暗記メーカー

暗記メーカー

​
ログイン
5.1 AI・データ活用の社会実装とプロジェクトの進め方
23問 • 1年前
  • Tsuyoshi Ikeda
    • 通報

    問題一覧

  • 1

    AIプロジェクトに必要な体制について、不適切な選択肢を選べ

    データを活用する義務に関しては、専門技術を持つデータサイエンティストに任せることが望ましい

  • 2

    データ分析業務を外部に委託する際に、受注側と発注側の間で交わされる契約に関して、以下の（ア）（イ）の組み合わせとして適切な選択肢を選べ

    （ア）準委任契約 （イ）請負契約

  • 3

    AI・データの利用に関する契約ガイドライン（経済産業省作成）では、探索的段階 型ソフトウェア開発方式が推奨されている。その特徴として、不適切な選択肢を選べ

    開発契約に関しては、各段階の契約目的を確実に実現する観点から、準委任契約ではなく請負契約にすべきである

  • 4

    AIシステムの開発様式を決める時の考え方として適切な選択肢を選べ

    短期間でプロトタイプを納品する必要があったため、アジャイル開発を行うことを決めた

  • 5

    AI開発プロジェクトの進め方に関する注意点として不適切な選択肢を選べ

    他社と共同で開発したサービスの性能試験を終え、それを利用者にリリースする前の段階で他社間で秘密保持契約を結ぶことが望ましい

  • 6

    AI開発と秘密保持契約（NDA）の関係性について、適切な選択肢を選べ

    NDA締結後に、無断で秘密情報の開示が行われた場合、一般的に、NDAに記載されているペナルティが違反者に課せられる

  • 7

    次のうち、構造化データはどれか

    POSデータ

  • 8

    ビッグデータについて述べたものとして不適切な選択肢を選べ

    ビッグデータは、データ量が大きいデータのうち、更新頻度が低いデータを指す

  • 9

    近年では、センサーを活用し、データの手動入力を一切行わずにビッグデータを生み出す仕組みが普及している。これを可能にしている技術の名称として適切な選択肢を選べ

    IoT

  • 10

    RPA（Robotics Process Automatons）に関する記述として、不適切な選択肢を選べ

    文章で書かれたメールを受信し、その内容を解析することで発注書を作成できるなど、RPAによる業務の効率化が期待できる

  • 11

    DX（デジタルトランスフォーメーション）はビジネスにおいて、「デジタルによる変容」を目指す。DXおよびそれを支える技術について不適切な選択肢を選べ

    ビッグデータはDXに重要であり、ビッグデータの大部分を占めるのが構造化データである

  • 12

    機械学習の実装やデータ分析には、オープンソースのプログラミング原語（ア）がよく使われる。一方、（イ）を用いてノンプログラミングで多角的にデータを整理し可視化することができる。（ウ）は（イ）の代表的なソフトウェア製品の１つである

