暗記メーカー

暗記メーカー

​
ログイン
1-02生産性を高める、たこ焼き屋の秘策③
25問 • 4ヶ月前
  • osakana
    • 通報

    問題一覧

  • 1

    縦横2次元の情報を持たせたバーコード。JANコードより保有できる情報量が大きい

    QRコード

  • 2

    流通システムや販売情報システムなどで用いられている商品コード。13桁または8桁で、POSレジで使われる

    JANコード

  • 3

    調達や生産，販売など、広い範囲の企業活動を考慮したうえで、最適な物流を実施すること

    ロジスティクス

  • 4

    トレーサビリティを実現するために情報を書き込むICチップ

    ICタグ/RFID

  • 5

    追跡可能性と訳される。企業が食品などの原産地・出荷日・運搬ルートなどの履歴をきちんと追跡できるしくみ

    トレーサビリティ

  • 6

    Explainable AIの略称で「説明可能なAI」のこと。AIが出力したデータや回答について、「なぜ、そのような出力となるのか」、判断の根拠や経緯を適切に説明できるAIのこと

    XAI

  • 7

    100％正解を導くことが保証できないAI運用において、その運用プロセスに人間が介在することで、より正確な解答を導くなどにより、プロセスの改善を行うこと

    ヒューマンインザループ（HITL）

  • 8

    直訳すると「幻覚」。AIが生成してしまう、事実に基づかない虚偽の情報のこと

    ハルシネーション

  • 9

    AIに間違った学習をさせる僅かなノイズが入った学習サンプルのこと。例）パンダの画像に人間には識別できない特定の極小ノイズを混入させるだけで、AIがパンダをテナガザルと誤認識するなど

    敵対的サンプル

  • 10

    生成AIやAIチャットボットに対し、悪意のあるプロンプトや質問を入力することで、AI開発者が意図していなかった動作をさせる攻撃のこと。たとえば、機密情報を引き出されるなどのリスクがある

    プロンプトインジェクション攻撃

  • 11

    ディープラーニングとフェイク（偽物）という言葉から作られた造語。AIを利用して人物の動画や音声に加工処理を行う技術のこと。しばしば悪意を持って合成される

    ディープフェイク

  • 12

    AIサービス提供事業者と利用者側の双方が留意すべき点を10の原則にまとめたもの

    AI利活用ガイドライン

  • 13

    3つの価値（人間の尊厳、多様性・包摂性、持続可能性）を理念として尊重し、AIを通じてその実現を追求する社会を構築するための7つの原則

    人間中心のAI社会原則

  • 14

    AIサービスを提供する事業者における1つの考え方で、ユーザーから預かっているデータについて「ユーザーが拒否の意見表明をすると、そのユーザーのデータをAIに活用しない」という方針のこと

