DS検定～模擬試験②～ 2024年12月7日2024年12月7日 ailearn 1. 「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 2. 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 3. 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 4. 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 5. 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 6. 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 7. 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 8. 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 9. 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 10. データの次元が多すぎるときに、次元削減を行うために適切な手法はどれですか？ 主成分分析 (PCA) k-平均法 決定木 サポートベクターマシン (SVM) None 11. 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 12. 「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 13. 「人間中心設計」の基本的な概念として正しいものは次のうちどれですか？ デザインを効率よく進めるための組織内の管理手法 デザインのコスト削減を目的としたプロセス デザインの中心にユーザーのニーズや体験を据えたプロセス デザインの完成度を最優先するプロセス None 14. 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 15. 「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 16. A B C D None 17. 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 18. 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 19. 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 20. 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 21. 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 22. 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 23. 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 24. 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 25. 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 26. 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 27. 「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 28. 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 29. 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 30. 「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 31. 回帰分析において、変数間の多重共線性が存在する場合、どのような問題が発生しますか？ モデルの決定係数（R²）が0に近づく。 回帰係数の信頼性が低下する。 モデルの自由度が増加する。 モデルが過学習する。 None 32. 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 33. 「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 34. 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 35. 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 36. 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 37. 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 38. 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 39. 「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 40. 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 41. 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 42. 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 43. 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 44. 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 45. 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 46. 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 47. 「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 48. 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 49. 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 50. 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 51. 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 52. 「デザイン思考」において、ユーザーインタビューを行う際に最も重要な要素は次のうちどれですか？ ユーザーに簡潔な選択肢を提供する ユーザーが自らのニーズや行動を自由に語れる環境を整える ユーザーに特定の結論を導く質問をする データ収集の効率性を優先する None 53. 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 54. AIが金融業界で特に活用されている分野は次のうちどれですか？ 融資判断とリスク管理 金庫管理 物理的な現金の流通 店舗デザイン None 55. 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 56. 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 57. 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 58. 「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 59. 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 60. 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 61. 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 62. 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 63. 配列（Array）のデータ構造において、データ要素の挿入や削除が特に時間がかかるのはどの位置ですか？ 先頭 中央 末尾 ランダム None 64. 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 65. 「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 66. 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 67. 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 68. 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 69. 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 70. 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 71. 機械学習モデルの「過学習」を防ぐために最も効果的な手法は次のうちどれですか？ データの増加 モデルの複雑化 正則化（レギュラリゼーション） 学習率の低下 None 72. 標本平均と母集団平均の差が小さい場合、次のうち正しい説明はどれですか？ 母集団分布は正規分布に近い 標本サイズが非常に大きい 標本は母集団を代表している 母集団分散が大きい None 73. 「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 74. 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 75. 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 76. 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 77. 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 78. 「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 79. 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 80. 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 81. データの自由度が減少すると、t検定の結果にどのような影響を与えますか？ t値が大きくなる t値が小さくなる p値が小さくなる p値が大きくなる None 82. 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 83. 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 84. 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 85. 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 86. 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 87. 「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 88. 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 89. 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 90. 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 91. 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 92. 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 93. 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 94. 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 95. 「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 96. 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 97. 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 98. 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 99. 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 100. 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 Time's up
