③ 機械学習・ディープラーニング
データサイエンティスト検定リテラシーレベル 第105問
問題
モデルの予測性能を改善するためのアプローチに関する記述として、最も適切なものはどれか。
A高度なモデル手法の採用が常に最優先される
Bデータを増やしたり質を見直す方が効果的な場合が多い✓ 正解
Cデータクレンジングに限界はないため全て自動化すべきである
D初学者はデータ収集よりもパラメータ調整のみに注力すべきである
正解
B：データを増やしたり質を見直す方が効果的な場合が多い
解説
モデルの構築手法を工夫するよりも、データを増やしたりデータの質を見直したりする方が効果的である場面が多くあります。
分野解説：③ 機械学習・ディープラーニング
機械学習と深層学習の代表的な手法を学ぶ分野です。教師あり・教師なし学習の区別、ランダムフォレストや勾配ブースティングなどのアンサンブル学習、過学習と汎化性能、連合学習・転移学習といった学習パラダイム、そしてニューラルネットワークの基礎までが問われます。手法ごとに「何を得意とし、どんな課題があるか」を対比して押さえることが重要です。用語の丸暗記ではなく、各モデルの仕組みと使いどころを理解すると応用問題にも対応できます。
この分野の問題をすべて見る →本番形式で問題を解いてみよう
クイズモードで挑戦 →同じ分野の関連問題
データサイエンティスト検定リテラシーレベルについて
DS検定リテラシーレベルの基礎を固める
| 主催 | 一般社団法人 データサイエンティスト協会 |
|---|---|
| 出題形式 | 100問（CBT方式） |
| 試験時間 | 100分 |
| 受験料 | 11,000円（税込）※学生5,500円 |
| 合格基準 | 合格基準は公式サイトで要確認 |
| 難易度 | ★★★☆☆ |
データサイエンティスト検定リテラシーレベルの関連記事
3つのスキルセットで捉えるDS検定リテラシーレベル対策
基礎統計・検定推定・ビジネス力が各50問と重い7分野構成をどう回すか。帰無仮説とp値の関係を図で押さえる手順や、合格基準・受験料が公式確認事項である点まで踏み込んだ一本。
DS検定リテラシーレベルは広く浅い、その広さが壁になる
暗記で押し切れないのがビジネス力のケーススタディで、目的から逆算する思考に慣れていないと失点する。一方でSQLや分散処理は実装力でなく役割の理解を問うため、食わず嫌いが損になる。
統計・機械学習・SQLを横断するDS検定の用語早見表
代表値や確率分布から評価指標、SQLや分散処理まで、性質の違う用語を横に並べて対比。決定木を深くすると過学習を招くように、手法は問題が起きる場面とセットで覚える構成にした。