1.
AIモデルを学習させる前に「データの分割」を行う理由は何ですか？
2.
「アクティブラーニング」とはどのような手法ですか？
3.
データの収集において「データプライバシー法（例: GDPR）」に従わない場合のリスクは何ですか？
4.
AIプロジェクトで「データのクレンジング」が必要となる理由として最も適切なのはどれですか？
5.
データの欠損値が多い場合に行われる代表的な処理方法はどれですか？
6.
「ハイパーパラメータチューニング」を行う際に、過学習を防ぐための適切な手法はどれですか？
7.
「次元削減」を行う際に用いられる代表的な手法はどれですか？
9.
データの特徴量を増やすことがモデル性能を向上させる場合、最も適切なアプローチはどれですか？
10.
「データ拡張（Data Augmentation）」がAIモデルの学習に有効な理由は何ですか？
11.
データ収集において「ストリーミングデータ」とはどのようなデータを指しますか？
12.
データ分析における「特徴量エンジニアリング」の目的は何ですか？
13.
データの「オーバーフィッティング」を防ぐために使用される一般的な手法はどれですか？
14.
データの前処理において「正規化」が重要となる理由は何ですか？
15.
「データの正規化」と「標準化」の違いは何ですか？
17.
データの「正規化」とは何を目的とした処理ですか？
18.
AIにおいてデータの「ラベリング」とは何を指しますか？
19.
データ加工において「次元削減」が行われる理由は何ですか？
20.
「データバランシング」の主な目的として最も適切なのはどれですか？
21.
大規模データセットを扱う際に「データのサンプリング」を行う利点は何ですか？
22.
AIプロジェクトでデータ収集を行う際に重要なことは何ですか？
23.
「異常検知モデル」において、データの分布が重要である理由は何ですか？
24.
データ分析における「ヒストグラム」は何を示すものですか？
25.
「データのスケーリング」を行わないと発生する問題は何ですか？
26.
AIプロジェクトで「異常検知」を行う際、時系列データを使用する場合に最も重要な前処理はどれですか？
