DS検定～模擬試験⑥～ 2024年12月7日 ailearn 1. 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 2. 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 3. 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 4. 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 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 7. 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 8. 組織マネジメントにおいて「権限委譲」の利点は次のうちどれですか？ リーダーの責任を軽減できる プロジェクトの進行が遅くなる リーダーシップが必要なくなる メンバーが自己管理能力を高めることができる None 9. 生成AIにおける「Few-shot Learning」の利点として正しいものは次のうちどれですか？ 少量のデータで高い性能を発揮し、追加のトレーニングデータがほとんど必要ない。 トレーニング時間を完全にゼロにできる。 特定のタスクに対して事前学習済みモデルを変更する必要がない。 モデルのサイズを劇的に小さくする。 None 10. AIシステム運用で「モデルサービング（Model Serving）」の主な目的として正しいものは次のうちどれですか？ トレーニング済みモデルを本番環境で予測可能な形で提供する。 モデルのトレーニングに必要なデータを生成する。 モデルの性能を評価するために一時的に運用する。 モデルの精度を改善するために新しいアルゴリズムを追加する。 None 11. 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 12. プロジェクトの「ガントチャート」は何を管理するために使われますか？ プロジェクトの予算管理 プロジェクトのリスク管理 プロジェクトのスケジュール管理 プロジェクトのステークホルダー管理 None 13. 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 14. 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 15. 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 16. AIシステム運用において、「ローリングアップデート」の主な利点は次のうちどれですか？ 全てのユーザーに一度にモデルを更新することで、最短で最新バージョンを提供できる 新しいデータに対応するために、モデルをリアルタイムで再学習させることができる モデルの予測結果を自動的に評価することができる サービスを停止せずに、段階的にモデルを更新できる None 17. 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 18. 動的計画法（Dynamic Programming）で解決できる問題の特徴はどれですか？ 問題が時間によって変化する場合 問題が部分問題に分割でき、その部分問題が再利用可能な場合 制約条件が非線形な場合 決定変数が離散値をとる場合 None 19. 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 20. 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 21. 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 22. 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 23. 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 24. 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 25. 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 26. AIシステム運用における「スケーリング」の目的は何ですか？ システムの処理能力を増強し、増加するユーザー数やデータ量に対応すること モデルのハイパーパラメータを最適化するためにデータを調整すること モデルの精度を保つためにデータセットを縮小すること システムの速度を上げるためにサーバーの数を減らすこと None 27. GANの判別ネットワークの役割は何ですか？ 生成ネットワークの重みを調整する 生成されたデータが本物か偽物かを判定する 生成ネットワークの損失関数を最適化する モデルの生成精度を評価する None 28. Diffusionモデルにおいて、生成過程で使用される「逆拡散（reverse diffusion）」とはどのようなものですか？ データを圧縮してから再構築するプロセス 生成されたデータの順序を逆に並べ替えるプロセス データの生成過程を最適化するプロセス ノイズを徐々に除去し、データを生成するプロセス None 29. Transformerベースの生成AIモデルとして代表的なものは次のうちどれですか？ CNN RNN LSTM GPT None 30. 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 31. 生成AIにおいて「クリッピング」とは何を指しますか？ 生成データを削除する手法 モデルの重みが特定の範囲を超えないように制限する手法 モデルの学習率を制御する手法 データの圧縮を行う手法 None 32. GDPRにおける「データ主体の権利」として認められているものは次のうちどれですか？ データの無制限な利用を許可する権利 データの公開を強制する権利 データの修正や削除を要求する権利 データの匿名化を禁止する権利 None 33. 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 34. 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 35. AIシステム運用において「シャドーデプロイメント（Shadow Deployment）」の目的として最も適切なものは次のうちどれですか？ 新しいモデルを本番環境に導入する前に、バックエンドで実際のデータを使ってテストするため。 ユーザーに新しいモデルを徐々に適用するため。 トレーニングデータを再利用するため。 モデルの透明性を確保するため。 None 36. 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 37. データベースに対する「SQLインジェクション攻撃」を防ぐための最も効果的な対策は次のうちどれですか？ データベースの全データを公開する クエリをランダムに実行する SQL文のエラーメッセージを非表示にする パラメータ化されたクエリを使用する None 38. 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 39. 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 40. 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 41. ある企業が「フェイクニュース検出AI」を導入しました。このAIモデルが意図せず特定のウェブサイトのみを高頻度でフェイクニュースと判断する偏りを示しています。この状況で、最も適切な対応は次のうちどれですか？ データの偏りを再検討し、トレーニングデータを見直す モデルの学習率を下げて再学習を行う 偏りが見られるウェブサイトのデータをすべて削除する モデルのアルゴリズムを変更せず、運用を継続する None 42. 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 43. 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 44. 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 45. 「敵対的攻撃（Adversarial Attack）」を受けたAIモデルが攻撃者による意図的な入力で誤った結果を出力しています。この状況に対し、企業が優先的に実施すべき対策は次のうちどれですか？ AIモデルのトレーニングデータ量を増やす ログ管理を強化し、攻撃者のIPアドレスを特定する 攻撃に耐性のある「防御的学習（Defensive Learning）」をモデルに適用する モデルの出力結果をすべて手動で確認する None 46. 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 47. 