MLA-C02：AWS Certified Machine Learning Engineer - Associate ML・AI のためのデータ準備 問5
ML・AI のためのデータ準備／データ品質の検証とバイアスの管理学習用データセットに欠損値・重複・外れ値が含まれており、モデルの品質に影響しています。学習前に品質を検証・クレンジングしたいと考えています。最も適切なのはどれですか。
当サイトのオリジナル問題（MLA-C02：AWS Certified Machine Learning Engineer - Associateの出題範囲「ML・AI のためのデータ準備」に対応。実際の試験問題ではありません）
- AAWS Glue Data Quality や AWS Glue DataBrew で品質ルールの検証・プロファイリングを行い、欠損値補完・重複排除・外れ値処理などのクレンジングを実施する
- B品質は検証せず、生データのまま学習する
- Cデータ量が多いほど良いので、重複も外れ値もそのまま残す
- DAmazon QuickSight のダッシュボードを見れば品質は自動的に保証される
正解：A
解説
学習前のデータ品質の検証・クレンジングには、AWS Glue Data Quality や AWS Glue DataBrew でルール検証・プロファイリングを行い、欠損値補完・重複排除・外れ値処理などを実施するのが適切です。品質を検証せず生データで学習したり、重複・外れ値を残すのはモデル品質を損ないます。
選択肢ごとの解説
- A正しい。Glue Data Quality／DataBrew で品質検証・プロファイリングとクレンジングを行えます。
- B誤り。生データのままの学習は品質問題をモデルに持ち込みます。
- C誤り。重複や外れ値を残すのは、量を増やしても品質を損ないます。
- D誤り。QuickSight の可視化は品質を自動保証するものではありません。