    （ア）Python （イ）BIツール （ウ）Tableau

  • 13

    Pythonのライブラリについて、不適切な選択肢を選べ

    Matplotlibは深層学習の疾走のためのフレームワークを提供し、ニュートラルネットワークの構造を柔軟に定義できることが特徴である

  • 14

    ML Opsの考え方として適切な選択肢を選べ

    学習済みモデルが展開された後にも、追加学習を行うなどモデルを最終的に改善できる仕組みを特徴とする

  • 15

    CRISP-DMはデータマイニングの方法論であり、6つのフェーズで構成される。適切な選択肢を選べ

    データマイニングにおいてビジネスの観点から検討が必要であり、CRISP-DMの中で行われる

  • 16

    AI開発におけるWeb APIの利用について不適切な選択肢を選べ

    自前での開発と比べて、Web APIを使用した開発の方が時間の短縮につながるものの、開発コストが高価になることが多い

  • 17

    クラウド技術の特徴として不適切な選択肢を選べ

    IaaSはクラウドサービスの形態の１つであり、ユーザがソフトウェアをインストールすることなく、インターネットに接続することで利用可能にする

  • 18

    ブロックチェーンについて適切な選択肢を選べ

    データの改ざんを検出できる仕組みが整備されている

  • 19

    AI開発で利用されるDocker技術に関する説明として、不適切な選択肢を選べ

    Dockerのコンテナは仮想マシンと同じく、デジタル空間における物理的なマシンのコビーとして解釈される

  • 20

    データ分析をはじめる前に仮説を立てたが、仮説と異なる分析結果が得られ、この時取るべき行動として、適切な選択肢を選べ

    仮説と異なる結果が得られても、それが有意義な発見につながる可能性があるので、得られた結果を詳しく検討・検証する

  • 21

    クライアントから分析の依頼を受け、必要と思われるデータを受領しているデータ分析担当者がとるべき行動として適切な選択肢を選べ

    分析の目的を明らかにし、受領したデータが適切かどうかを確認するため、依頼元とKPIなどに関して認識合わせをしていた

  • 22

    あなたはクライアントが保有する過去５年間分のデータを用いて、毎月の売上を予測する機械学習モデルを発表した。そのモデルの精度を直近３ヶ月の新しいデータを用いて精度を検証した上で納品した。１年後に、納品先の担当者から「最近は約10%の予測が外れるのでモデルの精度改善を望む」と相談された。あなたが取るべき行動として、適切な選択肢を選べ

    モデルの見直し頻度を含め、運用の契約について先方と合意をとった上で、モデルチューニングを継続していく

  • 23

    あなたは、ウェブ記事を閲覧するユーザに関する予測モデルを開発するプロジェクトに関わっている。ユーザは会員登録とログインをして記事を閲覧するため、個人を特定できる。予測モデルの学習には、過去に閲覧した記事および登録した個人情報を使うことがあり、これらの情報は推奨する記事や表示する広告の種類などに影響する

