ファイナル確認定義
Azure Machine Learningにおける「特徴量エンジニアリング」（Feature Engineering）とは、以下のどの処理を指しますか？
A.機械学習モデルのハイパーパラメータを自動的に調整するプロセス
✗ これはハイパーパラメータ最適化（Hyperparameter Tuning）の説明です。特徴量エンジニアリングとは異なります。
B.生データから機械学習モデルの学習に適した特徴量を抽出・変換・生成するプロセス← 正解
✓ 正解です。特徴量エンジニアリングは、生データから有用な情報を抽出・加工し、モデルの予測精度を向上させるための特徴量を作成するプロセスです。
C.訓練済みモデルを本番環境にデプロイして推論を実行するプロセス
✗ これはモデルのデプロイメントに関する説明で、特徴量エンジニアリングではありません。
D.複数のモデルの予測結果を統合して最終的な予測値を決定するプロセス
✗ これはアンサンブル学習やモデル統合の説明であり、特徴量エンジニアリングとは異なります。
この問題のポイント
特徴量エンジニアリングは、生データから有用な情報を抽出・加工し、モデルの予測精度を向上させるための特徴量を作成するプロセスです。
「ファイナル確認」の他の問題
次の記述のうち「誤り」を含むものはどれか。「Azure AI Servicesはクラウドのみで動作するため、オンプレミス…Copilot for Microsoft 365がMicrosoft Graphを利用する主な理由はどれか？「GitHub Copilot」と「Microsoft Copilot（旧Bing Chat）」の主な違いはどれか？責任あるAIの観点から「AIが生成した画像をSNSに投稿する際」に推奨される対応はどれか？Azure Cognitive Servicesの利用において、画像分析APIを月間45,000回の呼び出しで使用した場…機械学習モデルのトレーニングにおいて、データセット全体が80,000レコードで、トレーニング:検証:テストの分割比が60…
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。