DS検定～模擬試験②～ 2024年12月7日2024年12月7日 ailearn 1. A B C D None 2. 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 3. 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 4. 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 5. 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 6. 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 7. AIが「ヘルスケア分野のパーソナライズド医療」に貢献する方法として、最も適切なものは次のうちどれですか？ AIが患者の遺伝情報を基に、最適な治療法を提案する AIがすべての患者に同じ治療法を提供する 患者の遺伝情報を無視する AIが患者のデータを削除する None 8. 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 9. 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 10. 「発散的思考」とは、どのようなプロセスを指しますか？ 1つの問題に対して特定の解決策を深掘りするプロセス 問題を解決するためのデータを収集するプロセス さまざまな視点から自由にアイデアを広げるプロセス 解決策を具体的に実行するプロセス None 11. 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 12. 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 13. 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 14. 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 15. 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 16. 「農業分野におけるAIの活用」によって最も期待される効果は次のうちどれですか？ 農作物の生産停止 農地の縮小 作物の生産性向上と資源の最適利用 作物の種類を一種類に限定する None 17. 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 18. 時系列データに対する「ARIMAモデル」の主な用途は次のうちどれですか？ 画像データの分類 テキストデータの処理 時系列データの予測 クラスタリング None 19. 農業におけるAIの主な役割は次のうちどれですか？ 農作業全般を人間に代わって行う 農業におけるデータ活用を無効にする 気象データや土壌データを基に作物の成長を最適化する 農作物の種類を制限する None 20. 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 21. 「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 22. 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 23. 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 24. 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 25. AIがエネルギー分野で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？ エネルギーを消費しない技術の開発 エネルギー消費量の削減を制限する エネルギーの流通に無関与である エネルギー供給の予測と最適化 None 26. 「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 27. A B C D None 28. 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 29. 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 30. 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 31. 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 32. 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 33. 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 34. データの正規性を検定するための方法の1つとして使用される検定はどれですか？ Shapiro-Wilk検定 t検定 F検定 カイ二乗検定 None 35. 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 36. 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 37. 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 38. 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 39. 「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 40. p値が0.01のとき、これは次のどれに該当しますか？ 仮説は棄却されるべきではない 結果が統計的に有意ではない 仮説は棄却されるべきである 第二種の誤りが犯されている None 41. 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 42. 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 43. 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 44. 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 45. 「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 46. 「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 47. 「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 48. 信頼区間が狭い場合、その結果に対してどのような解釈ができますか？ 標本の精度が高いことを示す。 標本サイズが小さいことを示す。 分散が大きいことを示す。 データが正規分布に従わないことを示す。 None 49. 「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 50. 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 51. 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 52. 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 53. 課題を定義する際に使用される「SWOT分析」の要素に含まれないものは次のうちどれですか？ 弱み（Weaknesses） 機会（Opportunities） リーダーシップ（Leadership） 強み（Strengths） None 54. 科学的解析における外れ値の影響を最小化するために有効な手法はどれですか？ 平均値を使用する メディアンを使用する 回帰分析を行う 分散分析を行う None 55. 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 56. データセットに含まれる外れ値を検出するために最も効果的な視覚化手法はどれですか？ 箱ひげ図 ヒストグラム 散布図 Q-Qプロット None 57. 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 58. 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 59. 自然言語処理（NLP）で使用される「Word2Vec」の役割は次のうちどれですか？ テキストデータを分類する 単語をベクトル形式に変換し、意味的な類似性を捉える テキストデータを正規化する 単語をランダムに並べる None 60. 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 61. 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 62. 「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 63. 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 64. 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 65. 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 66. イノベーションのための「オズボーンのチェックリスト」に含まれる質問として適切なものは次のうちどれですか？ 「製品の価格を上げるためにはどうすればよいか？」 「この製品の売上を最大化するには？」 「競合他社の製品をどう取り入れるか？」 「この製品をどう変えることができるか？」 None 67. 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 68. 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 69. 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 70. 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 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. 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 73. 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 74. 正規分布に従うデータを基にしたカイ二乗検定の帰無仮説は何ですか？ 2つの変数が独立である データが正規分布に従っていない データが正規分布に従っている データの分散が等しい None 75. 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 76. 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 77. 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 78. 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 79. 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 80. 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 81. 「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 82. 「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 83. 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 84. 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 85. 時系列データの自己相関関数 (ACF) を使用して確認できるものは何ですか？ データ間の線形関係 データ間の時間依存性 データの外れ値 データの平均 None 86. 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 87. 「自動運転車」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がリアルタイムで周囲の環境を認識し、安全な運転を支援する AIが車両のエネルギー供給を担当する AIが運転者を無視する 自動運転車ではAIが不要である None 88. 「シナリオプランニング」とは何ですか？ 既存のデザインを改善するためのテストプロセス ユーザーの行動を観察し、問題を特定するためのプロセス デザインの具体的な実行計画を策定するプロセス 将来の複数の可能性に備えた計画を策定するプロセス None 89. 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 90. 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 91. 「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 92. 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 93. 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 94. キュー（Queue）のデータ構造において、最初に追加された要素が最初に削除される方式は何と呼ばれますか？ LIFO FIFO FILO LILO None 95. 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 96. 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 97. データの分布が正規分布に従っているかどうかを確認するための視覚的な手法はどれですか？ ヒストグラム 散布図 箱ひげ図 Q-Qプロット None 98. AIが「観光業」で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？ 宿泊施設の建設計画を立てる 観光客の行動データを分析し、個別化された旅行プランを提案する 航空機の整備スケジュールを最適化する ホテルの予約数を予測するだけでなく、手動で予約を管理する None 99. 「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 100. 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 Time's up
