AIの基礎応用
ある企業が画像認識モデルを本番環境にデプロイした後、撮影条件（照明、角度、背景）が当初の学習データと大きく異なるシナリオが頻発するようになりました。このとき、モデルの性能はどのように変化する可能性が高いか？
A.学習データと異なる条件でも、転移学習により自動的に性能が向上する
✗ 転移学習は新しいタスク学習に有効ですが、学習後のモデルは自動的には適応しません。本番データが異なる場合は対応できません。
B.データドリフト（分布変化）により予測精度が低下し、モデルの再学習が必要になる可能性がある← 正解
✓ 正解です。本番データが学習データと異なる分布（データドリフト）を持つ場合、モデルの予測精度は低下します。定期的な再学習やモデル更新が必要です。
C.本番環境のデータは必ず学習データと同じ分布に従うため、性能変化は起こらない
✗ 本番環境のデータは必ずしも学習データと同じ分布に従うとは限りません。実際には差異（ドリフト）が生じることが多くあります。
D.撮影条件の違いは関係なく、モデルの重みが固定されているため常に同じ精度を保つ
✗ モデルの重みが固定されていることが問題です。入力データの分布が変わると、固定されたモデルでは正確な予測ができなくなります。
この問題のポイント
本番データが学習データと異なる分布（データドリフト）を持つ場合、モデルの予測精度は低下します。定期的な再学習やモデル更新が必要です。
「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。