DS検定 第7章 プログラミング・セキュリティ・AI運用 予想問題と解説

正解は「ブラックボックステスト」である。ブラックボックステストは、プログラムの内部構造を確認せず、入力に対して期待される出力が得られるかを仕様ベースで確認する手法である。ホワイトボックステストは内部構造や分岐を見て確認する。交差検証やホールドアウト法は機械学習モデル評価のためのデータ分割手法である。設問の否定条件である「内部構造を確認せず」を先に固定し、入出力仕様だけを見るブラックボックステストを選ぶ。内部を見るか、外から入出力だけを見るかが二つのテストを分ける軸になる。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

正解は「GROUP BY」である。GROUP BYは、SUMやCOUNTなどの集計関数と組み合わせ、指定した列の値ごとにデータをグループ化するSQL句である。「JOIN」は複数の表を結合するための句であり、「WHERE」は条件に合う行を絞り込むための句であって、いずれも集計単位となるグループを作る句ではない。「CASE」は条件に応じて値を出し分けるための構文であり、集計関数の対象となるグループを作る役割は持たない。設問は集計関数と組み合わせてグループ化する句を問うており、結合・絞り込み・値の出し分けを担う他の句とは役割が異なる。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

正解は「受信者の秘密鍵」である。公開鍵暗号化方式では、受信者の公開鍵で暗号化されたデータは、対応する受信者の秘密鍵で復号する。送信者の公開鍵や秘密鍵、共通のパスワードでは、受信者の公開鍵で暗号化されたデータを復号できない。公開鍵と秘密鍵の対応関係を押さえることが重要である。設問では、誰の鍵で暗号化したかと、誰のどの種類の鍵で復号するかを対にして読む。受信者の公開鍵で暗号化したという条件があるため、受信者の秘密鍵を選ぶ。所有者と鍵の種類の両方が一致するかを最後に確認する。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

正解は「再現性」である。セキュリティの3要素（CIA）は、許可されていない人に情報を見せない機密性、情報が改ざんされず正確な状態を保つ完全性、必要なときに情報やシステムを利用できる可用性の3つで構成される。再現性は分析や実験で同じ条件から同じ結果が得られる性質を指し、データ分析やAI開発の品質を語るうえで重要な概念だが、情報セキュリティの3要素には含まれない。機密性・完全性・可用性はいずれも「情報をどう守るか」という共通の問いに対する3つの側面である一方、再現性は「分析結果がどれだけ再現できるか」という別の問いに答える概念であり、この4択の中で単独で異なる領域に属する。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

正解は「MLOps」である。MLOpsは、AIモデルを作って終わりにせず、運用中の性能監視、再学習、バージョン管理、劣化への対応などを含めて継続的に維持管理する考え方であり、設問の「性能維持管理作業の基本的な流れ」に対応する。AutoMLはモデルの構築・選定・調整を自動化する技術、AIOpsはAIを活用したITシステム全般の運用効率化、OAuthは認可の仕組みであり、いずれもAIモデルの性能を継続的に維持管理する取り組みではない。設問の中心は構築時の自動化ではなく、構築後も性能を維持する一連の運用である点を踏まえ、「AIモデル」と「維持管理作業」の両方に合致するMLOpsを選ぶ。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

正解は「CASE文」である。CASE文は、SQLで条件に応じて値を出し分けるために使う構文で、カテゴリの変換や条件付き集計の前処理などで使われる。GROUP BYは集計時のグループ化、JOINは表の結合、DDLはテーブル定義などを扱うデータ定義言語の区分であり、条件分岐そのものではない。設問の動作は「条件に応じて値を出し分ける」ことである。グループ化、表の結合、データ定義を除外し、条件分岐を記述するCASE文を選ぶ。SQLという共通点より、各構文が行う動作の違いを見る。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

