2.1基礎
一般画像で学習したモデルを医療画像へ適応する。
既存表現を再利用する利点と限界を説明する。
正しい説明を2つ選べ。
× 不正解
転移学習は既存の表現を別タスクへ再利用し、対象ドメインの分布・ラベル・安全性を評価して適応する。
詳細解説
誤り元モデルの性能が高ければ対象領域でも評価不要である
ドメイン差と安全性を確認しなければならない。
誤り転移学習は新しいラベルやデータを一切必要としない
対象タスクの評価・適応データが必要になる場合がある。
正しい対象ドメインのデータ分布と性能を評価する必要がある
元の学習領域と対象領域が異なると、性能差や負の転移が起き得る。
正しい転移学習は別タスク・ドメインで学んだ表現を再利用する考え方である
少量の対象データで適応できる場合がある。
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 Domain 2.1の基盤モデル、転移学習、適応を確認する。
参考にした公式資料
確認できる内容
転移学習の利点と、対象ドメイン評価の必要性を説明できる。
理解のポイント
- 再利用
- ドメイン差
- 負の転移
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公式ドキュメントで、対象サービスが提供する機能と前提条件を確認する。
- モデル、データ、アプリケーション、利用者の責任分界を混同しない。
基礎のおさらい
転移学習
別のタスクやデータで学んだ表現・重みを、新しいタスクへ再利用する方法。
負の転移
元の知識が対象タスクへ適合せず、適応前より性能を悪化させる現象。
問題IDAWS-AIF-175
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