AWS認定資格 WEB問題集＆徹底解説
AIプラクティショナー
分野1：AI と ML の基礎
- No.3 過学習防止のための有効な手法
- No.4 AI関連技術の正しい包含関係
- No.11 半教師あり学習による不正検出
- No.38 ドロップアウトによる過学習防止
- No.40 過学習を防ぐ効果的な手法
- No.47 構造化・非構造化データの特徴
- No.55 過学習を防ぐ効果的な手法
- No.57 モデルパラメータとハイパーパラメータの違い
- No.67 モデルの汎化能力向上手法
- No.69 バイアス-バリアンストレードオフの調整
- No.70 バイアス-バリアンストレードオフ
- No.72 機械学習における学習と推論の違い
- No.75 AIモデルの過学習防止手法
- No.79 適合率と再現率から読み取るクラス不均衡
- No.89 ワードエンベディングの代表的モデル
- No.96 アンダーフィッティングの特徴
- No.97 オーバーフィッティングの定義
- No.100 機械学習における過適合と過少適合
- No.127 大規模データ推論に適した構成の選択
- No.132 AIモデルの過学習現象
- No.136 基盤モデルの補完手法
- No.149 過学習への対処と汎化性能の向上
- No.150 AIモデルのリアルタイム推論
- No.154 機械学習モデルの過学習対策
- No.169 機械学習の適切なデータ分割
- No.170 画像分類に適したニューラルネットワーク
- No.174 顧客フィードバックに基づき自律的に応答を改善する学習手法
- No.194 教師あり学習のタスク分類
- No.204 機械学習モデルの過学習防止手法
- No.206 強化学習と教師あり学習の違い
- No.207 Amazon Bedrockの効率的な推論
- No.214 AI技術の階層関係
- No.221 機械学習モデルの過学習対策
- No.225 AIとMLの関係性と違い
- No.229 強化学習の仕組みと他のML手法との違い
- No.245 教師なし学習の特徴
- No.255 早期終了の判断基準
- No.263 CNNとRNNの適切な用途
- No.287 過学習を防ぐ効果的な手法
- No.298 オーバーフィッティング防止手法
- No.321 機械学習の基本概念
- No.323 教師あり学習のタスク分類
- No.327 過学習の主な原因
- No.329 過学習防止のテクニック
- No.332 強化学習の基本的な仕組み
- No.333 定期的な品質データ分析に適した推論方式
- No.353 大量テキストのエンティティ抽出における最適な実装方法
- No.359 動的環境で学習するAIエージェントの実装手法
- No.361 複数MLモデル間での知識共有と転移学習
- No.366 過学習を軽減する技術的手法
- No.369 教師なし学習の目的と適用場面
- No.374 AIシステムの本質的特徴の理解
- No.380 過学習が発生しているモデルの改善手法
- No.394 機械学習がAI分野で果たす中心的役割
- No.402 機械学習データ区分の基礎知識
- No.403 機械学習におけるデータ特性の理解
- No.416 AIモデルのバイアスとバリアンスの理解
- No.421 モデルパラメータとハイパーパラメータの違い
- No.423 機械学習の主要な学習タイプに関する理解
- No.466 AIエージェントの環境適応力を高める要因
- No.468 機械学習モデルの汎化性能最適化
- No.472 機械学習モデルの過学習と未学習の関係
- No.481 機械学習モデルの過学習の根本原因特定
広告