    ユーザには、データを収集する目的を説明し、計算に使用するアルゴリズムについてもわかりやすく説明するように努力した

    • 1.人工知能の定義と、技術動向・研究における問題

    1.人工知能の定義と、技術動向・研究における問題

    Tsuyoshi Ikeda · 23問 · 1年前

    1.人工知能の定義と、技術動向・研究における問題

    1.人工知能の定義と、技術動向・研究における問題

    23問 • 1年前
    Tsuyoshi Ikeda

    2.1.機械学習の基本概念・具体的な手法・精度評価

    2.1.機械学習の基本概念・具体的な手法・精度評価

    Tsuyoshi Ikeda · 22問 · 1年前

    2.1.機械学習の基本概念・具体的な手法・精度評価

    2.1.機械学習の基本概念・具体的な手法・精度評価

    22問 • 1年前
    Tsuyoshi Ikeda

    2.2.機械学習の基本概念・具体的な手法・精度評価

    2.2.機械学習の基本概念・具体的な手法・精度評価

    Tsuyoshi Ikeda · 20問 · 1年前

    2.2.機械学習の基本概念・具体的な手法・精度評価

    2.2.機械学習の基本概念・具体的な手法・精度評価

    20問 • 1年前
    Tsuyoshi Ikeda

    2.3.機械学習の基本概念・具体的な手法・精度評価

    2.3.機械学習の基本概念・具体的な手法・精度評価

    Tsuyoshi Ikeda · 16問 · 1年前

    2.3.機械学習の基本概念・具体的な手法・精度評価

    2.3.機械学習の基本概念・具体的な手法・精度評価

    16問 • 1年前
    Tsuyoshi Ikeda

    3.1.ディープラーニングの仕組みと応用

    3.1.ディープラーニングの仕組みと応用

    Tsuyoshi Ikeda · 17問 · 1年前

    3.1.ディープラーニングの仕組みと応用

    3.1.ディープラーニングの仕組みと応用

    17問 • 1年前
    Tsuyoshi Ikeda

    3.2.ディープラーニングの仕組みと応用

    3.2.ディープラーニングの仕組みと応用

    Tsuyoshi Ikeda · 21問 · 1年前

    3.2.ディープラーニングの仕組みと応用

    3.2.ディープラーニングの仕組みと応用

    21問 • 1年前
    Tsuyoshi Ikeda

    3.3.ディープラーニングの仕組みと応用

    3.3.ディープラーニングの仕組みと応用

    Tsuyoshi Ikeda · 12問 · 1年前

    3.3.ディープラーニングの仕組みと応用

    3.3.ディープラーニングの仕組みと応用

    12問 • 1年前
    Tsuyoshi Ikeda

    3.4.ディープラーニングの仕組みと応用

    3.4.ディープラーニングの仕組みと応用

    Tsuyoshi Ikeda · 27問 · 1年前

    3.4.ディープラーニングの仕組みと応用

    3.4.ディープラーニングの仕組みと応用

    27問 • 1年前
    Tsuyoshi Ikeda

    4.1.ディープラーニングの研究分野

    4.1.ディープラーニングの研究分野

    Tsuyoshi Ikeda · 12問 · 1年前

    4.1.ディープラーニングの研究分野

    4.1.ディープラーニングの研究分野

    12問 • 1年前
    Tsuyoshi Ikeda

    4.2.ディープラーニングの研究分野

    4.2.ディープラーニングの研究分野

    Tsuyoshi Ikeda · 19問 · 1年前

    4.2.ディープラーニングの研究分野

    4.2.ディープラーニングの研究分野

    19問 • 1年前
    Tsuyoshi Ikeda

    4.3.ディープラーニングの研究分野

    4.3.ディープラーニングの研究分野

    Tsuyoshi Ikeda · 3回閲覧 · 26問 · 1年前

    4.3.ディープラーニングの研究分野

    4.3.ディープラーニングの研究分野

    3回閲覧 • 26問 • 1年前
    Tsuyoshi Ikeda

    6.1 法規制・倫理ガイドライン・社会問題

    6.1 法規制・倫理ガイドライン・社会問題

    Tsuyoshi Ikeda · 19問 · 1年前

    6.1 法規制・倫理ガイドライン・社会問題

    6.1 法規制・倫理ガイドライン・社会問題

    19問 • 1年前
    Tsuyoshi Ikeda

    6.2 法規制・倫理ガイドライン・社会問題

    6.2 法規制・倫理ガイドライン・社会問題

    Tsuyoshi Ikeda · 21問 · 1年前

    6.2 法規制・倫理ガイドライン・社会問題

    6.2 法規制・倫理ガイドライン・社会問題

    21問 • 1年前
    Tsuyoshi Ikeda

    6.3 法規制・倫理ガイドライン・社会問題

    6.3 法規制・倫理ガイドライン・社会問題

    Tsuyoshi Ikeda · 13問 · 1年前

    6.3 法規制・倫理ガイドライン・社会問題

    6.3 法規制・倫理ガイドライン・社会問題

    13問 • 1年前
    Tsuyoshi Ikeda

    6.4 法規制・倫理ガイドライン・社会問題

    6.4 法規制・倫理ガイドライン・社会問題

    Tsuyoshi Ikeda · 11問 · 1年前

    6.4 法規制・倫理ガイドライン・社会問題

    6.4 法規制・倫理ガイドライン・社会問題

    11問 • 1年前
    Tsuyoshi Ikeda

    7.1 AIを理解するための数学・統計学

    7.1 AIを理解するための数学・統計学

    Tsuyoshi Ikeda · 13問 · 1年前

    7.1 AIを理解するための数学・統計学

    7.1 AIを理解するための数学・統計学

    13問 • 1年前
    Tsuyoshi Ikeda

    7.2 AIを理解するための数学・統計学

    7.2 AIを理解するための数学・統計学

    Tsuyoshi Ikeda · 17問 · 1年前

    7.2 AIを理解するための数学・統計学

    7.2 AIを理解するための数学・統計学

    17問 • 1年前
