AI・データ活用 の類似問題

教師あり学習の手法として最も適切なものはどれか。

機械学習の学習方法に関する記述として、最も適切なものはどれか。

Transformerで用いられる自己注意（Self-Attention）の役割として最も適切なものはどれか。

IoT（Internet of Things）に関する記述として、最も不適切なものはどれか。

決定木が訓練データを細かく分岐しすぎ、未知データで精度が低下している。過学習を抑える方法として最も適切なものはどれか。

経済産業省の「デジタルガバナンス・コード3.0」で用いられるDX（デジタルトランスフォーメーション）の説明として最も適切なものはどれか。

二値分類モデルの適合率が0.80、再現率が0.50である。F1スコアとして最も近いものはどれか。

製造設備のデジタルツインとして最も適切なものはどれか。

ブロックチェーンの技術的特徴として最も適切なものはどれか。

ビッグデータの「3V」として最も適切な組み合わせはどれか。

全社的なデータガバナンスの取組として最も適切なものはどれか。

SEO（Search Engine Optimization：検索エンジン最適化）の目的として最も適切なものはどれか。

過去の住宅属性と販売価格を学習し、新しい住宅の価格という連続値を予測する課題はどれか。

正解ラベルのない顧客データを、購買傾向の似た複数グループへ分ける手法はどれか。

大量の一般画像で事前学習済みのモデルを出発点とし、少量の製品不良画像で追加学習して検査モデルを作る方法はどれか。

機械学習データを訓練・検証・テストへ分ける目的として最も適切なものはどれか。

訓練データでは高精度だが、未知データでは精度が大きく落ちる状態はどれか。

複雑なモデルの係数へ罰則を加え、過度な当てはまりを抑える方法はどれか。

二値分類でTP=40、FP=10、FN=20、TN=30である。適合率と再現率の組合せはどれか。

二値分類でFP=12、TN=48である。特異度はどれか。

ROC曲線のAUCに関する一般的な解釈として最も適切なものはどれか。

不正取引が全体の1％しかないデータで、全件を正常と予測するモデルの評価として適切なものはどれか。

解約予測モデルの入力へ「解約手続完了日」を含めたところ異常に高精度となった。主な問題はどれか。

k分割交差検証の説明として最も適切なものはどれか。

融資審査モデルの個別判断について、各特徴量が予測を押し上げたか下げたかを説明する目的で使われる手法はどれか。

採用モデルの精度が全体では高いが、特定属性群だけ誤判定率が著しく高い。適切な対応はどれか。

生成AIが根拠のない事実をもっともらしく出力するリスクへの業務上の対応はどれか。

文章を意味的な近さを計算できる数値ベクトルへ変換した表現はどれか。

相関のある多数の数値特徴を、分散をできるだけ保つ少数の直交成分へ変換する手法はどれか。

複数源からデータを抽出し、用途に合う形へ変換してからデータウェアハウスへ格納する処理はどれか。

構造化・半構造化・非構造化データを、将来用途が未確定でも元に近い形で大量保存する基盤はどれか。

センサ値を到着のたびに処理し、異常を数秒以内に検知する方式はどれか。