MLの概念比較
機械学習における特徴エンジニアリングと特徴抽出の主な違いは何か？
A.特徴エンジニアリングはドメイン知識を用いて新しい特徴を人手で作成し、特徴抽出は自動的に高次の特徴を抽出する← 正解
✓ 正解です。特徴エンジニアリングはドメイン専門知識に基づいて手動で特徴を設計し、特徴抽出はニューラルネットワークなどで自動的に表現を学習します。
B.特徴エンジニアリングと特徴抽出は同じ意味で、異なる名称で呼ばれているだけである
✗ 誤りです。両者は異なるアプローチです。特徴エンジニアリングは手動で、特徴抽出は自動化されたプロセスです。
C.特徴エンジニアリングは自動的に実行され、特徴抽出は人手で実行される
✗ 誤りです。説明が逆です。特徴エンジニアリングは人手で、特徴抽出は自動的に実行されます。
D.特徴エンジニアリングは非構造化データのみに適し、特徴抽出は構造化データのみに適している
✗ 誤りです。どちらの手法も構造化データ、非構造化データの両方に適用できます。
この問題のポイント
特徴エンジニアリングはドメイン専門知識に基づいて手動で特徴を設計し、特徴抽出はニューラルネットワークなどで自動的に表現を学習します。
「MLの概念」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。