正解は「完全性」である。完全性は、データやシステムが改ざんされず、正確で一貫した状態を保つ性質を指し、設問の「改ざんがなく正確な状態を保つ」という表現に直接対応する。機密性は許可されていない人に内容を見せないこと、可用性は必要なときにデータやシステムを利用できることであり、いずれも内容の正確さそのものを保つ性質ではない。AutoMLは機械学習モデルの構築を自動化する技術であり、セキュリティの三要素とは別の領域の語である。誰が見られるか（機密性）、いつ使えるか（可用性）、内容が正しいか（完全性）を分けて考えると、改ざん防止と正確性という条件を満たすのは完全性だけである。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

内部の分岐やコードを見ずに仕様書だけで入出力を検証しているので、ブラックボックステストにあたる。正解は「ブラックボックステスト（仕様に基づき入出力だけを確認する）」である。ブラックボックステストは、プログラムの内部構造を確認せず、入力に対する出力が仕様どおりかを確かめる手法である。ホワイトボックステストは内部の分岐やコードを確認する点で逆である。交差検証とホールドアウト法は、機械学習モデルの性能を評価するためにデータを分ける手法であり、プログラムの入出力のテストではない。したがって、事例のテスト手法はブラックボックステストである。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

店舗コードごとに合計額を求めるので、店舗コードの値ごとにデータをまとめる句が必要になる。正解は「GROUP BY」である。GROUP BYは、SUMなどの集計関数と組み合わせて、指定した列の値ごとにグループ化する。「JOIN」は表どうしを結ぶ句、「WHERE」は条件で行を絞る句であり、グループを作らない。「UNION」は複数の結果の行を縦にまとめる操作で、集計単位の指定とは別の役割である。したがって、集計単位を指定するSQLの句はGROUP BYである。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

受信者の公開鍵で暗号化されたファイルは、受信者の秘密鍵で復号する。正解は「受信者の秘密鍵」である。公開鍵暗号方式では、公開鍵で暗号化したデータを、対になる秘密鍵で復号する。「送信者の公開鍵」と「送信者の秘密鍵」は送信者側の鍵であり、受信者の公開鍵で暗号化したデータとは対にならないため、復号には使えない。「受信者の公開鍵」は暗号化に使った鍵であり、同じ鍵では復号できない。したがって、受信者の公開鍵で暗号化されて送られたファイルを受信者が復号するために必要な鍵は、対になる受信者の秘密鍵である。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

CIAに含まれないものを選ぶので、まずCIAの3要素を確認する。正解は「再現性（同じ条件で同じ結果が得られる）」である。情報セキュリティのCIAは、許可されていない人に見せない機密性、改ざんされず正確な状態を保つ完全性、必要なときに利用できる可用性の3つである。再現性は、同じ条件で同じ結果が得られる性質であり、データ分析やAI開発の品質を語る概念で、情報セキュリティの3要素には含まれない。したがって、機密性・完全性・可用性の3つは外れ、再現性だけが設問の求めるものにあたる。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

本番モデルの性能監視、再学習、版管理を続けるので、モデルの運用管理に当たる考え方が必要になる。正解は「MLOps」である。MLOpsは、AIモデルを作って終わりにせず、運用中の性能監視、再学習、バージョン管理を継続して行う考え方である。「AutoML」はモデル構築の自動化、「AIOps」はITシステム運用へのAI活用であり、対象や目的が異なる。「Hadoop」は大量データの分散処理基盤で、運用の考え方ではない。したがって、設問の運用の考え方はMLOpsである。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

点数によって返す値を切り替えたいので、条件分岐に当たる構文が必要になる。正解は「CASE文」である。CASE文は、SQLで条件に応じて値を出し分ける構文で、点数を「合格」「不合格」のような区分へ変換するときに使う。「GROUP BY」は集計の単位を指定する句、「JOIN」は表を結ぶ句、「WHERE」は行を絞り込む句であり、どれも返す値を切り替えない。したがって、SQLで点数に応じて「合格」「不合格」という値を返すために使う構文は、CASE文である。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

