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
DS検定「第7章 プログラミング・セキュリティ・AI運用」の予想問題を40問収録しています。各問を解説つきで掲載し、全問は演習画面で解けます。公式シラバスの範囲で作成しています。
この章の要点
プログラミング基礎・ITセキュリティ・AIシステム運用などを扱う分野です。全40問（基礎2問・標準17問・応用21問）を収録しています。
- プログラミング基礎
- ITセキュリティ
- AIシステム運用
情報源と編集区分
公式範囲を確認し、問題数・難易度・確認点は当サイトが集計・編集。 一次情報確認日: 2026-07-12。
試験概要（公式）確認しておきたいポイント
当サイトの作問時に観察した、取り違えやすい論点です（公式の統計ではありません）。
- ホワイトボックステストとブラックボックステストの取り違え。内部構造を見てテストするか、入出力の仕様だけを見てテストするかの違い。
- 共通鍵暗号と公開鍵暗号化方式を混同する。公開鍵暗号化方式では受信者の公開鍵で暗号化したデータの復号に受信者の秘密鍵が必要になる。
- MLOpsとAIOpsの範囲を混同する。MLOpsはAIモデルの性能維持管理、AIOpsはITシステム運用全般へのAI活用という異なる対象を指す。
この章の関連用語
この分野の問題で扱う用語です。意味があいまいなものは、用語集で定義を確認できます。
よくある質問
Q第7章 プログラミング・セキュリティ・AI運用は何問収録されていますか？
現在40問を収録しています。内訳は基礎2問・標準17問・応用21問です。
Q第7章 プログラミング・セキュリティ・AI運用の頻出論点は何ですか？
プログラミング基礎・ITセキュリティ・AIシステム運用などが出題対象です（当サイト収録問題に基づく編集部集計）。
Q間違えた問題はどう復習すればいいですか？
誤答した選択肢のどこがずれていたかを解説で確認し、関連用語がある場合は用語集で定義に戻ってから再演習することをおすすめします。
プログラムの内部構造を確認せず、入力と出力の仕様のみに基づいてテストを行う手法として正しいものはどれか。
答えと解説を見る
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）
SQLにおいて、集計関数と組み合わせて特定の列の値でグループ化する句として正しいものはどれか。
答えと解説を見る
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）
公開鍵暗号化方式において、受信者の公開鍵で暗号化されたデータを復号するために必要なものはどれか。
答えと解説を見る
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）
セキュリティの3要素として当てはまらないものはどれか。
答えと解説を見る
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）
AIモデルの性能維持管理作業の基本的な流れを扱う概念として最も適切なものはどれか。
答えと解説を見る
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、劣化への対応などを含めて維持管理する考え方である。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、OAuthは認可の仕組みであり、モデル運用管理の流れそのものではない。設問の中心はモデル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。「AIモデル」と「維持管理作業」を同時に満たす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）
SQLで条件に応じて値を出し分ける構文として最も適切なものはどれか。
答えと解説を見る
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）
データの改ざんがなく正確な状態を保つというセキュリティ要素として最も適切なものはどれか。
答えと解説を見る
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、正確で一貫した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、AutoMLは機械学習モデル構築の自動化であり、データの正確性を保つセキュリティ要素ではない。設問では「改ざんがない」と「正確な状態」の二語が決め手になる。閲覧制限、利用可能性、モデル構築の自動化を除外し、完全性を選ぶ。誰が見られるか、いつ使えるか、内容が正しいかを分けて判断する。
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）
仕様書だけを参照し、内部の分岐やコードを見ずに入出力を検証した。このテスト手法はどれか。
答えと解説を見る
この事例では、状況を表す条件を定義や役割へ対応させると「ブラックボックステスト」に絞れる。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）
売上表を店舗コードごとにまとめ、各店舗の合計額を求めたい。集計単位を指定するSQL句はどれか。
答えと解説を見る
この事例では、状況を表す条件を定義や役割へ対応させると「GROUP BY」に絞れる。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）
受信者の公開鍵で暗号化して送られたファイルを、受信者が復号する。必要な鍵はどれか。
答えと解説を見る
この事例では、状況を表す条件を定義や役割へ対応させると「受信者の秘密鍵」に絞れる。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）
情報セキュリティのCIAに含まれない品質特性はどれか。
答えと解説を見る
この事例では、状況を表す条件を定義や役割へ対応させると「再現性」に絞れる。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）
