Azure ML発展定義
Azure MLの「責任あるAI（Responsible AI）」の定義として最も正確なものはどれですか？
A.AIモデルの予測精度を100%に近づけるための統計的手法全般
✗ 精度向上と責任あるAIは別の概念です。精度が高くても、バイアスや説明性の問題は存在しえます。
B.公平性、透明性、説明責任、包括性、セキュリティを組み込んでAIシステムを開発・運用する原則← 正解
✓ 正解です。責任あるAIはMicrosoftが提唱する複数の柱で構成される包括的なアプローチです。
C.AIモデルを本番環境にデプロイする前に、必ず3回以上テストすることを義務付けるプロセス
✗ テスト回数の規定は責任あるAIの定義ではなく、単なる実装上のプラクティスです。
D.データサイエンティストが手動で全ての意思決定を行い、自動化を避けることを推奨する方針
✗ 責任あるAIは自動化を避けることではなく、自動化された処理を透明で公平に行うことを目指します。
この問題のポイント
責任あるAIはMicrosoftが提唱する複数の柱で構成される包括的なアプローチです。
「Azure ML発展」の他の問題
Azure MLのMLflowの「実験（Experiment）」と「実行（Run）」の関係はどれか？Azure MLパイプラインを使う主な利点として正しくないものはどれか？Azure MLにおける「自動機械学習（AutoML）」と「設計者（Designer）」の違いとして最も適切なものはどれ…Azure MLの「コンピュート・インスタンス」と「コンピュート・クラスタ」の使用目的の違いはどれか？Azure MLの「パイプライン」と「Automated Machine Learning（AutoML）」を比較した場…Azure MLにおける「バッチ推論」と「リアルタイム推論（オンライン推論）」の違いとして最適なものはどれか？
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。