    AIサービスのオプトアウトポリシー

  • 15

    AIに様々なデータを与えて学習させるにあたり、既に与えたデータに適合し過ぎて、未知のデータに対して処理の精度が落ちてしまうこと

    過学習

  • 16

    基盤モデルのAIを、専門分野に特化させるべく新たに学習させ調整させること。転移学習の1つ

    ファインチューニング

  • 17

    基盤モデルを利用し新たな分野を学習させることで、学習を効率化させる手法

    転移学習

  • 18

    広範囲かつ大量のデータを事前学習しておき、その後の学習を通じて微調整することで、質問応答や画像識別など幅広い用途に適応できるAIのモデル

    基盤モデル

  • 19

    ある専門分野のAIを作る際に、専門分野に関するデータを学習させるより先に、より広範で一般的な（通常、正解となるデータが用意されていない）データで学習させること

    事前学習

  • 20

    機械学習以前のAIのしくみで、すべての判断(ルール)を人間が教え込まなければならないAIの方式

    ルールベースAI

  • 21

    教師あり学習において、正解となるデータにラベル(注釈)をつけること

    アノテーション

  • 22

    与えられる「報酬」が最大となるよう、AI自身が試行錯誤しながら行動や意思決定していく手法。対局ゲームや自動運転、建築物の揺れ制御などで活用される

    強化学習

  • 23

    特に正解となるデータは与えられず、AIは入力されたデータの構造や特徴などを分析する。大量データを類似グループに分類することに向く

    教師なし学習

  • 24

    「正解となるデータ」を大量に与えて、それをAIが学習するタイプのもの。売上の予測や、手書き文字の認識などに向く

    教師あり学習

  • 25

    大量のデータを読み込ませることで、自分自身が学習していき、予測や判断が可能になるAIの技術

    機械学習

    • 1-01お客様の満足度を高める仕事①

    1-01お客様の満足度を高める仕事①

    osakana · 31問 · 4ヶ月前

    1-01お客様の満足度を高める仕事①

    1-01お客様の満足度を高める仕事①

    31問 • 4ヶ月前
    osakana

    1-01お客様の満足度を高める仕事②

    1-01お客様の満足度を高める仕事②

    osakana · 35問 · 4ヶ月前

    1-01お客様の満足度を高める仕事②

    1-01お客様の満足度を高める仕事②

    35問 • 4ヶ月前
    osakana

    1-02生産性を高める、たこ焼き屋の秘策①

    1-02生産性を高める、たこ焼き屋の秘策①

    osakana · 25問 · 4ヶ月前

    1-02生産性を高める、たこ焼き屋の秘策①

    1-02生産性を高める、たこ焼き屋の秘策①

    25問 • 4ヶ月前
    osakana

    1-02生産性を高める、たこ焼き屋の秘策②

    1-02生産性を高める、たこ焼き屋の秘策②

    osakana · 25問 · 4ヶ月前

    1-02生産性を高める、たこ焼き屋の秘策②

    1-02生産性を高める、たこ焼き屋の秘策②

    25問 • 4ヶ月前
    osakana

    1-03データやシステムを活用して企業をよりよい方向に導く

    1-03データやシステムを活用して企業をよりよい方向に導く

    osakana · 38問 · 4ヶ月前

    1-03データやシステムを活用して企業をよりよい方向に導く

    1-03データやシステムを活用して企業をよりよい方向に導く

    38問 • 4ヶ月前
    osakana

    1-04会社のリーダーである経営者が知っておくべきこと①

    1-04会社のリーダーである経営者が知っておくべきこと①

    osakana · 29問 · 4ヶ月前

    1-04会社のリーダーである経営者が知っておくべきこと①

    1-04会社のリーダーである経営者が知っておくべきこと①

    29問 • 4ヶ月前
    osakana

    1-04会社のリーダーである経営者が知っておくべきこと②

    1-04会社のリーダーである経営者が知っておくべきこと②

    osakana · 26問 · 4ヶ月前

    1-04会社のリーダーである経営者が知っておくべきこと②

    1-04会社のリーダーである経営者が知っておくべきこと②

    26問 • 4ヶ月前
    osakana

    1-05経営者の責任がわかれば、株式会社のしくみが見えてくる①

    1-05経営者の責任がわかれば、株式会社のしくみが見えてくる①

    osakana · 30問 · 4ヶ月前

