『ディープラーニングG検定 最強の合格問題集』出張版
【G検定】AIモデルの精度が低下 開発元が取るべき行動はどれ?
AIの基礎から法律・倫理まで幅広い領域が問われる資格「G検定」。試験範囲の中でも重要度の高いテーマを1問ずつ取り上げ、理解の定着に役立つポイントを確認していきます。今回は、機械学習モデルの納品後に精度が低下した場合の対処法についてです。
「G検定」(ジェネラリスト検定)は、AI(人工知能)技術全般、特に機械学習やディープラーニングの基礎を体系的に学ぶ資格試験です。AI人材の需要の高まりとともに受験者数は年々増加しており、企業でも従業員への取得を奨励する動きが広がっているそうです。
本記事はSBクリエイティブ刊『ディープラーニングG検定(ジェネラリスト)最強の合格問題集[第2版]』(ヤン・ジャクリン著)から、G検定の出題範囲を踏まえた問題と解説を1問1答形式で紹介します。今回は、機械学習モデルの納品後に精度が低下した場合の対処法についてです。モデルは構築して終わりではなく、環境変化を前提とした継続的な運用設計が求められます。技術選定だけでなく、見直し頻度や契約の在り方をどう考えるべきかを整理します。
問題
あなたはクライアントが保有する過去5年間分のデータを用いて、毎月の売上を予測する機械学習モデルを開発した。そのモデルの精度を直近3カ月の新しいデータを用いて精度を検証した上で、納品した。1年後に、納品先の担当者から「最近は約10%の予測が外れるのでモデルの精度改善を望む」と相談された。あなたが取るべき行動として、最も適切な選択肢を1つ選べ。
1.一般的に10%程度の予測のずれは許容範囲と見なされるので、それを論理立てて先方に説明する。
2.迅速に最新の売上予測アルゴリズムについて調査し、それを用いて合計6年間のデータでモデルを再構築する。
3.モデルの見直し頻度を含め、運用の契約について先方と合意をとった上で、モデルのチューニングを継続していく。
4.不当な依頼を今後受けないように、1年前に一度納品し精度を確認してもらった経緯を先方に認識してもらう。
――答えは分かりましたか?
正解と解説
正解は「3.モデルの見直し頻度を含め、運用の契約について先方と合意をとった上で、モデルのチューニングを継続していく。」
選択肢1 一般的な許容範囲というものはなく、案件の要件として発注者(クライアント)と相談し決めるものです。従って、先方は何%の予測のずれまでが許容範囲なのかを確認すべきです。
選択肢2 最新のアルゴリズムが必ずしも、案件に一番適しているとは限りません。
**選択肢4 ** 時系列データに対する予測モデルは時間がたつと、実データのトレンドが徐々に変化し、納品当時に精度が検証されたモデルでも精度が少しずれ始めることは珍しくありません(問題文の相談は不当な依頼ではありません)。よって開発当時の精度検証の経緯に必要以上に固執することは好ましくありません。
※この記事はSBクリエイティブ刊『ディープラーニングG検定(ジェネラリスト)最強の合格問題集[第2版]』から、アイティメディアが出版社の許可を得て一部加筆編集の上、転載したものです(無断転載禁止)。
Copyright © ITmedia, Inc. All Rights Reserved.
『ディープラーニングG検定 最強の合格問題集』出張版
新着ホワイトペーパー PR
-
事例
[サイボウズ株式会社] DXに必要な「Dスキル」「Xスキル」を持った人材を育成するには? -
市場調査・トレンド
[サイボウズ株式会社] データで見る、DXが「順調に進む企業」と「つまずく企業」の違い -
製品資料
[サイボウズ株式会社] 賛否が割れがちな「Notesからの移行」 新環境への移行を納得してもらうには? -
事例
[ServiceNow Japan合同会社] 農林中金に学ぶ内製開発 処理効率を約2倍に高めAI活用も加速させた方法とは? -
事例
[ServiceNow Japan合同会社] NTTグループのデジタル変革術、17万人が利用する決裁プロセス刷新の全貌
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
【基本情報技術者試験】「デュプレックスシステム」と「デュアルシステム」の違いは?
-
2
「VMware離れ」は本当か 3000社がVCF 9にかじを切った現実的な理由
-
3
「Microsoft 365」が乗っ取られる 跡形もなくMFAを破る手口
-
4
100億円の「Linux更新」を回避 みずほ銀行が選んだ“おきて破り”のRHEL延命策
-
5
kintoneで実践 製造業のための「見積もり管理」改善のヒント
-
6
Microsoft製品でここまで自動化できる 情シスがやめられる手作業10選
-
7
MS月例パッチが1000件突破 人手不足の情シスを襲う「月1回メンテ」の崩壊
-
8
「Microsoft一択」で本当にいいのか 知らぬ間にライセンス費用が膨らむ真相
-
9
Oracle巨大ITプロジェクトはなぜつまずいたのか 8年で導入1割、追加で170億ドル
-
10
DXを阻む「動くだけ」のレガシーシステムに決別するための生成AI活用術
ホワイトペーパーランキング PR
-
1
生成AIのハルシネーションを防止 回答精度を高めるセマンティックレイヤーとは
-
2
AIエージェントで多様な日常業務を効率化するための入門ガイド
-
3
5回聞くだけじゃ足りない? トヨタ式「なぜなぜ分析」の正しい実践方法
-
4
AIが「わざわざ使うツール」になっていない? 業務で自然に使う導線にする秘訣
-
5
JR西日本ITソリューションズが「監視業務の属人化」を解消した方法とは?
-
6
「脱Excel」か「Excel快適化」か? 現場にやさしい業務改善の進め方
-
7
インシデント対応工数を約3割削減、東京ガスの事例に学ぶ監視体制刷新のコツ
-
8
マンガで解説:「ゼロトラスト」「SASE」の必要性とメリット
-
9
5分で分かる「セキュア大容量ファイル転送サービス」の機能とメリット
-
10
情報セキュリティ対策早分かりガイド:25の自社診断で弱点と解決策を理解
TechTargetジャパン SNS
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー