1.2標準
画像に『欠陥あり・なし』のラベルを付ける。
担当者ごとの判断差を抑え、評価可能なデータにする。
データ作成として適切なものを2つ選べ。
× 不正解
ラベル基準は境界例と欠損処理を明示し、複数人の一致度とレビューで品質を管理する。
詳細解説
正しい境界例、曖昧な例、欠損の扱いを含むラベル基準を文書化する
担当者間の判断を揃えられる。
担当者間の判断を揃えられる。
問題の要件では、境界例、曖昧な例、欠損の扱いを含むラベル基準を文書化するが解決する範囲と、別の工程が担う範囲を分けて判断する。
正しい複数人の一致度を測り、意見が分かれる例をレビューする
ラベル品質の不確実性を把握できる。
ラベル品質の不確実性を把握できる。
問題の要件では、複数人の一致度を測り、意見が分かれる例をレビューするが解決する範囲と、別の工程が担う範囲を分けて判断する。
誤りラベル担当者の判断を基準なしでそのまま採用する
一貫性と再現性がない。
一貫性と再現性がない。
問題の要件では、ラベル担当者の判断を基準なしでそのまま採用するが解決する範囲と、別の工程が担う範囲を分けて判断する。
誤りラベルが不一致の例を全て削除する
難しい境界例を失い、本番性能を誤る可能性がある。
難しい境界例を失い、本番性能を誤る可能性がある。
問題の要件では、ラベルが不一致の例を全て削除するが解決する範囲と、別の工程が担う範囲を分けて判断する。
実際に確かめる
一時的な検証環境で実行できる例です。
AWS公式AIF-C01 Domain 1.2のデータラベリング、品質、機械学習ライフサイクルを確認する。期待される結果
ラベルの一貫性と曖昧さを測定・改善する手順を説明できる。理解のポイント
- ラベル基準
- 境界例
- 一致度
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
ラベル基準
入力をどのクラスへ分類するか、曖昧例や欠損をどう扱うかの規則。
アノテータ一致度
複数のラベル担当者が同じデータへ同じラベルを付ける程度。
問題IDAWS-AIF-253
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