Salesforce AIアソシエイト試験過去問
問題一覧
1
人間の言語を理解して生成する
2
Einsteinリードスコアリングとケース分類
3
法令遵守の徹底
4
関連性バイアス
5
AI の倫理的かつ責任ある使用を指導する
6
一貫性
7
データにアクセスできる人の数を制限することで
8
検証ルール
9
モデルの精度
10
Salesforceで使用されるデータモデル
11
深層学習は複数レイヤーのニューラルネットワークを利用して、大量のデータから学習する。
12
財務状況
13
機械学習アルゴリズムにおける人間の偏見の可能性とAIの意思決定プロセスにおける透明性の欠如
14
生成AIは既存のデータに基づいて新しいコンテンツを作成し、予測AIは既存のデータを分析します。
15
エンゲージメントスコアリング
16
ユーザーの同意が得られない場合、AIはプライバシーを侵害します。
17
商談スコアリング、リードスコアリング、アカウントインサイト
18
顧客、パートナー、社会に対する自らの行動に責任を持つこと
19
選択リスト
20
倫理的AI実践成熟度モデル
21
顧客サポートの問題を整理して監視し、対象を認識し、ケースの解決策を要約することで、ケース処理を改善します。
22
郵便番号
23
予測分析
24
重複管理
25
生成する
26
多様なデータセットを使用したモデルのテスト
27
複製
28
顧客は、自分のエクスペリエンスをパーソナライズするサイトと個人情報を共有する可能性が高くなります。
29
顧客データの同意設定を追跡します。
30
性別
31
Einstein Engagement
32
AIとチャットするということをチャットの開始前に顧客に伝える
33
データの鮮度
34
社会的
35
一貫性
36
データセットの年齢
37
一貫性
38
データの欠陥による、AIシステムにおける意図しないバイアスの強化
39
テキスト
40
不足しているリード情報を見直し、更新する
41
データセット内に必要なデータポイントがすべて存在する度合い。
42
妥当性
43
命名規則
44
クレジットスコアなどのリスク要因が顧客の適格性にどのように影響するかを明確にする。
45
外部の倫理専門家、顧客、諮問委員会から独自のフィードバックを求める
46
予測の根拠の説明と、モデルがどのように開発されたかを説明するモデルカード
47
デモグラフィック
48
有害なバイアスを特定した後にAI機能を導入すること
49
有害なコンテンツを軽減し、個人を特定できる情報(PII)を保護するためのセーフガードを確立する。
50
デモグラフィック
51
ニューラルネットワーク
52
年齢
53
収益の損失、顧客サービスの低下、評判の低下
54
AI予測のベースラインを確立する
55
さまざまなスキルレベルのユーザーが、コードを記述することなく、ユーザーフレンドリーなインターフェースを通じてAIアプリケーションを作成できるようにする。
56
AIの決定とアクションについて、明確でわかりやすい説明を提供する
57
AIへの依存が生じ、批判的思考や監視が低下する可能性がある
58
自動化
59
顧客情報を使ってリードを評価
60
自動チャットボット
61
視覚情報の分析と理解
62
データの古さ、完全さ、精度、一貫性、重複、データセットの利用状況
63
AIによる正確な予測とインサイトを保証するには、データの質を評価して改善することが極めて重要である
64
責任性(Responsible), 説明可能性(Accountable), 透明性(Transparent), 促進性(Empowering), 包括性(Inclusive)
65
Salesforceの信頼できるAIの原則
66
AIの意思決定を解釈する際の難しさ
67
データ品質の重要性を強調する
68
カスタマーサポートの強化
69
予測、生成、分析
70
生成的AIは既存のデータに基づいて新しいコンテンツを作成し、予測的AIは既存のデータを分析する。
71
データの可用性を判断する。
72
自然言語処理(NLP)
Salesforce Dataアーキテクト試験過去問
Salesforce Dataアーキテクト試験過去問
細田倫央 · 60問 · 1年前Salesforce Dataアーキテクト試験過去問
Salesforce Dataアーキテクト試験過去問
60問 • 1年前Salesforce Integration アーキテクト試験過去問
Salesforce Integration アーキテクト試験過去問
細田倫央 · 3回閲覧 · 60問 · 1年前Salesforce Integration アーキテクト試験過去問