    1-05経営者の責任がわかれば、株式会社のしくみが見えてくる①

    1-05経営者の責任がわかれば、株式会社のしくみが見えてくる①

    30問 • 4ヶ月前
    osakana

    1-05経営者の責任がわかれば、株式会社のしくみが見えてくる②

    1-05経営者の責任がわかれば、株式会社のしくみが見えてくる②

    osakana · 25問 · 4ヶ月前

    1-05経営者の責任がわかれば、株式会社のしくみが見えてくる②

    1-05経営者の責任がわかれば、株式会社のしくみが見えてくる②

    25問 • 4ヶ月前
    osakana

    2-01たこ焼き屋ネットショップのシステム開発の流れをおさえる

    2-01たこ焼き屋ネットショップのシステム開発の流れをおさえる

    osakana · 32問 · 4ヶ月前

    2-01たこ焼き屋ネットショップのシステム開発の流れをおさえる

    2-01たこ焼き屋ネットショップのシステム開発の流れをおさえる

    32問 • 4ヶ月前
    osakana

    2-02お客様の要望に応えつつ、スピーディーに開発するには？

    2-02お客様の要望に応えつつ、スピーディーに開発するには？

    osakana · 16問 · 4ヶ月前

    2-02お客様の要望に応えつつ、スピーディーに開発するには？

    2-02お客様の要望に応えつつ、スピーディーに開発するには？

    16問 • 4ヶ月前
    osakana

    2-03プロジェクトマネージャーになったつもりで仕事を把握しよう

    2-03プロジェクトマネージャーになったつもりで仕事を把握しよう

    osakana · 9問 · 4ヶ月前

    2-03プロジェクトマネージャーになったつもりで仕事を把握しよう

    2-03プロジェクトマネージャーになったつもりで仕事を把握しよう

    9問 • 4ヶ月前
    osakana

    2-04稼働した後に安定して運用するには

    2-04稼働した後に安定して運用するには

    osakana · 14問 · 4ヶ月前

    2-04稼働した後に安定して運用するには

    2-04稼働した後に安定して運用するには

    14問 • 4ヶ月前
    osakana

    2-05企業が情報システムを適切に活用しているか調査する

    2-05企業が情報システムを適切に活用しているか調査する

    osakana · 8問 · 4ヶ月前

    2-05企業が情報システムを適切に活用しているか調査する

    2-05企業が情報システムを適切に活用しているか調査する

    8問 • 4ヶ月前
    osakana

    3-01世界中どこからでもネットショップにアクセスできるしくみ①

    3-01世界中どこからでもネットショップにアクセスできるしくみ①

    osakana · 26問 · 4ヶ月前

    3-01世界中どこからでもネットショップにアクセスできるしくみ①

    3-01世界中どこからでもネットショップにアクセスできるしくみ①

    26問 • 4ヶ月前
    osakana

    3-01世界中どこからでもネットショップにアクセスできるしくみ②

    3-01世界中どこからでもネットショップにアクセスできるしくみ②

    osakana · 26問 · 4ヶ月前

    3-01世界中どこからでもネットショップにアクセスできるしくみ②

    3-01世界中どこからでもネットショップにアクセスできるしくみ②

    26問 • 4ヶ月前
    osakana

    3-02「大事な情報を守りぬく!」情報セキュリティの基礎知識①

    3-02「大事な情報を守りぬく!」情報セキュリティの基礎知識①

    osakana · 28問 · 4ヶ月前

    3-02「大事な情報を守りぬく!」情報セキュリティの基礎知識①

    3-02「大事な情報を守りぬく!」情報セキュリティの基礎知識①

    28問 • 4ヶ月前
    osakana

    3-02「大事な情報を守りぬく!」情報セキュリティの基礎知識②

    3-02「大事な情報を守りぬく!」情報セキュリティの基礎知識②

    osakana · 19問 · 4ヶ月前

    3-02「大事な情報を守りぬく!」情報セキュリティの基礎知識②

    3-02「大事な情報を守りぬく!」情報セキュリティの基礎知識②

    19問 • 4ヶ月前
    osakana

    3-03みんなで協力しあって根本的なセキュリティ対策を!

    3-03みんなで協力しあって根本的なセキュリティ対策を!

    osakana · 36問 · 4ヶ月前

    3-03みんなで協力しあって根本的なセキュリティ対策を!

    3-03みんなで協力しあって根本的なセキュリティ対策を!