    Tsuyoshi Ikeda

    問題1-01

    問題1-01

    Tsuyoshi Ikeda · 20問 · 1年前

    問題1-01

    問題1-01

    20問 • 1年前
    Tsuyoshi Ikeda

    問題1-02

    問題1-02

    Tsuyoshi Ikeda · 20問 · 1年前

    問題1-02

    問題1-02

    20問 • 1年前
    Tsuyoshi Ikeda

    問題一覧

  • 1

    AIプロジェクトに必要な体制について、不適切な選択肢を選べ

    データを活用する義務に関しては、専門技術を持つデータサイエンティストに任せることが望ましい

  • 2

    データ分析業務を外部に委託する際に、受注側と発注側の間で交わされる契約に関して、以下の（ア）（イ）の組み合わせとして適切な選択肢を選べ

    （ア）準委任契約 （イ）請負契約

  • 3

    AI・データの利用に関する契約ガイドライン（経済産業省作成）では、探索的段階 型ソフトウェア開発方式が推奨されている。その特徴として、不適切な選択肢を選べ

    開発契約に関しては、各段階の契約目的を確実に実現する観点から、準委任契約ではなく請負契約にすべきである

  • 4

    AIシステムの開発様式を決める時の考え方として適切な選択肢を選べ

    短期間でプロトタイプを納品する必要があったため、アジャイル開発を行うことを決めた

  • 5

    AI開発プロジェクトの進め方に関する注意点として不適切な選択肢を選べ

    他社と共同で開発したサービスの性能試験を終え、それを利用者にリリースする前の段階で他社間で秘密保持契約を結ぶことが望ましい

  • 6

    AI開発と秘密保持契約（NDA）の関係性について、適切な選択肢を選べ

    NDA締結後に、無断で秘密情報の開示が行われた場合、一般的に、NDAに記載されているペナルティが違反者に課せられる

  • 7

    次のうち、構造化データはどれか

    POSデータ

  • 8

    ビッグデータについて述べたものとして不適切な選択肢を選べ

    ビッグデータは、データ量が大きいデータのうち、更新頻度が低いデータを指す

  • 9

    近年では、センサーを活用し、データの手動入力を一切行わずにビッグデータを生み出す仕組みが普及している。これを可能にしている技術の名称として適切な選択肢を選べ

    IoT

  • 10

    RPA（Robotics Process Automatons）に関する記述として、不適切な選択肢を選べ

    文章で書かれたメールを受信し、その内容を解析することで発注書を作成できるなど、RPAによる業務の効率化が期待できる

  • 11

    DX（デジタルトランスフォーメーション）はビジネスにおいて、「デジタルによる変容」を目指す。DXおよびそれを支える技術について不適切な選択肢を選べ

    ビッグデータはDXに重要であり、ビッグデータの大部分を占めるのが構造化データである

  • 12

    機械学習の実装やデータ分析には、オープンソースのプログラミング原語（ア）がよく使われる。一方、（イ）を用いてノンプログラミングで多角的にデータを整理し可視化することができる。（ウ）は（イ）の代表的なソフトウェア製品の１つである

    （ア）Python （イ）BIツール （ウ）Tableau

  • 13

    Pythonのライブラリについて、不適切な選択肢を選べ

    Matplotlibは深層学習の疾走のためのフレームワークを提供し、ニュートラルネットワークの構造を柔軟に定義できることが特徴である

  • 14

    ML Opsの考え方として適切な選択肢を選べ

    学習済みモデルが展開された後にも、追加学習を行うなどモデルを最終的に改善できる仕組みを特徴とする

  • 15

    CRISP-DMはデータマイニングの方法論であり、6つのフェーズで構成される。適切な選択肢を選べ

    データマイニングにおいてビジネスの観点から検討が必要であり、CRISP-DMの中で行われる

  • 16

    AI開発におけるWeb APIの利用について不適切な選択肢を選べ

    自前での開発と比べて、Web APIを使用した開発の方が時間の短縮につながるものの、開発コストが高価になることが多い

  • 17

    クラウド技術の特徴として不適切な選択肢を選べ

    IaaSはクラウドサービスの形態の１つであり、ユーザがソフトウェアをインストールすることなく、インターネットに接続することで利用可能にする

  • 18

    ブロックチェーンについて適切な選択肢を選べ

    データの改ざんを検出できる仕組みが整備されている

  • 19

    AI開発で利用されるDocker技術に関する説明として、不適切な選択肢を選べ

    Dockerのコンテナは仮想マシンと同じく、デジタル空間における物理的なマシンのコビーとして解釈される

  • 20

    データ分析をはじめる前に仮説を立てたが、仮説と異なる分析結果が得られ、この時取るべき行動として、適切な選択肢を選べ

    仮説と異なる結果が得られても、それが有意義な発見につながる可能性があるので、得られた結果を詳しく検討・検証する

  • 21

    クライアントから分析の依頼を受け、必要と思われるデータを受領しているデータ分析担当者がとるべき行動として適切な選択肢を選べ

    分析の目的を明らかにし、受領したデータが適切かどうかを確認するため、依頼元とKPIなどに関して認識合わせをしていた

  • 22

    あなたはクライアントが保有する過去５年間分のデータを用いて、毎月の売上を予測する機械学習モデルを発表した。そのモデルの精度を直近３ヶ月の新しいデータを用いて精度を検証した上で納品した。１年後に、納品先の担当者から「最近は約10%の予測が外れるのでモデルの精度改善を望む」と相談された。あなたが取るべき行動として、適切な選択肢を選べ

    モデルの見直し頻度を含め、運用の契約について先方と合意をとった上で、モデルチューニングを継続していく

  • 23

    あなたは、ウェブ記事を閲覧するユーザに関する予測モデルを開発するプロジェクトに関わっている。ユーザは会員登録とログインをして記事を閲覧するため、個人を特定できる。予測モデルの学習には、過去に閲覧した記事および登録した個人情報を使うことがあり、これらの情報は推奨する記事や表示する広告の種類などに影響する

    ユーザには、データを収集する目的を説明し、計算に使用するアルゴリズムについてもわかりやすく説明するように努力した