保存データが不正に書き換えられていないことを保証したいので、改ざんの有無に関わる要素が必要になる。正解は「完全性」である。完全性は、データやシステムが改ざんされず、正確な状態を保つ性質を指す。「機密性」は許可されていない人に見せないこと、「可用性」は必要なときに利用できることであり、書き換えの有無とは別の観点である。「再現性」は同じ条件で同じ結果が得られる性質で、情報セキュリティの要素ではない。したがって、設問に対応するセキュリティ要素は完全性である。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

内部の分岐をすべて通るようにデータを作っているので、内部の構造を確認して検証する手法にあたる。正解は「ホワイトボックステスト」である。ホワイトボックステストは、プログラムの内部の構造や分岐を確認しながら動作を検証する手法で、分岐を網羅するテストはその例である。「ブラックボックステスト」は内部を見ずに入力と出力だけを確認する手法で、見る対象が逆である。「交差検証」と「ホールドアウト法」は機械学習モデルの性能を確かめる手法であり、プログラムのテスト手法ではない。したがって、設問のテスト手法はホワイトボックステストである。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

2つの表を共通のキーで結び付けたいので、表を結合する句が必要になる。正解は「JOIN」である。JOINは、顧客IDのような共通の列をキーにして、複数の表を1つの結果に結び付けるSQLの句である。「GROUP BY」は指定した列の値ごとにまとめて集計する句、「CASE文」は条件に応じて返す値を出し分ける構文であり、表を結び付けない。「DDL」はテーブルの作成や変更のようにデータの構造を定義するための言語の区分であり、結合の句ではない。したがって、設問のSQLの句はJOINである。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

データが少しでも変わると値が大きく変わる固定長の値を使うので、ハッシュ関数にあたる。正解は「ハッシュ関数」である。ハッシュ関数は、元のデータから固定長の値を計算する関数で、元のデータが少しでも変わると値が大きく変わるため、計算した値を比べて改ざんの有無を確かめられる。「アクセストークン」はアクセスの権限を示す情報、「OAuth」は認可を安全に渡す仕組み、「暗号化」はデータを第三者が読めない形に変える処理であり、いずれも改ざんを確かめる関数ではない。したがって、設問で使うものはハッシュ関数である。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

障害時にも必要なときに使い続けられるようにしたいので、利用できることに関わる要素を選ぶ。正解は「可用性」である。可用性は、必要なときに情報やシステムを利用できる性質を指し、情報セキュリティのCIAの1つである。「機密性」は許可されていない人に見せないこと、「完全性」はデータが改ざんされず正確であることであり、使い続けられることとは別の観点である。「再現性」は同じ条件で同じ結果が得られる性質で、情報セキュリティの要素ではない。したがって、設問が重視する要素は可用性である。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

本番でモデルの精度が時間とともに下がっていく状態を指す言葉が問われている。正解は「AIモデルの劣化」である。AIモデルの劣化は、データの傾向の変化などによって、本番で使うモデルの予測精度が下がっていく状態で、モニタリングで気づいて再学習などで対応する。「AutoML」はモデル構築の自動化、「Gitバージョン管理」は変更履歴の管理、「AIコードレビュー」はAIによるコードの確認支援であり、いずれも精度が下がる状態の名称ではない。したがって、設問の状態はAIモデルの劣化である。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

行の追加や更新といったデータの操作を行う命令の区分が問われている。正解は「DML」である。DMLは、テーブルの行を追加、更新、削除するなど、データを操作するためのSQLの区分である。「DDL」はテーブルの作成や変更のように、データの構造を定義する区分で、行の操作とは異なる。「JOIN」は表を結び付ける句、「GROUP BY」は集計の単位を指定する句であり、どちらも命令の区分ではない。したがって、テーブルに行を追加したり既存の行を更新したりする命令が属するSQLの区分は、DMLである。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