Salesforce Integration アーキテクト試験過去問
3回閲覧 • 60問 • 1年前Salesforce Development Lifecycle and Deployment アーキテクト試験
Salesforce Development Lifecycle and Deployment アーキテクト試験
細田倫央 · 38回閲覧 · 60問 · 1年前Salesforce Development Lifecycle and Deployment アーキテクト試験
Salesforce Development Lifecycle and Deployment アーキテクト試験
38回閲覧 • 60問 • 1年前問題一覧
1
人間の言語を理解して生成する
2
Einsteinリードスコアリングとケース分類
3
法令遵守の徹底
4
関連性バイアス
5
AI の倫理的かつ責任ある使用を指導する
6
一貫性
7
データにアクセスできる人の数を制限することで
8
検証ルール
9
モデルの精度
10
Salesforceで使用されるデータモデル
11
深層学習は複数レイヤーのニューラルネットワークを利用して、大量のデータから学習する。
12
財務状況
13
機械学習アルゴリズムにおける人間の偏見の可能性とAIの意思決定プロセスにおける透明性の欠如
14
生成AIは既存のデータに基づいて新しいコンテンツを作成し、予測AIは既存のデータを分析します。
15
エンゲージメントスコアリング
16
ユーザーの同意が得られない場合、AIはプライバシーを侵害します。
17
商談スコアリング、リードスコアリング、アカウントインサイト
18
顧客、パートナー、社会に対する自らの行動に責任を持つこと
19
選択リスト
20
倫理的AI実践成熟度モデル
21
顧客サポートの問題を整理して監視し、対象を認識し、ケースの解決策を要約することで、ケース処理を改善します。
22
郵便番号
23
予測分析
24
重複管理
25
生成する
26
多様なデータセットを使用したモデルのテスト
27
複製
28
顧客は、自分のエクスペリエンスをパーソナライズするサイトと個人情報を共有する可能性が高くなります。
29
顧客データの同意設定を追跡します。
30
性別
31
Einstein Engagement
32
AIとチャットするということをチャットの開始前に顧客に伝える
33
データの鮮度
34
社会的
35
一貫性
36
データセットの年齢
37
一貫性
38
データの欠陥による、AIシステムにおける意図しないバイアスの強化
39
テキスト
40
不足しているリード情報を見直し、更新する
41
データセット内に必要なデータポイントがすべて存在する度合い。
42
妥当性
43
命名規則
44
クレジットスコアなどのリスク要因が顧客の適格性にどのように影響するかを明確にする。
45
外部の倫理専門家、顧客、諮問委員会から独自のフィードバックを求める
46
予測の根拠の説明と、モデルがどのように開発されたかを説明するモデルカード
47
デモグラフィック
48
有害なバイアスを特定した後にAI機能を導入すること
49
有害なコンテンツを軽減し、個人を特定できる情報(PII)を保護するためのセーフガードを確立する。
50
デモグラフィック
51
ニューラルネットワーク
52
年齢
53
収益の損失、顧客サービスの低下、評判の低下
54
AI予測のベースラインを確立する
55
さまざまなスキルレベルのユーザーが、コードを記述することなく、ユーザーフレンドリーなインターフェースを通じてAIアプリケーションを作成できるようにする。
56
AIの決定とアクションについて、明確でわかりやすい説明を提供する
57
AIへの依存が生じ、批判的思考や監視が低下する可能性がある
58
自動化
59
顧客情報を使ってリードを評価
60
自動チャットボット
61
視覚情報の分析と理解
62
データの古さ、完全さ、精度、一貫性、重複、データセットの利用状況
63
AIによる正確な予測とインサイトを保証するには、データの質を評価して改善することが極めて重要である
64
責任性(Responsible), 説明可能性(Accountable), 透明性(Transparent), 促進性(Empowering), 包括性(Inclusive)
65
Salesforceの信頼できるAIの原則
66
AIの意思決定を解釈する際の難しさ
67
データ品質の重要性を強調する
68
カスタマーサポートの強化
69
予測、生成、分析
70
生成的AIは既存のデータに基づいて新しいコンテンツを作成し、予測的AIは既存のデータを分析する。
71
データの可用性を判断する。
72
自然言語処理(NLP)