生成AI詳細比較
PromptEngineering（プロンプトエンジニアリング）とFine-tuning（ファインチューニング）の主な違いとして最も適切なものはどれか？
A.PromptEngineeringは入力プロンプトを工夫してモデルの振る舞いを調整するのに対し、ファインチューニングは事前学習済みモデルの重みを新しいデータで更新して改善する← 正解
✓ 正解です。PromptEngineeringは即座に適用可能で低コストですが、ファインチューニングはモデルの根本的な改善が可能です。
B.PromptEngineeringはコスト削減効果が高い反面、ファインチューニングは精度向上が期待できない
✗ 誤りです。ファインチューニングは適切に実施すれば高い精度向上が期待できる手法です。
C.ファインチューニングは数秒で完了できるため、PromptEngineeringよりも迅速に結果が得られる
✗ 誤りです。ファインチューニングは学習時間が必要で、数秒で完了することはありません。
D.どちらも同じ目的で使用され、実装上の違いのみが存在する
✗ 誤りです。2つは目的も実装方法も大きく異なる別の技術です。
この問題のポイント
PromptEngineeringは即座に適用可能で低コストですが、ファインチューニングはモデルの根本的な改善が可能です。
「生成AI詳細」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。