Azure ML発展応用
Azure MLデザイナーで構築したパイプラインのハイパーパラメータチューニングを実施する際、サンプリング方法を「ランダムサンプリング」から「グリッドサンプリング」に変更した場合、何が起こるか？
A.チューニング時間は短縮され、より多くのパラメータ組み合わせを試せる
✗ グリッドサンプリングはランダムサンプリングより計算時間が増加します。すべてのパラメータ組み合わせを試すため、むしろ時間と予算が増加する傾向があります。
B.パラメータの組み合わせは網羅的になるが、計算時間と予算が増加する可能性がある← 正解
✓ 正解です。グリッドサンプリングはパラメータ空間をグリッド状に分割して網羅的に試すため、最適解を見つける可能性は高まります。一方、試行数が指数的に増加するため、計算時間と予算も大幅に増加します。
C.チューニング精度は必ず向上する
✗ グリッドサンプリングが必ずより良い精度をもたらすわけではなく、パラメータ空間の設定に大きく依存します。
D.グリッドサンプリングは大規模なパラメータ空間に最適である
✗ グリッドサンプリングは実は大規模なパラメータ空間には不向きです。次元の呪いにより計算が爆発的に増加するため、ランダムサンプリングやベイズ最適化が推奨されます。
この問題のポイント
グリッドサンプリングはパラメータ空間をグリッド状に分割して網羅的に試すため、最適解を見つける可能性は高まります。一方、試行数が指数的に増加するため、計算時間と予算も大幅に増加します。
「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。