Azure ML発展応用
Azure MLで訓練中のモデルが、学習率を0.01に設定した場合と0.001に設定した場合で、以下のような現象が観察されたとき、最も可能性の高い原因として適切なものはどれか？ 【0.01】訓練ステップ400で最適値に到達、その後精度が振動 【0.001】訓練ステップ2000以上必要、最適値に安定的に到達
A.学習率0.001が最適値であり、0.01は常に劣っている
✗ 学習率の優劣は問題とモデル、データによって異なります。0.01が劣っているわけではなく、トレードオフの関係にあります。
B.学習率0.01は収束が速いが振動しやすく、0.001は収束が遅いが安定する。適切な学習率は問題に応じて調整が必要← 正解
✓ 正解です。学習率が高い（0.01）とパラメータ更新幅が大きく収束が速いが、最適値周辺で振動しやすくなります。学習率が低い（0.001）と更新が小さく、安定的ですが収束に時間がかかります。最適学習率の選択は重要なハイパーパラメータチューニングです。
C.学習率の違いは訓練時間にしか影響しない
✗ 学習率はただ訓練時間だけでなく、最終的なモデル精度と安定性にも大きく影響します。
D.学習率が低いほど常に最終的な精度が向上する
✗ 学習率が低すぎるとかえって局所最適値に陥りやすく、精度が向上しない可能性があります。
この問題のポイント
学習率が高い（0.01）とパラメータ更新幅が大きく収束が速いが、最適値周辺で振動しやすくなります。学習率が低い（0.001）と更新が小さく、安定的ですが収束に時間がかかります。最適学習率の選択は重要なハイパーパラメータチューニングです。
「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。