Azure ML定義問題
モデルが訓練データに過剰に適合してしまい、新しいデータで精度が出なくなる現象を何というか？
A.アンダーフィッティング
✗ アンダーフィッティングは学習不足。訓練データすら正解できない状態で今回とは逆。
B.オーバーフィッティング（過学習）← 正解
✓ 正解。過学習は訓練データを完璧に覚えすぎて汎用性を失う状態。
C.データドリフト
✗ データドリフトは時間経過によるデータ変化。訓練直後の過適合とは別の問題。
D.正則化
✗ 正則化は過学習を「防ぐ」ための手法。現象の名称ではない。
「Azure ML」の他の問題
Azure Machine Learning DesignerとAutomated MLの違いとして正しいものはどれか？Azure MLで「注文ごとに即時で詐欺判定を返すAPI」と「月末に100万件を一括処理するAPI」に対してそれぞれ適切…Azure MLのモデルレジストリの主な目的はどれか？Azure MLのResponsible AI ダッシュボードで確認できる分析として含まれないものはどれか？Azure MLのAutoMLが複数のモデルを試した後、最終的に最良モデルを選ぶ基準として使われる指標の例として正しいの…Azure Machine Learningで複数のアルゴリズムとパラメータを自動試行し、特定データに最適なモデルを特定…
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。