DS検定～模擬試験②～ 2024年12月7日2024年12月7日 ailearn 1. 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 2. 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 3. イノベーションにおける「逆転発想法」とはどのような手法ですか？ 問題や課題を逆の視点から考えることで新しい解決策を導く手法 既存の解決策をそのまま採用する手法 他社の成功事例を模倣して自社に取り入れる手法 問題を細分化して解決策を導く手法 None 4. クロス集計表を使って2つのカテゴリカル変数の関係を分析する際に用いられる適切な検定は何ですか？ t検定 ANOVA 相関係数 カイ二乗検定 None 5. 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 6. AIが「スマートシティ」の構築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？ 都市全体の運営をリアルタイムで最適化し、持続可能な社会の実現を支援する 都市の人口を減少させる 都市内のすべての活動を停止する 都市の環境を無視する None 7. 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 8. ニューラルネットワークにおいて、「勾配消失問題」を軽減するために最も有効な手法は次のうちどれですか？ 活性化関数にReLUを使用する モデルを小さくする 隠れ層を減らす 学習率を0にする None 9. 階層的クラスタリングにおいて、クラスタ間の距離を測定するための手法は次のうちどれですか？ ユークリッド距離 ピアソン相関係数 カイ二乗距離 マンハッタン距離 None 10. 二分ヒープ（Binary Heap）の特性に関して正しい説明はどれですか？ 親ノードの値は常に子ノードの値より大きいか、または小さい 親ノードの値は常に子ノードの値と等しい 親ノードの値は常に子ノードの値よりランダムに決まる ヒープは常に平衡状態を維持する None 11. 「勾配ブースティング」のアルゴリズムが他のアンサンブル学習手法と比較して優れ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？ モデルが完全に自動で構築される 学習データの誤差を段階的に修正する能力がある 全ての決定木が同じ重みで予測を行う モデルの解釈性が高い 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. 「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 14. カテゴリカルデータの分布を視覚化する際、最も適切なグラフは次のうちどれですか？ 棒グラフ 散布図 ヒートマップ 箱ひげ図 None 15. 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 16. 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 17. データサイエンスで「クラスター分析」に使用される主なアルゴリズムは次のうちどれですか？ ロジスティック回帰 k-means法 線形回帰 決定木 None 18. 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 19. 「トライ木（Trie）」を用いたデータ構造の主な応用例として最も適切なものはどれですか？ 数値データの範囲検索 文字列の検索やオートコンプリート グラフデータの最短経路探索 データベースのインデックス管理 None 20. カテゴリカルデータを分析する際に、データ間の関係を評価するために使用される統計手法は何ですか？ t検定 カイ二乗検定 ANOVA ピアソン相関係数 None 21. 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 22. 「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 23. 「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 24. 「デザイン思考」で「収束的思考」を使用するタイミングとして最も適切なものは次のうちどれですか？ 問題を広範に探索し、アイデアを発散させる段階 データを収集し、分析の範囲を設定する段階 顧客ニーズを特定するための初期段階 アイデアを評価し、実現可能性の高い解決策を絞り込む段階 None 25. 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 26. 「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 27. 自動運転車で使用されるAI技術に関する主な役割は次のうちどれですか？ 車両の設計を行う 車両の安全運転を支援し、障害物を認識する 燃料の消費を管理する 乗客の体調管理を行う None 28. 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 29. 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 30. 「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 31. A B C D None 32. 課題定義の段階で「現状分析」を実施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？ 現状と目標のギャップを明確にし、解決すべき課題を特定するため 将来の解決策を事前に決定するため ビジネス課題を抽象化し、詳細な分析を回避するため 利害関係者間の意見を完全に統一するため None 33. 仮説検定で「帰無仮説」とは何を意味しますか？ 研究仮説が正しいという主張 データに基づかない推測 差がない、または効果がないという仮説 結果が偶然であることを示す仮説 None 34. 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 35. A B C D None 36. 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 37. 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 38. 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 39. 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 40. 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 41. 「UX（ユーザーエクスペリエンス）」デザインにおける重要な要素として正しいものは次のうちどれですか？ 製品の技術的な性能を最大化すること ユーザーの体験全体を設計し、使いやすさや満足度を向上させる デザインのコストを最小化すること 製品の外観や見た目に重点を置くこと None 42. 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 43. 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 44. 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 45. モデルの性能を比較するために使用される「クロスバリデーション」の利点として最も適切なものは次のうちどれですか？ データの一部のみでモデルを評価する トレーニングデータ全体を用いてモデルを評価できる 過学習を促進する テストデータを完全に除外する None 46. 「勾配降下法」において、「モーメンタム」を導入することで期待される効果は次のうちどれですか？ 勾配の振動が大きくなる 勾配降下法の学習速度が低下する 勾配が滑らかになり、収束が加速する モデルの複雑さが増す None 47. データの歪度が正の値を持つとき、データの分布はどのような形をしていると考えられますか？ 左に歪んでいる 右に歪んでいる 正規分布している 対称分布している None 48. 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 49. 課題定義における「問題の本質を掘り下げる」手法の一つとして、どのアプローチが最も有効ですか？ チームメンバー全員でブレインストーミングを行う ロジックツリーを使って問題を分解し、根本原因を探る 既存のデータを基に定量的な分析を行う 他社の事例を参考にし、同じアプローチを試す None 50. データの欠損値処理において「多重代入法（Multiple Imputation）」の特徴として最も適切な説明は次のうちどれですか？ 欠損値を単純に削除する 欠損値を1回だけ補完する 欠損値を複数回補完し、結果を統合する 欠損値をランダムに生成する None 51. 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 52. 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 53. 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 54. 幅優先探索（BFS）を使用してグラフの最短経路を見つける際、適切なデータ構造は次のうちどれですか？ キュー（Queue） スタック（Stack） ヒープ（Heap） 配列（Array） None 55. AIがエネルギー分野において「再生可能エネルギーの管理」で活用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？ 発電所の運営コストを全てゼロにするため エネルギー貯蔵施設の物理的な配置を決定するため エネルギー需要の変動を予測し、供給を最適化するため 電力の消費量を手動で記録するため None 56. データサイエンスでよく使用される「ハイパーパラメータ」とは何ですか？ モデルが自動で最適化するパラメータ モデルの学習プロセスで調整する必要のあるパラメータ データの欠損値を処理するための手法 データの前処理方法 None 57. デザイン思考において「反復的なプロトタイピング」が重要とされる理由は次のうちどれですか？ 繰り返しのテストを通じて、製品やサービスを改善し続けることができるため 最初のプロトタイプが必ずしも最終製品になるため プロトタイプを一度に多く作ることでコストを削減できるため プロジェクトの納期を短縮するため None 58. 課題の定義において、ステークホルダーの要望が多岐にわたる場合、最も適切な対処法は次のうちどれですか？ 全ての要望を無条件に受け入れる 主要なステークホルダーの要望だけを考慮する 各要望をビジネスインパクトや実現可能性の観点で優先順位付けする 要望に優先順位を付けずにすべて平等に扱う None 59. 「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 60. デザイン思考における「リフレーミング」の主な目的は何ですか？ 問題を異なる視点から再評価し、新しい解決策を見つけるため 製品のデザインを見直して、コスト削減を図るため チームの役割分担を変更するため 既存の解決策をそのまま採用するため None 61. 着想プロセスにおいて「ブレインストーミング」の主な目的は何ですか？ 自由なアイデアを多く集め、後で整理するため 特定の課題に対して迅速に解決策を導くため 既存のアイデアを深く分析するため 問題を明確に定義するため None 62. 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 63. 「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 64. 「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 65. 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 66. 「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 67. 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 68. デザインプロセスにおける「デザインシンキング」の特徴として正しいものは次のうちどれですか？ 製品の技術的性能を最優先するアプローチ コスト削減を最優先するアプローチ ユーザー中心のアプローチを取り、反復的なプロセスで解決策を創出する デザインの見た目や美観を重視するアプローチ None 69. データサイエンスにおける「特徴量選択」の目的として最も適切なものは次のうちどれですか？ 不必要な特徴量を削除し、モデルの精度と計算効率を向上させる データセットを大きくする モデルのパラメータを自動設定する モデルの複雑さを高める None 70. 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 71. 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 72. グラフ（Graph）の探索アルゴリズムの一つで、幅優先探索（Breadth-First Search）における探索順序はどれですか？ 深さ優先で探索する 最も遠いノードから探索する 重みの大きいエッジを優先して探索する 隣接するノードを次々に探索する None 73. 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 74. 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 75. 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？ 現状分析 解決策の提案 チーム編成 予算の確保 None 76. 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 77. 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 78. 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 79. 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 80. 「ディープラーニング」において最も一般的に使用されるフレームワークは次のうちどれですか？ TensorFlow Excel R Tableau None 81. 散布図において、2つの変数が互いに強い線形関係を示すときのグラフの形は？ 水平な線 垂直な線 斜めの直線 曲線 None 82. 「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 83. データの分布形状を確認するために最適な手法は次のうちどれですか？ 箱ひげ図（ボックスプロット） ヒストグラム 散布図 クロス集計表 None 84. スタック（Stack）における操作の一つで、データを取り出す操作を何と呼びますか？ push pop enqueue dequeue None 85. 課題定義の際に、現状分析と未来予測を組み合わせて行うことで得られるメリットは次のうちどれですか？ 現在の問題と将来的なリスクやチャンスを同時に考慮できる 解決策の実行を迅速に進めることができる 過去のデータに基づいて確実な解決策を導き出すことができる チームメンバー全員の合意を得ることができる None 86. 課題定義において「ステークホルダー分析」の目的は次のうちどれですか？ 課題に関わる利害関係者の影響や関心を特定するため 課題を迅速に解決するための戦略を策定するため 課題解決のためのコストを算出するため 課題に対する法的な影響を確認するため None 87. 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 88. 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 89. 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 90. 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 91. 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 92. 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 93. 課題定義のフレームワークとしてよく使用される「5 Whys（5回のなぜ）」の目的は次のうちどれですか？ 複数の解決策を洗い出す 問題の根本原因を特定する 問題の影響範囲を広げる 問題解決のための手段を優先順位付けする None 94. 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 95. 「デザイン思考」のプロセスに含まれるステップとして正しいものは次のうちどれですか？ 共感 → 定義 → 創造 → プロトタイプ → テスト 創造 → 評価 → テスト → 実装 問題定義 → 解決策探索 → 実行 分析 → 計画 → 評価 → 実行 None 96. 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 97. 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 98. 仮説検定において「有意水準」とは何を指しますか？ 第二種の誤りを許容する確率の上限 第一種の誤りを許容する確率の上限 ある仮説が真である確率 データのばらつきを示す指標 None 99. 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 100. デザインプロセスにおける「収束的思考」の役割は次のうちどれですか？ 多くのアイデアを絞り込み、実現可能なものにフォーカスする アイデアをできるだけ多く出すプロセス 問題を分析し、根本原因を特定するプロセス ユーザーのニーズを理解するためのステップ None Time's up
