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4：責任ある AI に関するガイドライン
- No.21 AIモデルのバイアス検出と透明性向上
- No.28 SageMaker Clarifyの活用
- No.32 生成AIモデル設計におけるトレードオフの理解
- No.51 ML予測の透明性と解釈可能性
- No.80 モデル開発における説明可能性とパフォーマンスの関係
- No.121 AIモデルの透明性と説明可能性
- No.145 映画分類の透明性と解釈性
- No.153 AIモデルの透明性と説明可能性
- No.158 SageMakerモデルの文書化
- No.160 SageMaker Model CardsとAI Service Cardsの役割の違い
- No.176 MLモデルの文書化ツール
- No.197 信用評価システムにおける説明可能性の重要性
- No.219 AWS AIサービスカードの目的
- No.222 説明可能性におけるシャープレイ値とPDP
- No.233 医療AIモデルの透明性と信頼性維持
- No.247 AWS AI Service Cardsの目的
- No.251 SageMakerのデータ集約サービス
- No.253 解釈可能な分類モデルの選択
- No.270 金融ML運用のガバナンスツール
- No.273 基盤モデル評価における解釈可能性の重要性
- No.304 解釈可能性と説明可能性の違いの理解
- No.344 透明性・説明可能性の高いモデルを選ぶ利点
- No.364 モデルの予測根拠を説明するための重要特性
- No.389 モデルガバナンスのためのドキュメント化機能
- No.426 機械学習モデルの予知保全システムにおける設計判断
- No.450 モデル予測の説明可能性を高めるサービスの選定
- No.456 金融機関のAI不正検知と監査対応
- No.470 機械学習モデルの説明可能性手法の理解
- No.485 AIモデルの透明性と説明責任を確保
広告