ISTQB AI Tester認定試験の**Chapter 3（Machine Learning）**では、
機械学習の基本概念を「定義レベルで正しく理解しているか」が問われます。
今回は公式チュートリアル動画に基づき、
実際の試験形式に近いサンプル問題3問を使って、
✔ 問題文の読み方
✔ 選択肢の見極め方
✔ ありがちなひっかけポイント
を丁寧に解説していきます。
問題1：教師あり学習における分類（Classification）と回帰（Regression）
問題文
次のうち、教師あり学習（Supervised Learning）における「分類」と「回帰」を最も適切に説明しているものはどれか。
選択肢
A. 回帰とは、同じテストデータを実行したときに、MLモデルの結果が変わらないことを確認することである
B. 分類とは、ラベル付きデータを複数のクラスにグループ化することである
C. 分類とは、MLモデルを学習させるためにデータにラベルを付与することである
D. 回帰とは、MLモデルが出力するクラス数を予測することである
正解
✅ B. 分類とは、ラベル付きデータを複数のクラスにグループ化することである
解説
この問題の最大のポイントは、**問題文にある「best（最も適切）」**という言葉です。
試験では「一部正しい」選択肢ではなく、定義として完全に正しいものを選ぶ必要があります。
-
A：これは「回帰（Regression）」ではなく、ソフトウェアテストにおける「リグレッションテスト」の説明
-
B：分類の正確な定義。教師あり学習では正解
-
C：ラベル付けは「前処理作業」であり、分類そのものではない
-
D：回帰は「数値を予測する」ものであり、クラス数の予測ではない
👉 用語の定義を正確に覚えているかが問われる典型問題です。
問題2：強化学習（Reinforcement Learning）の具体例
問題文
次のうち、強化学習（Reinforcement Learning）の例として最も適切なものはどれか。
選択肢
A. モバイルゲームアプリが、プレイヤーの課金額に応じてフィードバックのタイミングや選択肢を変更する
B. 翻訳アプリが、インターネット上の多言語テキストを検索して翻訳精度を向上させる
C. 工場の品質検査システムが、人間の検査員を監視して不良品を識別する
D. 欠陥予測システムが、過去の品質指標を使って不具合が多そうな部品を特定する
正解
✅ A. モバイルゲームアプリが、プレイヤーの課金額に応じて挙動を変える
解説
強化学習の本質は次の3点です。
-
環境との相互作用
-
行動に対する報酬（Reward）
-
報酬を最大化するように振る舞いを変える
各選択肢の判断ポイント
-
A：
課金額＝報酬
行動（UI変更）＝報酬最大化
👉 強化学習の典型例
-
B：
正解データをもとに学習 → 教師あり学習
-
C：
人間が正解（ゴールドスタンダード） → 教師あり学習
-
D：
過去データに基づく予測 → 教師あり学習
👉 **「報酬関数があるかどうか」**を必ず確認しましょう。
問題3：過学習（Overfitting）の原因
問題文
学習済みMLモデルをテストしたところ、検証データでは高い精度を示したが、独立したテストデータでは性能が著しく低下した。
この状況の最も可能性の高い原因はどれか。
選択肢
A. アンダーフィッティング（Underfitting）
B. コンセプトドリフト（Concept Drift）
C. オーバーフィッティング（Overfitting）
D. 受入基準の不備
正解
✅ C. オーバーフィッティング（Overfitting）
解説
これは試験でも頻出の超重要パターンです。
-
検証データでは良い
-
未知データでは悪い
👉 これは典型的な 過学習（Overfitting）
他の選択肢が違う理由
-
A：学習不足なら、検証データでも精度は低い
-
B：学習後に環境が変化する現象。今回は該当しない
-
D：要件の問題であり、データ依存の精度差とは関係しにくい
試験対策のポイントまとめ
-
「best」「most appropriate」という表現に注意
-
正解だけでなく不正解の理由を説明できるようにする
-
用語定義（分類・回帰・強化学習・過学習）は暗記レベルで
ISTQB AI Testerでは、
曖昧な理解は必ずひっかけられます。
まとめ
Chapter 3のサンプル問題は、
「機械学習をなんとなく知っている人」と
「定義を正確に理解している人」をはっきり分ける内容です。
✔ 用語を正確に
✔ 具体例とセットで
✔ なぜ違うのかを説明できる
この3点を意識して学習すれば、確実に得点源になります。
コメント