機械学習の基礎定義問題
モデルの汎化性能をより正確に評価するために、データをK個に分割して交互に検証セットとして使う手法はどれか？
A.ホールドアウト法
✗ データを訓練・検証の2分割するのみ。分割の偶然性の影響が大きい。
B.ブートストラップ法
✗ 元データからリサンプリングする統計手法。交互に検証セットを入れ替える手法ではない。
C.K分割交差検証（K-fold CV）← 正解
✓ 正解。K個に分割し全セットを1回ずつ検証に使い平均スコアで評価するため偏りが少ない。
D.層化サンプリング
✗ クラス比率を保ちながら分割する前処理手法。評価方法そのものではない。
「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。