作成者が本人であることと改ざんされていないことを、第三者が確かめられる仕組みが問われている。正解は「電子署名」である。電子署名は、作成者の秘密鍵で署名を付け、第三者が対応する公開鍵で確かめる仕組みで、作成者の確認と改ざんの有無の確認の両方ができる。「暗号化」は内容を読めなくして守る処理、「アクセスレベル」はアクセスの範囲を決める設定、「OAuth」は認可を安全に渡す仕組みであり、いずれも第三者が作成者や改ざんの有無を確かめるものではない。したがって、設問の仕組みは電子署名である。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

誤っている説明を選ぶので、2つのテスト手法の取り違えを探す。正解は「ブラックボックステストは、プログラムの内部の分岐を確認しながら検証する手法である」である。ブラックボックステストは、内部の構造を見ずに、仕様に基づいて入力と出力だけを確認する手法で、内部の分岐を確認するのはホワイトボックステストである。ホワイトボックステストと分岐テストの説明、交差検証が機械学習モデルの性能を確かめる手法でありプログラムのテスト手法ではないことは、正しい説明である。したがって、ブラックボックステストに内部の確認を当てはめた説明が、設問の誤った説明である。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

誤っている説明を選ぶので、SQLの句の役割の取り違えを探す。正解は「GROUP BYは、複数の表を結び付けるための句である」である。複数の表を結び付けるのはJOINで、GROUP BYは指定した列の値ごとにデータをまとめて集計するための句である。JOINの説明、CASE文が条件に応じて返す値を出し分ける構文であること、DDLがデータの構造を定義するための区分であることは、いずれも正しい説明である。したがって、GROUP BYにJOINの役割を当てはめた説明が、設問の誤った説明である。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

誤っている説明を選ぶので、鍵の対応関係の取り違えを探す。正解は「公開鍵暗号方式では、受信者の公開鍵で暗号化したデータを、送信者の秘密鍵で復号する」である。公開鍵で暗号化したデータは、対になる秘密鍵でしか復号できず、受信者の公開鍵で暗号化したものは受信者の秘密鍵で復号する。送信者の秘密鍵では復号できない。公開鍵と秘密鍵の関係の説明、ハッシュ関数が固定長の値を計算する関数であること、電子署名が作成者の秘密鍵で署名して公開鍵で確かめる仕組みであることは、正しい説明である。したがって、送信者の秘密鍵で復号するとする説明が、設問の誤った説明である。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

誤っている説明を選ぶので、CIAの要素の取り違えを探す。正解は「可用性は、許可されていない人に情報を見せない性質である」である。許可されていない人に情報を見せない性質は機密性で、可用性は必要なときに情報やシステムを利用できる性質である。完全性がデータが改ざんされず正確な状態を保つ性質であること、機密性の説明、再現性が分析の品質に関わる概念でCIAには含まれないことは、正しい説明である。したがって、可用性に機密性の内容を当てはめた説明が、設問の誤った説明である。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

誤っている説明を選ぶので、MLOpsの定義と食い違うものを探す。正解は「MLOpsは、モデルを一度作れば、運用中の監視や再学習を行わない考え方である」である。MLOpsは、モデルを作って終わりにせず、運用中の性能監視、再学習、バージョン管理を継続して行う考え方である。AutoMLがモデル構築を自動化する取り組みであること、AIOpsがITシステムの運用にAIを活用する取り組みであること、AIモデルの劣化が本番で精度が下がる状態であることは、正しい説明である。したがって、運用中の管理を行わないとする説明が、設問の誤った説明である。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

誤っている説明を選ぶので、SQLの構文の役割の取り違えを探す。正解は「CASE文は、指定した列の値ごとにデータをまとめて集計する構文である」である。列の値ごとにまとめて集計するのはGROUP BYで、CASE文は、条件に応じて返す値を出し分ける構文である。GROUP BYの説明、DMLがテーブルの行を追加、更新、削除するなどデータを操作する区分であること、JOINが複数の表を共通の列で結び付ける句であることは、正しい説明である。したがって、CASE文にGROUP BYの役割を当てはめた説明が、設問の誤った説明である。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

