AI用語応用
機械学習モデルで深刻な過学習（Overfitting）が検出された場合、ドロップアウト（Dropout）やL2正則化などの正則化技術を適用すると、モデルの性能曲線はどのように変化するか？
A.トレーニングデータでの精度は低下するが、未知データでの精度は向上する傾向← 正解
✓ 正解です。正則化はトレーニングデータでの完全適合を制限し、汎化性能を向上させるため、テストデータ精度が改善されます。
B.トレーニングデータとテストデータ両方での精度が同時に向上する
✗ 正則化によりトレーニング精度は低下します。汎化性能と訓練性能は通常トレードオフの関係です。
C.モデルの推論にかかる処理時間が大幅に短縮される
✗ 正則化技術は計算複雑性を低減させません。むしろ正則化項の計算が追加されます。
D.使用するGPUメモリ量が削減される
✗ ドロップアウトやL2正則化はメモリ使用量に直接的な影響を与えません。
この問題のポイント
正則化はトレーニングデータでの完全適合を制限し、汎化性能を向上させるため、テストデータ精度が改善されます。
「AI用語」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。