LearnifyAWS AI プラクティショナー
AIF-C01 問題集・無料練習10問
AWS Certified AI Practitioner
AI・機械学習・生成AIの違いと、業務で利用するときの判断軸を整理する練習です。モデルの使い方に加え、品質、責任ある利用、セキュリティの観点を確認します。
登録不要 · 日本語の解説付き · 固定10問
無料10問を始める ↓ページ更新：
AIF-C01の学習ポイント
AIの基本を学び、AWSでの活用を考え始めた方。
- AI・機械学習・生成AIの基本
- ユースケースとモデルの選び方
- 責任あるAIと安全な利用
この無料練習の使い方
まずは解説を見ずに選び、回答後に正誤と日本語の解説を確認します。選択肢の違いを言葉で説明できるかを振り返り、迷った用語を復習しましょう。
公開しているのは固定10問の学習用教材です。試験全範囲の網羅や合格を保証するものではありません。
AIF-C01の日本語練習問題
例題と日本語解説を読む
この資格の無料10問に含まれる1問目です。答えを選んで練習したい場合は、上の練習から始めてください。
例題の問題文と選択肢を読む
ある企業が、遺伝子の特性に基づいてヒトの遺伝子を20のカテゴリーに分類したいと考えています。そのため、この企業はモデルの内部メカニズムが出力にどのように影響を与えるかを記録するための機械学習アルゴリズムを必要としています。この要件を満たす機械学習アルゴリズムはどれですか？
- A：決定木
- B：線形回帰
- C：ロジスティック回帰
- D：ニューラルネットワーク
正解と解説を読む
正解：A
この問題において、企業が求めているのは、遺伝子を20のカテゴリに分類するための機械学習（ML）アルゴリズムであり、さらにモデルの内部メカニズムが出力にどのように影響するかを文書化することができるという要件です。 選択肢の中で、決定木（A）はこの要件を満たす理由は以下の通りです： 決定木の特徴 1. 解釈性: 決定木はその構造が明白であり、データの特徴に基づき分岐するルールを示します。これにより、どの特徴が出力にどのように影響を与えているかを容易に理解することができます。特に、各ノードがどの特徴に基づいて分岐しているかを可視化することができるため、モデルの解釈が直感的です。 2. 可視化: 決定木はグラフィカルに表示できるため、モデルの理解を助けます。木構造は視覚的に確認でき、分類の過程を追いやすいです。 3. カテゴリ分類: 決定木は分類問題に特に適しており、データを複数のカテゴリに分けるために使用されます。ヒト遺伝子を20のカテゴリに分類するという目的に対して有効です。 他の選択肢との比較 - 線形回帰（B）: 連続値の予測には適していますが、分類タスクには不向きです。また、モデルの内部メカニズムの解釈はやや難しいです。 - ロジスティック回帰（C）: 二項分類には適していますが、複数のカテゴリを扱う場合はソフトマックス回帰を使用する必要があり、解釈も難しくなります。 - ニューラルネットワーク（D）: 高度な予測能力がありますが、ブラックボックスモデルとして広く知られており、その内部メカニズムを理解するのは非常に難しいです。 このように、モデルの解釈性とカテゴリ分類を重視する場合、決定木が最も適した選択肢となります。