1.2標準
複数チームが不正取引をラベル付けする。
チームごとの判定差を抑える。
品質管理として適切なものを2つ選べ。
× 不正解
ラベル品質は定義・境界例・不明の扱いをガイド化し、担当者間の一致率・差・再レビューを監視する。
詳細解説
正しい正例・負例・不明の定義、境界例、優先順位をガイドへ記載する
ラベル付けの判断基準をそろえられる。
ラベル付けの判断基準をそろえられる。
問題の要件では、正例・負例・不明の定義、境界例、優先順位をガイドへ記載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。
正しい重複サンプルの一致率、チーム差、再レビュー率を監視する
ラベル品質の変化を検知できる。
ラベル品質の変化を検知できる。
問題の要件では、重複サンプルの一致率、チーム差、再レビュー率を監視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。
誤りラベル担当者へ全ての判断を自由に任せる
定義が分散する。
定義が分散する。
問題の要件では、ラベル担当者へ全ての判断を自由に任せ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。
誤りラベル変更の理由や版を記録しない
学習データの意味を追跡できない。
学習データの意味を追跡できない。
問題の要件では、ラベル変更の理由や版を記録しないが解決する範囲と、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のラベル品質、データ準備、機械学習ライフサイクルを確認する。期待される結果
ラベル定義の不一致を検知し、版付きの基準へ改善できる。理解のポイント
- ラベル定義
- 一致率
- 境界例
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
ラベル品質
学習データの正解ラベルが定義に沿い一貫している度合い。
ラベル一致率
同じデータを複数人が判定したときの一致の割合。
問題IDAWS-AIF-373
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