Azure認定資格 WEB問題集＆徹底解説
AI-900：Microsoft Azure AI Fundamentals
解説
正解はBです。深層学習（Deep Learning）の最も重要な特徴は、多層のニューラルネットワーク構造を用いることで、データから階層的な特徴表現を自動的に学習する点にあります。従来型の機械学習では、ドメイン知識に基づいて人間が特徴量を手動設計（Feature Engineering）する必要がありましたが、深層学習では raw データから段階的に抽象度の高い特徴を自動抽出できます。これが深層学習の本質的な差異であり、Azure Machine Learning や Azure AI Services における深層学習モデルの基礎となる原理です。
選択肢 A：深層学習は一般的に大量のデータと計算リソース、長い学習時間を必要とします。少量データでの高精度学習や高速な学習は、むしろ従来型の機械学習手法（決定木、ランダムフォレストなど）の特徴です。
選択肢 C：深層学習モデル、特に深いニューラルネットワークは「ブラックボックス」と呼ばれるほど解釈性が低く、予測根拠の説明が困難です。逆に、従来型の機械学習手法（線形回帰、決定木など）の方が一般的に解釈性が高いとされています。
選択肢 D：深層学習は特定のタスクに限定されるものではなく、画像認識（Computer Vision）、自然言語処理（NLP）、音声認識、時系列予測など幅広い領域で応用されています。タスク領域による制限はありません。
Azure Machine Learning
選択肢 A：深層学習は一般的に大量のデータと計算リソース、長い学習時間を必要とします。少量データでの高精度学習や高速な学習は、むしろ従来型の機械学習手法（決定木、ランダムフォレストなど）の特徴です。
選択肢 C：深層学習モデル、特に深いニューラルネットワークは「ブラックボックス」と呼ばれるほど解釈性が低く、予測根拠の説明が困難です。逆に、従来型の機械学習手法（線形回帰、決定木など）の方が一般的に解釈性が高いとされています。
選択肢 D：深層学習は特定のタスクに限定されるものではなく、画像認識（Computer Vision）、自然言語処理（NLP）、音声認識、時系列予測など幅広い領域で応用されています。タスク領域による制限はありません。
関連サービスの解説
Azure AI ServiceAzure Machine Learning
＋ 質問 / コメント
解答・解説に疑問がある場合や、よりよい解説がある場合など、お気軽にコメントください。ただし、短文コメントは表示されません。また、中傷などコメントの内容によっては、会員機能を停止させて頂きます。教え学び合える場になれば嬉しいです。（コメント投稿にはログインが必要です）
正答率 %
No.35 解説
あなたの組織では、Azure AI を活用したソリューション開発の方針を検討しています。機械学習アプローチの選定にあたり、深層学習（Deep Learning）の特性を正しく理解する必要があります。深層学習が従来型の機械学習手法と比較したときの主要な特徴として、最も適切なものはどれですか。
- 深層学習は少量のデータで高精度な学習が可能であり、学習時間も従来型の機械学習より短い。
- 深層学習は複数層のニューラルネットワークを用いて階層的な特徴表現を自動的に獲得するが、従来型の機械学習は手動で設計した特徴量を用いる統計的手法に依存する。
- 深層学習モデルは予測結果の解釈性が高く、モデルの判断根拠を容易に説明できる一方、従来型の機械学習モデルは内部動作が不透明である。
- 深層学習は音声認識および自然言語処理のタスクに限定して使用され、画像認識や予測タスクには従来型の機械学習が適している。