AIの基礎応用
銀行が不正検出AIを導入する際、リアルタイム処理のため計算量を削減した簡潔なモデルを選択したところ、複雑なモデルと比べ検出精度が88%に低下しました。この制約下で精度を改善する最も効果的なアプローチはどれか？
A.さらに計算量を削減し、予測速度を最優先にする
✗ さらに計算量を削減すれば、精度はさらに低下します。精度改善とは逆方向の施策です。
B.訓練データを増やすか、特徴エンジニアリングで高品質な入力特徴を設計し、簡潔なモデルの性能を上げる← 正解
✓ 正解です。モデルの複雑さは変えず、データやアプローチで質を上げるのが現実的です。良い特徴量があれば、簡潔なモデルでも高精度を実現できます。
C.より複雑なモデルに変更し、推論時間の制約は無視する
✗ リアルタイム処理という制約があるのに複雑なモデルに変更すれば、処理時間超過で実用性を失います。
D.教師なし学習に切り替えて、ラベル付けコストを削減する
✗ 不正検出には教師あり学習（正常/異常ラベル）が必須です。教師なし学習では異常検知にはなりますが適切ではありません。
この問題のポイント
モデルの複雑さは変えず、データやアプローチで質を上げるのが現実的です。良い特徴量があれば、簡潔なモデルでも高精度を実現できます。
「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。