4.1標準
人手で付けた不正取引ラベルに担当者間の不一致がある。
モデル学習前にラベル品質を改善する。
対応として適切なものを2つ選べ。
× 不正解
ラベル品質は定義・例・評価者一致を確認し、不一致を再確認して変更履歴を残す。ラベルノイズは性能と公平性へ影響する。
詳細解説
正しい不一致や低信頼ラベルを再確認し、変更履歴を記録する
誤ラベルを減らし、データ品質と再現性を高められる。
誤りラベルの判断基準をモデルへ任せ、記録しない
監査と再評価ができなくなる。
正しいラベル定義と判定例を明文化し、複数評価者の一致を測る
基準の曖昧さと担当者間の差を把握できる。
誤りラベルが矛盾していても件数だけ増やす
誤った教師信号が増えて性能と公平性を損なう。
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。
Task 4.1のラベル品質・人手監査と公式のアノテーション統合の説明を確認する。同じ取引のラベルが割れた仮想例で、判定基準、担当者間の一致、不一致の再確認、修正理由の記録を分けて整理する。
参考にした公式資料
確認できる内容
ラベルの誤りと基準の曖昧さを切り分け、一致度の高さだけで正しさや公平性を保証しないと説明できる。
理解のポイント
- ラベル定義
- 評価者一致
- 変更履歴
確認時の注意
- 確認環境: 公式資料と仮想例による参照確認。AWSリソースの作成やモデル学習の実行は不要。
- 複数人が同じ誤解を共有することもある。一致度だけで正解とせず、業務根拠と不一致例を監査する。
- 参照するGround Truthの資料には新規顧客の受付終了が記載されている。この参照演習はラベル品質の考え方を確認するもので、新しいジョブや契約を作成しない。
基礎のおさらい
ラベルノイズ
誤り、不一致、曖昧さを含む教師ラベルによる学習信号の乱れ。
評価者一致
複数のラベル付与者が同じ基準で一致した程度。
問題IDAWS-AIF-153
確認環境公式資料と仮想例による参照確認。AWSリソースの作成やモデル学習の実行は不要。
最終技術確認2026-10-24
誤り・権利侵害を報告