機械学習の評価定義
スパムフィルターで「正常メールを誤ってスパムと判定する（誤検知）」を極力防ぎたい場合に最優先すべき指標はどれか？
A.再現率（Recall）
✗ Recall = TP/(TP+FN)。見逃しを防ぐための指標。誤検知（FP）削減に特化した指標ではない。
B.F1スコア
✗ PrecisionとRecallの調和平均。バランス評価に使うが誤検知単独の最小化には不向き。
C.適合率（Precision）← 正解
✓ 正解。Precision = TP/(TP+FP)。陽性予測の中で実際に陽性の割合で誤検知（FP）削減の主指標。
D.ROC-AUC
✗ 分類の全体的な識別能力を測る指標。特定のエラータイプ（FP）に特化した指標ではない。
この問題のポイント
Precision = TP/(TP+FP)。陽性予測の中で実際に陽性の割合で誤検知（FP）削減の主指標。
「機械学習の評価」の他の問題
AUC-ROCスコアが0.5のモデルはどのような状態を示すか？回帰モデルの評価指標として「予測値と実際値の差の二乗の平均の平方根」を計算するものはどれか？不均衡データ（陽性99%・陰性1%）において「精度（Accuracy）だけが高い（99%）」モデルの問題点はどれか？分類モデルの評価において、適合率（Precision）と再現率（Recall）の違いとして最も正確なものはどれか？医療診断モデルで「疾患有りと予測したが実際は無い（偽陽性）」を減らしたい場合と、「疾患有りを見落とす（偽陰性）」を減らし…混同行列（Confusion Matrix）における「真陽性（TP）」と「真陰性（TN）」の違いは何か？
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。