誤っている説明を選ぶので、仕組みの役割の取り違えを探す。正解は「電子署名は、データを第三者が読めない形に変換して、内容を守る処理である」である。データを第三者が読めない形に変換して内容を守るのは暗号化で、電子署名は、作成者の秘密鍵で署名を付け、公開鍵で確かめることで、作成者と改ざんの有無を確認する仕組みである。暗号化の説明、電子署名の本来の説明、アクセスレベルが利用者ごとにアクセスできる範囲を決める設定であることは、正しい説明である。したがって、電子署名に暗号化の内容を当てはめた説明が、設問の誤った説明である。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

正解は「AIモデルの劣化」である。本番運用中のAIモデルは、時間の経過とともに入力データの傾向（分布）が学習時と変化していくことで、予測精度が徐々に低下していくことがあり、この現象をAIモデルの劣化と呼ぶ。「AutoML」は機械学習モデルの構築・選定・調整を自動化する技術であり、劣化そのものを指す語ではない。「MLOps」は機械学習モデルの開発から運用までを一貫して管理する運用体制・手法を指し、劣化を防ぐための取り組みの一つではあるが劣化という現象自体を指す語ではない。「AIOps」はAIを活用してITシステムの運用を効率化する取り組みを指し、AIモデル自体の精度低下を指す語ではない。したがって、入力データの傾向変化に伴う予測精度の低下という現象を指すのは「AIモデルの劣化」である。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

正解は「MLOps」である。MLOpsは機械学習モデルの開発から運用までを継続的に管理する取り組みを指し、設問の「開発から運用までを継続的に管理する」という表現に対応する。AIOpsはAIを活用したITシステム全般の運用効率化であり、対象が機械学習モデルの開発工程に限られない点で異なる。AutoMLはモデルの構築・選定・調整を自動化する技術であり、開発から運用までの管理全体を指す語ではない。AIモデルの劣化は、運用中に入力データの傾向変化などで予測精度が低下する現象を指し、管理の取り組み名ではなく起こり得る問題そのものを表す。管理の範囲が開発から運用までを貫くかどうかで判断し、MLOpsを選ぶ。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

正解は「Gitバージョン管理」である。Gitバージョン管理はソースコードの変更履歴を記録・管理し、どの変更がいつ加わったかや過去の状態を確認するための仕組みである。MLOpsは機械学習モデルの開発から運用までを継続的に管理する取り組み、AIOpsはAIを活用してITシステム運用を効率化する取り組み、AutoMLはモデル構築・選定・調整を自動化する技術を指す。設問はモデル運用全体ではなく、ソースコードの変更履歴という管理対象を問うている。管理する対象を取り違えないことが判断の軸になる。したがってGitバージョン管理を選ぶ。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

正解は「暗号化」である。暗号化はデータを内容が容易に読めない形へ変換し、許可されていない者による内容の把握を防ぐために用いる操作であり、設問の「読めない形へ変換し」「把握を防ぐ」という表現に対応する。ハッシュ関数は入力から一定の値を得る仕組みであり、元の内容を読める形へ戻すことを前提とした変換ではない点で異なる。電子署名は文書の作成者や改変の有無を確認する技術であり、内容を読めなくすることが目的ではない。アクセスレベルは誰にどの範囲までの操作を許可するかに関わる設定であり、データ自体の変換ではない。設問は利用者の権限ではなく、データ自体を読めない形へ変える操作を問うており、暗号化が該当する。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

正解は「ハッシュ関数」である。ハッシュ関数は入力データから一定の値を得る仕組みであり、同じ入力から常に同じ値が得られる性質を利用して、同じ内容かどうかの確認などに用いられる。暗号化は、許可されていない者が内容を読めない形へ変換する操作であり、対になる鍵などで復号して元の内容を利用することを前提とする点で異なる。電子署名は文書の作成者や改変の有無を確認する技術、アクセストークンは認可された操作の範囲を示す情報であり、いずれも入力を一定の値に変換する仕組みではない。設問は内容を秘匿することではなく、入力を一定の値に変換して照合の手掛かりにする役割を問うており、ハッシュ関数が該当する。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

