グラフ 無向グラフ 完全グラフ 木構造 None 99. データ分析における「欠損値処理」の最も一般的な方法は次のうちどれですか？ 欠損値をそのまま残す 欠損値を削除する 平均値や中央値で補完する 欠損値を無視する None 100. トライ木（Trie）を使用する主な利点は次のうちどれですか？ 全てのノードの値が数値であること 木の高さが低いこと 常にバランスが保たれていること 文字列の高速な検索と共通接頭辞の効率的な管理 None Time's up
