MLの概念定義
「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？
A.決定木
✗ 情報利得に基づく分割で動作するため特徴量のスケールに依存しない。
B.ランダムフォレスト
✗ 決定木を複数使うアンサンブル。各木がスケール非依存なため正規化の恩恵が小さい。
C.k近傍法（k-NN）← 正解
✓ 正解。距離計算に基づく手法なのでスケールが異なると大きい値の特徴量に結果が引きずられる。
D.ナイーブベイズ
✗ 条件付き確率を使う手法でスケールに直接依存しないが、連続値には別の処理が必要。
この問題のポイント
距離計算に基づく手法なのでスケールが異なると大きい値の特徴量に結果が引きずられる。
「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？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？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。