AIの基礎誤り発見
データ準備と前処理に関する以下の記述のうち、誤っているものはどれか。
A.欠損値（Missing Values）は削除または補完する必要がある。
✓ この記述は正しい。欠損値の適切な処理はモデル構築の重要なステップである。
B.データの正規化（Normalization）は、異なるスケール範囲の特徴量を統一することで、モデル性能を改善する。
✓ この記述は正しい。正規化はスケーリング手法として機械学習で広く活用される。
C.外れ値（Outliers）は常に削除すべきであり、保持することは学習を損なわせる。← 正解
✓ 正解です。この記述が誤りです。外れ値には本物の異常（有用な情報）と測定誤差がある。無条件に削除するのではなく、原因を検証した上で判断すべき場合が多い。
D.カテゴリカル変数（Category Variables）は、ワンホットエンコーディングやラベルエンコーディングで数値化する。
✓ この記述は正しい。カテゴリカル変数の数値化は機械学習の標準的な前処理である。
この問題のポイント
この記述が誤りです。外れ値には本物の異常（有用な情報）と測定誤差がある。無条件に削除するのではなく、原因を検証した上で判断すべき場合が多い。
「AI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。