ISACA Advanced in AI Audit (AAIA日本語版) - AAIA日本語 Exam Practice Test

A. モデルはトレーニングセットで調整されました

B. 異なるシード値を使用するモデルを比較するA/Bテスト

C. モデルは同じデータ分割でトレーニングされました

D. 同じシードを使用するモデルを比較するA/Bテスト

A. AI は価値の高いエントリを優先します。

B. AI はデータセットの一部のみを処理します。

C. AI 出力は最初の 3,000 トークンに偏ります。

D. AI はデータ セットを拒否し、データを分析しません。

A. AIバイアス

B. 個人情報の開示

C. 透明性

D. AIモデルの幻覚

A. 説明可能性を向上させるために、より単純なアルゴリズムを使用します。

B. 堅牢なデータ検証プロトコルを実装します。

C. 外部のサードパーティ モデル プロバイダーに依存します。

D. トレーニング データ セットのサイズを増やします。

A. モデルチューニング

B. モデルテスト

C. モデル検証

D. モデル検証

A. 強化学習

B. 教師あり学習

C. 教師なし学習

D. 連合学習

A. 予想される許容範囲内でデータを正規化する

B. 新しいデータソースに変更

C. データ入力要件を文書化する

D. 新しいデータ属性を定義する

A. 合成によってデータを拡張します。

B. モデルの選択を変更します。
3．リスク受容について文書化する。

C. 利用可能なデータを再ラベル付けします。

A. モデル予測に影響を与えるデータエラーを示す外れ値を特定する

B. 規制遵守のための手続き審査の効率性

C. モデル予測にサンプルデータ集団を利用できる能力

D. データ分析に関連する処理コスト

A. すべての出力を英語に翻訳し、一貫性を確認するために英語で評価します。

B. より高い精度目標を持つ加重指標

C. パリティ閾値を用いた比較言語評価

D. 稼働開始後の非英語言語の人間によるレビュー

A. モデル反転

B. モデルドリフト

C. モデル中毒

D. モデル抽出

A. AIモデルの適応性

B. AIモデルの温度

C. AI開発環境

D. AIトレーニングデータ

A. 食品の調理と配達の合計時間を業界ベンチマークと比較し、個々のレストランの主要な業績指標とリスク指標を設定する

B. ドライバーの維持と解雇の決定は、業界ベンチマークと比較した総労働時間あたりの配達注文数に基づいて行う

C. 時間、コスト、配達距離、顧客満足度の指標を相関させて、標準以下のサービスを受けた顧客にクーポンを発行する

D. サービス速度と食品の品質に関する顧客サービス指標を使用して、顧客維持率と収益予測を予測する

A. ロボティックプロセスオートメーション(RPA)

B. 音声モデリング

C. 自然言語処理

D. コンピュータービジョン

A. AIを利用したゼロデイ攻撃からシステムを保護する

B. モデル出力の人間による監視の必要性を減らす

C. 脆弱性に対処し、出力整合性攻撃のリスクを軽減するため

D. モデルのトレーニングサイクルを加速し、処理速度を向上させる