1.2基礎
工場のセンサー値を継続的に分析する。
通常のパターンから外れた状態を早期に発見したい。
AIのユースケースとして最も適切なものはどれか。
× 不正解
異常検知は、センサー・ログ・取引などのデータから通常状態との差を見つけ、調査や保守のきっかけを作る用途である。
詳細解説
正しいセンサー値から通常と異なる挙動を検知する
時系列の通常パターンから外れた値を見つける異常検知に適している。
誤り予測結果を検証せずに安全装置を無効化する
安全に関わる制御は検証と承認を必要とする。
誤り全設備の配線を人間の確認なしに物理変更する
AI分析と物理設備の変更は別の制御工程が必要である。
誤り暗号化済みデータを必ず平文で保存する
セキュリティ要件に反する保存方法であり、AIの一般的なユースケースではない。
公式資料で確認する
以下の項目を公式資料の記述と照合して確認します。
AWS公式AIF-C01ガイドのDomain 1.2にある異常検知・予測のユースケースを確認する。
参考にした公式資料
確認できる内容
異常検知を、通常パターンとの差を見つける分析として説明できる。
理解のポイント
- 時系列データ
- 通常パターン
- 異常検知
確認時の注意
- 確認環境: AWS公式AIF-C01試験ガイドとAWS公式ドキュメントの確認
- AWS公式ドキュメントの対象サービス・機能の説明と、AIF-C01の対応Taskを確認する。
- サービスの提供範囲と、利用者が設計・設定する範囲を混同しない。
基礎のおさらい
異常検知
正常な挙動の分布や時系列パターンを学習し、外れた観測を候補として通知する。
誤検知
異常検知では誤検知と見逃しのバランスを業務影響に合わせて調整する。
問題IDAWS-AIF-006
確認環境AWS公式AIF-C01試験ガイドとAWS公式ドキュメントの確認
最終技術確認2026-08-20
誤り・権利侵害を報告