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 48. 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 49. 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 50. 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 51. 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 52. 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 53. 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 54. 生成AIにおける「フューズド（Fused）レイヤー」とは何ですか？ 異なるタイプのレイヤーを融合させ、計算効率を向上させる技術 モデルの重みを圧縮する技術 テキスト生成に特化した層の一種 ノイズを削除するための層 None 55. 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 56. 線形計画法の双対性理論において、双対問題の目的関数の最適値が主問題の目的関数の最適値と等しくなる理由として最も適切なものは次のうちどれですか？ 主問題と双対問題は同じ制約条件を共有するため。 双対問題の目的関数が主問題の制約条件を無視するため。 主問題の制約条件が双対問題の目的関数に変換されるため。 主問題と双対問題は互いに独立しているため。 None 57. 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 58. 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 59. 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 60. AIを運用する際、結果の透明性を確保するために有効な手法は次のうちどれですか？ モデルの決定プロセスを明確に説明する モデルの中身をブラックボックス化する 全てのデータを公開する 人間の介入を完全に排除する None 61. 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 62. シンプレックス法とは何ですか？ 線形計画問題を解くための手法 非線形計画問題を解くための手法 グラフ理論を用いた最適化手法 動的計画法の一種 None 63. 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 64. 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 65. 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 66. 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 67. 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 68. 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 69. 組織マネジメントにおいて「データガバナンス」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？ データアクセスを完全に禁止する データの利用ルールや責任範囲を明確にする 組織外部へのデータ提供を完全に自由化する データ収集を部門ごとに独立して実施する None 70. 組織マネジメントにおいて「適応型リーダーシップ」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？ すべての社員に同じ働き方を求めるため 長期的な計画を固定し、変更を一切許さないため チームメンバーの役割を完全に固定するため 環境の変化に対応し、柔軟な意思決定を行うため None 71. 「フェアネスアウェアネス（Fairness Awareness）」を考慮したAIシステムの設計において、重要な点は次のうちどれですか？ AIが判断する際に公正性を確保し、特定のグループに不利益が生じないようにする AIの判断をすべて無条件に信頼する AIのすべての決定をブラックボックス化する 公平性を考慮せずにAIを訓練する None 72. 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 73. 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 74. 「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 75. 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 76. 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 77. 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 78. 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 79. 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 80. 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 81. AIシステムのモニタリングにおいて「Prometheus」の主な役割は次のうちどれですか？ モデルの再トレーニングを自動で実行する モデルのハイパーパラメータを調整する データを可視化してダッシュボードを作成する モデルのパフォーマンスやシステムの状態をリアルタイムで監視する None 82. ゲーム理論において「ナッシュ均衡」とは何ですか？ プレイヤーがそれぞれの戦略を変更しても利益が増えない状況 すべてのプレイヤーが最適戦略を選んでいる状況 プレイヤー間の協力が成功した結果 一方的に勝利する戦略のこと None 83. 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 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 86. 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 87. 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 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. 組織内で「ナレッジマネジメント」を実施する主な理由は次のうちどれですか？ 知識を共有し、チームの生産性を向上させるため 知識を秘匿し、競争力を高めるため 知識の活用を制限するため ナレッジベースのデータを削減するため None 90. 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 91. 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 92. 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 93. 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 94. 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 95. ネットワークフロー問題における「最大流アルゴリズム」の目的として最も適切なものは次のうちどれですか？ 全ノード間の最短距離を求めること。 特定の始点から終点までのネットワーク内で流せる最大量を求めること。 ネットワーク内の最小費用を求めること。 ネットワークの全体構造を可視化すること。 None 96. 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 97. 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 98. 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 99. 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 100. 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 Time's up
