機械学習の基礎定義問題
複数の決定木をランダムなデータ・特徴量で並列訓練し多数決で予測するアンサンブル学習手法はどれか？
A.勾配ブースティング
✗ 前の木の誤差を次の木が補う逐次的なアンサンブル手法。並列ではなく逐次。
B.k近傍法（k-NN）
✗ 訓練データの近傍点の多数決で分類する手法。ツリーアンサンブルではない。
C.ランダムフォレスト← 正解
✓ 正解。複数の決定木をランダムサブセットで並列訓練し多数決で予測するバギング手法。
D.サポートベクターマシン（SVM）
✗ マージンを最大化する超平面で分類する手法。ツリーとは異なるアルゴリズム。
「機械学習の基礎」の他の問題
IT・クラウド の関連資格
AWS Certified Cloud Practitioner（CLF-C02）
AWSクラウドの入門資格。クラウドの概念・AWSのコアサービス・セキュリティ・料金モデルを問う。
AWS Certified Solutions Architect - Associate（SAA-C03）
AWSでのシステム設計能力を問うアソシエイト資格。高可用性・セキュリティ・コスト最適化の設計が中心。
DP-900：Microsoft Azure Data Fundamentals
Azureのデータサービスの基礎を問うMicrosoft認定資格。リレーショナル/非リレーショナルデータ、分析ワークロード、コアのデータ概念を扱う。