1.3標準
同じモデルを複数回学習すると性能が変わる。
採用判断の再現性を確保する。
実験管理として適切なものを2つ選べ。
× 不正解
実験の揺らぎは乱数種・分割・環境・設定を記録し、複数回の平均・ばらつき・安全性で評価する。
詳細解説
正しい乱数種、データ分割、環境、コード、モデル設定を記録する
結果の差を再現・比較できる。
結果の差を再現・比較できる。
問題の要件では、乱数種、データ分割、環境、コード、モデル設定を記録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。
正しい複数の乱数種で性能の平均・ばらつき・安全性を評価する
一回の偶然を採用しにくい。
一回の偶然を採用しにくい。
問題の要件では、複数の乱数種で性能の平均・ばらつき・安全性を評価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。
誤り最高スコアの一回だけでモデルを選ぶ
偶然の影響を無視する。
偶然の影響を無視する。
問題の要件では、最高スコアの一回だけでモデルを選ぶが解決する範囲と、別の工程が担う範囲を分けて判断する。
誤りデータ分割を毎回変え、設定を保存しない
結果の比較ができない。
結果の比較ができない。
問題の要件では、データ分割を毎回変え、設定を保存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 1.3の実験管理、再現性、モデル評価を確認する。期待される結果
確率的な学習結果を再現可能な条件で比較し、ばらつきも判断できる。理解のポイント
- 乱数種
- ばらつき
- 再現性
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
乱数種
確率的処理の乱数系列を固定・識別する値。
実験ばらつき
同じ設計でも乱数やデータ分割で結果が変わる幅。
問題IDAWS-AIF-394
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