MLの概念定義
訓練データセットと検証データセットを分ける主な目的はどれか？
A.訓練を高速化するためにデータを削減する
✗ 分割はデータを削減するためではなく、評価の独立性を確保するために行う。
B.未知のデータへの汎化性能を客観的に評価するため← 正解
✓ 正解。モデルが訓練に使っていないデータで評価することで汎化性能を客観的に測定できる。
C.モデルのパラメータ数を減らすため
✗ パラメータ数はモデルのアーキテクチャで決まり、データ分割とは無関係。
D.データのクラス不均衡を解消するため
✗ クラス不均衡の解消はオーバーサンプリングや重み付けで対処する別の問題。
この問題のポイント
モデルが訓練に使っていないデータで評価することで汎化性能を客観的に測定できる。
「MLの概念」の他の問題
事前学習済みの画像認識モデルを、少量の医療X線データで追加学習する手法はどれか？学習済みモデルを実運用に適用する際の「推論（Inference）」の説明として正しいのはどれか？「特徴量の正規化（0〜1にスケーリング）」が特に重要なアルゴリズムはどれか？機械学習モデルの訓練中に、訓練データセットのサイズを100サンプルから10,000サンプルに大幅に増やした場合、一般的に…分類モデルの学習率（Learning Rate）を0.1から0.001に低下させた場合、訓練プロセスにはどのような影響が…訓練データに大量のラベル誤りが混在していることが後から発見された場合、モデルの性能と学習曲線にはどのような影響が生じるか…
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。