AIデータ整形検定（無料模試）

Q1. AIにCSVデータを整形させる際に最も重要な指定はどれか？

A. データソースを確認しない

B. 結合前にキーの一意性と一致率を確認し、結合結果を検証する

C. 元データを破壊・削除し、検証不能にする

D. 数字を都合よく整形し、誤解を招く資料を作る

Q2. AIにデータ整形を依頼し、再現性を高めるための最も適切な方法はどれか？（最も適切なものを選べ）

A. 元データを破壊・削除し、検証不能にする

B. 結合前にキーの一意性と一致率を確認し、結合結果を検証する

C. 履歴を残さない

D. 数値が不自然でも放置する

Q3. データ整形のバイアスを検知する最も適切な方法はどれか？

A. 結合キーが曖昧でもとりあえず結合してしまう

B. データソースを確認しない

C. 個人情報をそのまま扱う

D. 個人情報は匿名化/マスキングし、外部AIには渡さない設計にする

Q4. 日付データで整形が必要になる典型例として最も適切なのはどれか？

A. 誤った結合で別人のデータを統合し、重大事故を起こす

B. 分類ルールをAIが作ったので検証せず使う

C. 個人情報は匿名化/マスキングし、外部AIには渡さない設計にする

D. 推測で欠損値を補完し、誤った意思決定につながる

Q5. データ結合で一致率が低い場合の最適な対処はどれか？（誤解を避ける観点で最適なものを選べ）

A. データ変更履歴を残し、元データを保持してロールバック可能にする

B. 加工ルールを残さない

C. 整形ルールを保存せず、毎回結果が変わる状態にする

D. データソースを確認しない

Q6. 欠損値をAIが自動補完したが、最も危険なリスクはどれか？（比較して最も望ましいものを選べ）

A. 不明点は仕様確認し、推測で補完しないようにする

B. 分類ルールを曖昧にする

C. 不明値を勝手に埋める

D. 例外ケースは後で考えるとして進める

Q7. AIにデータ整形を頼む場合、最初に渡すべき情報はどれか？

A. エラーが出ても無視して処理を進める

B. 異常値を除外理由なく削る

C. 個人情報をそのままAIに渡し、漏洩リスクを作る

D. 整形後は件数・ユニーク数・平均値などの指標で品質を必ず確認する

Q8. 顧客リスト整形で最も重要な基準はどれか？（誤解を避ける観点で最適なものを選べ）

A. 数値が不自然でも放置する

B. 推測で欠損値を補完し、誤った意思決定につながる

C. 欠損値は全部0で埋めれば早いと判断する

D. 分類ルールはサンプル検証し、例外ケースを確認してから採用する

Q9. 2つのテーブルを結合する際に最も重要な確認はどれか？（最も適切なものを選べ）

A. データ変更履歴を残し、元データを保持してロールバック可能にする

B. 不明点をAIに断定させて処理を進める

C. フォーマットを勝手に変える

D. 単位を統一しない

Q10. 同じ顧客が複数IDで存在する疑いがある場合、最も適切な対処はどれか？（誤解を避ける観点で最適なものを選べ）

A. 不明点をAIに断定させて処理を進める

B. 整形後は件数・ユニーク数・平均値などの指標で品質を必ず確認する

C. 異常値を除外理由なく削る

D. IDを削って追跡不能にする

AIデータ整形検定 （無料模試）

AIデータ整形検定（無料模試）