AWS認定資格 無料問題集
解答・解説
第1問 採用プロセスにおけるバイアス検出ツール
あなたの会社では、採用プロセスに機械学習モデルを活用していますが、応募者の評価において不当な偏りを避けることが重要なシステム要件となっています。この場合、機械学習モデルの公平性を確保して、バイアス検出を支援するための最適なサービスあるいはツールを選択してください。
（問題ID：AIF204C001）
解答
正しい解答：Ｂ. Amazon SageMaker Clarify
URL を直接入力して「解答・解説」画面を表示した場合、何を選択・解答したかを特定できないため、解答の正誤判定ができません。必要に応じて「同じ問題に再挑戦」ボタンをクリックして、この問題に再チャレンジしてみてください。
徹底解説
採用プロセスに機械学習（ML：Machine Learning）モデルを活用して、応募者の評価をする場合に、不当な偏りを避けるためのシステム要件を満たすには、Amazon SageMaker Clarify を採用することが最も適しています。Amazon SageMaker Clarify は、機械学習モデルの公平性を評価して、バイアスを検出するためのツールです。このサービス（ツール）は、モデルの予測結果に潜在的なバイアスが含まれていないかを分析して、説明可能性を提供する機能を備えています。これによって、モデルが特定のグループに対して不公平な判断をしていないかを確認できて、採用プロセスの透明性と公平性を確保することが可能になります。
その他の選択肢は、採用プロセスの応募者の評価の不当な偏りを防ぐことに適したサービスやツールではありません。Amazon SageMaker Data Wrangler は、ML モデルを構築する前に、データのクレンジング、変換、特徴量エンジニアリングなどのデータ準備プロセスを簡素化して、GUI（Graphical User Interface）を使って迅速に実行するためのツールです。Amazon SageMaker Ground Truth は、多くの時間とリソースを要する機械学習モデルのトレーニング・データセット（ラベル付きデータセット）を効率的に作成するためのサービスです。本サービスを利用することで、データ・ラベリングのプロセスを効率化して、高品質なトレーニング・データを迅速に得ることができます。また、Amazon SageMaker Feature Store は、機械学習モデルで使用する特徴量を保存、共有、管理するためのサービスです。特徴量（Feature）とは、機械学習モデルがデータを理解して、予測を行うために使用する入力データの属性や指標です。機械学習において、特徴量はモデルの性能に大きな影響を与えるため、これらを効率的に管理することが重要です。
Step Up！
説明可能性（Explainability）とは、特定のシステムやモデルがどのようにして特定の結果を導き出したのかを、人間が理解できる形で説明できる能力のことです。
問題掲載日：2025-08-31
Information
What's New
- 2025/9/4 問題ID: AIF201C003 機械学習における特徴量エンジニアリングの目的に関する問題を加筆・修正しました。
- 2025/9/3 問題ID: AIF202C007 患者の年齢層に応じた健康相談チャットボットに関する問題を追加しました。
- 2025/9/1 問題ID: AIF201C008 農作物の収穫最大化に向けた人工知能の技術の応用に関する問題を追加しました。
- 2025/8/31 AI Practitioner の問題を 30問 追加しました。
Reference Books
AWS認定 AIプラクティショナー 合格対策テキスト＋問題集
図解も豊富でとても理解しやすく、試験の対策に必要な知識を効率よく学べる一冊です。AIの歴史経緯も説明されているところも面白い。テキストと問題集がセットになっており、基礎から実践まで無理なく進められます。ページ数も控えめで読みやすく、クラウドやAIの初心者でも安心して取り組める内容です。
AWS認定 資格試験テキスト AWS認定AIプラクティショナー
AWS認定 AIプラクティショナー試験（AIF-C01）の“緑本”とも呼ばれる定番テキストです。AIや機械学習、生成AIなどの基礎知識を幅広く網羅しており、図解も豊富で初心者にもわかりやすい構成です。練習問題も充実しており、試験対策として安心して使える一冊です。さらに、当サイトの問題演習と組み合わせることで、効率的に知識を定着させることができます。