MLの概念誤り発見
転移学習（Transfer Learning）とモデルの最適化に関する以下の記述で、誤っているものはどれか。
A.転移学習では、大規模データセットで事前に学習済みモデルを出発点として使用することで、学習時間を短縮できる。
✓ この記述は正しい。転移学習は既存知識を再利用し、学習効率を大幅に改善できる。
B.ファインチューニング（Fine-tuning）は事前学習済みモデルの一部のレイヤーを凍結し、下位レイヤーのみを再学習させる手法である。← 正解
✓ 正解です。この記述が誤りで、ファインチューニングでは「上位レイヤー」（出力に近い層）を再学習させ、下位レイヤー（入力に近い層）は凍結するのが一般的。
C.ドメイン適応は異なるドメイン間でのモデル性能低下を補い、汎化性能を向上させる技術である。
✓ この記述は正しい。ドメイン適応はドメインシフト問題に対処する重要な技術である。
D.転移学習は小規模な目的タスク用データセットしか利用できない場合に特に効果的である。
✓ この記述は正しい。限定データでの転移学習は実務的に最も価値のある応用例である。
この問題のポイント
この記述が誤りで、ファインチューニングでは「上位レイヤー」（出力に近い層）を再学習させ、下位レイヤー（入力に近い層）は凍結するのが一般的。
「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。