    36問 • 4ヶ月前
    osakana

    問題一覧

  • 1

    縦横2次元の情報を持たせたバーコード。JANコードより保有できる情報量が大きい

    QRコード

  • 2

    流通システムや販売情報システムなどで用いられている商品コード。13桁または8桁で、POSレジで使われる

    JANコード

  • 3

    調達や生産，販売など、広い範囲の企業活動を考慮したうえで、最適な物流を実施すること

    ロジスティクス

  • 4

    トレーサビリティを実現するために情報を書き込むICチップ

    ICタグ/RFID

  • 5

    追跡可能性と訳される。企業が食品などの原産地・出荷日・運搬ルートなどの履歴をきちんと追跡できるしくみ

    トレーサビリティ

  • 6

    Explainable AIの略称で「説明可能なAI」のこと。AIが出力したデータや回答について、「なぜ、そのような出力となるのか」、判断の根拠や経緯を適切に説明できるAIのこと

    XAI

  • 7

    100％正解を導くことが保証できないAI運用において、その運用プロセスに人間が介在することで、より正確な解答を導くなどにより、プロセスの改善を行うこと

    ヒューマンインザループ（HITL）

  • 8

    直訳すると「幻覚」。AIが生成してしまう、事実に基づかない虚偽の情報のこと

    ハルシネーション

  • 9

    AIに間違った学習をさせる僅かなノイズが入った学習サンプルのこと。例）パンダの画像に人間には識別できない特定の極小ノイズを混入させるだけで、AIがパンダをテナガザルと誤認識するなど

    敵対的サンプル

  • 10

    生成AIやAIチャットボットに対し、悪意のあるプロンプトや質問を入力することで、AI開発者が意図していなかった動作をさせる攻撃のこと。たとえば、機密情報を引き出されるなどのリスクがある

    プロンプトインジェクション攻撃

  • 11

    ディープラーニングとフェイク（偽物）という言葉から作られた造語。AIを利用して人物の動画や音声に加工処理を行う技術のこと。しばしば悪意を持って合成される

    ディープフェイク

  • 12

    AIサービス提供事業者と利用者側の双方が留意すべき点を10の原則にまとめたもの

    AI利活用ガイドライン

  • 13

    3つの価値（人間の尊厳、多様性・包摂性、持続可能性）を理念として尊重し、AIを通じてその実現を追求する社会を構築するための7つの原則

    人間中心のAI社会原則

  • 14

    AIサービスを提供する事業者における1つの考え方で、ユーザーから預かっているデータについて「ユーザーが拒否の意見表明をすると、そのユーザーのデータをAIに活用しない」という方針のこと

    AIサービスのオプトアウトポリシー

  • 15

    AIに様々なデータを与えて学習させるにあたり、既に与えたデータに適合し過ぎて、未知のデータに対して処理の精度が落ちてしまうこと

    過学習

  • 16

    基盤モデルのAIを、専門分野に特化させるべく新たに学習させ調整させること。転移学習の1つ

    ファインチューニング

  • 17

    基盤モデルを利用し新たな分野を学習させることで、学習を効率化させる手法

    転移学習

  • 18

    広範囲かつ大量のデータを事前学習しておき、その後の学習を通じて微調整することで、質問応答や画像識別など幅広い用途に適応できるAIのモデル

    基盤モデル

  • 19

    ある専門分野のAIを作る際に、専門分野に関するデータを学習させるより先に、より広範で一般的な（通常、正解となるデータが用意されていない）データで学習させること

    事前学習

  • 20

    機械学習以前のAIのしくみで、すべての判断(ルール)を人間が教え込まなければならないAIの方式

    ルールベースAI

  • 21

    教師あり学習において、正解となるデータにラベル(注釈)をつけること

    アノテーション

  • 22

    与えられる「報酬」が最大となるよう、AI自身が試行錯誤しながら行動や意思決定していく手法。対局ゲームや自動運転、建築物の揺れ制御などで活用される

    強化学習

  • 23

    特に正解となるデータは与えられず、AIは入力されたデータの構造や特徴などを分析する。大量データを類似グループに分類することに向く

    教師なし学習

  • 24

    「正解となるデータ」を大量に与えて、それをAIが学習するタイプのもの。売上の予測や、手書き文字の認識などに向く

    教師あり学習

  • 25

    大量のデータを読み込ませることで、自分自身が学習していき、予測や判断が可能になるAIの技術

    機械学習