正解は「フローチャート」である。フローチャートは、処理の順序や条件による分岐を、定められた記号と矢印を使って視覚的に表す図である。ER図はテーブルなどの実体と関係を表す図、散布図行列は複数の変数間の関係を散布図として並べる可視化、ベン図は集合の関係を表す図である。設問ではデータの関係ではなく、プログラムや処理の手順がどの順に進み、どこで分岐するかを問うている。矢印で処理の流れを追える図という特徴から、フローチャートを選ぶ。処理の漏れや条件分岐の見落としを点検する際にも、流れを図示することで関係者間の理解をそろえやすい。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

正解は「スーパークラス」である。スーパークラスは、オブジェクト指向で共通する属性や振る舞いを定義し、他のクラスが継承する基になるクラスを指し、設問の「他のクラスが継承する基になるクラス」という表現に対応する。データ型は整数や文字列など値の種類を表す概念、フローチャートは処理の流れや分岐を図で表す方法であり、いずれもクラスの継承関係を扱う語ではない。ブラックボックステストは内部構造を見ずに入出力の振る舞いを確認するテスト手法であり、設計上の継承構造とは別の領域を扱う。設問では共通の性質を上位にまとめる継承関係の役割を問うており、継承される側のクラスに当たるスーパークラスを選ぶ。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

正解は「DML」である。DMLは、SQLで表に格納されたデータを検索、追加、更新、削除する操作を扱う言語区分であり、設問の「検索・追加・更新・削除を扱う」という表現に対応する。DDLはCREATE TABLEなどテーブルの構造を定義・変更する区分であり、既に格納されている行を操作する役割とは異なる。JOINは複数の表を結合して関連する行を取り出す操作、GROUP BYは指定した列の値ごとに行をグループ化して集計に用いる句であり、いずれもDMLに含まれる操作・句であって区分名ではない。設問は表の構造を作ることではなく格納済みのデータを扱う操作を問うており、操作対象が定義か行データかを区別してDMLを選ぶ。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

正解は「公開鍵暗号化方式」である。公開鍵暗号化方式では、受信者が公開できる公開鍵と、本人だけが管理する秘密鍵を対にして用いる。送信者は受信者の公開鍵で暗号化し、受信者は対になる秘密鍵で復号することで内容を保護でき、設問の「公開鍵で暗号化し、対になる秘密鍵で復号する」という表現に対応する。ハッシュ関数は入力から一定の値を得る仕組みであり、暗号化した内容を元へ戻すための鍵の組合せを持たない点で異なる。アクセスレベルは操作を許可する権限設定、DMLは表のデータを検索・追加・更新・削除するSQLの言語区分であり、いずれも鍵を用いた暗号化の仕組みではない。設問の鍵が公開鍵と秘密鍵の対である点から、公開鍵暗号化方式を選ぶ。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

正解は「Jupyter Notebook」である。Jupyter Notebookは、コードを実行するセル、実行結果、説明文を同じ文書内で扱える環境であり、データ分析の試行や結果の記録をまとめて進める際に利用できる。RStudioも分析環境の一つだが、設問が示すノートブック形式の文書内でコードと結果・説明を並べる特徴に最も直接対応するのはJupyter Notebookである。Gitバージョン管理は変更履歴を管理する仕組み、フローチャートは処理の流れを表す図である。分析過程を再現しやすい形で記録する環境を問うているため、Jupyter Notebookを選ぶ。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）

正解は「AIOps」である。AIOpsは、AIを活用してITシステムの運用を効率化する取り組みを指す。MLOpsは機械学習モデルの開発から運用までを継続的に管理する取り組みであり、対象の中心はモデルのライフサイクルである。AutoMLはモデルの構築・選定・調整を自動化する技術、Gitバージョン管理はソースコードなどの変更履歴を管理する仕組みである。設問ではモデル自体の性能維持ではなく、ITシステムを運用する作業へのAI活用を問うている。管理対象がITシステム運用であることを手掛かりに、AIOpsを選ぶ。

https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）