本番モデルの性能監視、再学習、版管理を継続して行う運用の考え方はどれか。
答えと解説を見る
この事例では、状況を表す条件を定義や役割へ対応させると「MLOps」に絞れる。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、劣化への対応などを含めて維持管理する考え方である。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、OAuthは認可の仕組みであり、モデル運用管理の流れそのものではない。設問の中心はモデル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。「AIモデル」と「維持管理作業」を同時に満たす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）
SQLで点数に応じて『合格』『不合格』という値を返したい。使う構文はどれか。
答えと解説を見る
この事例では、状況を表す条件を定義や役割へ対応させると「CASE文」に絞れる。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）
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。対応するセキュリティ要素はどれか。
答えと解説を見る
この事例では、状況を表す条件を定義や役割へ対応させると「完全性」に絞れる。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、正確で一貫した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、AutoMLは機械学習モデル構築の自動化であり、データの正確性を保つセキュリティ要素ではない。設問では「改ざんがない」と「正確な状態」の二語が決め手になる。閲覧制限、利用可能性、モデル構築の自動化を除外し、完全性を選ぶ。誰が見られるか、いつ使えるか、内容が正しいかを分けて判断する。
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）
品質レビューで次の判断を再検証する。仕様書だけを参照し、内部の分岐やコードを見ずに入出力を検証した。このテスト手法はどれか 根拠と用語の対応まで確認して選べ。
答えと解説を見る
レビューでは、設問の対象と役割を分けると「ブラックボックステスト」を採用できる。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）
品質レビューで次の判断を再検証する。売上表を店舗コードごとにまとめ、各店舗の合計額を求めたい。集計単位を指定するSQL句はどれか 根拠と用語の対応まで確認して選べ。
答えと解説を見る
レビューでは、設問の対象と役割を分けると「GROUP BY」を採用できる。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）
品質レビューで次の判断を再検証する。受信者の公開鍵で暗号化して送られたファイルを、受信者が復号する。必要な鍵はどれか 根拠と用語の対応まで確認して選べ。
答えと解説を見る
レビューでは、設問の対象と役割を分けると「受信者の秘密鍵」を採用できる。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）
品質レビューで次の判断を再検証する。情報セキュリティのCIAに含まれない品質特性はどれか 根拠と用語の対応まで確認して選べ。
答えと解説を見る
レビューでは、設問の対象と役割を分けると「再現性」を採用できる。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）
品質レビューで次の判断を再検証する。本番モデルの性能監視、再学習、版管理を継続して行う運用の考え方はどれか 根拠と用語の対応まで確認して選べ。
答えと解説を見る
レビューでは、設問の対象と役割を分けると「MLOps」を採用できる。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、劣化への対応などを含めて維持管理する考え方である。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、OAuthは認可の仕組みであり、モデル運用管理の流れそのものではない。設問の中心はモデル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。「AIモデル」と「維持管理作業」を同時に満たす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）
品質レビューで次の判断を再検証する。SQLで点数に応じて『合格』『不合格』という値を返したい。使う構文はどれか 根拠と用語の対応まで確認して選べ。
答えと解説を見る
レビューでは、設問の対象と役割を分けると「CASE文」を採用できる。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）
品質レビューで次の判断を再検証する。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。対応するセキュリティ要素はどれか 根拠と用語の対応まで確認して選べ。
答えと解説を見る
レビューでは、設問の対象と役割を分けると「完全性」を採用できる。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、正確で一貫した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、AutoMLは機械学習モデル構築の自動化であり、データの正確性を保つセキュリティ要素ではない。設問では「改ざんがない」と「正確な状態」の二語が決め手になる。閲覧制限、利用可能性、モデル構築の自動化を除外し、完全性を選ぶ。誰が見られるか、いつ使えるか、内容が正しいかを分けて判断する。
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）
誤答除外の観点から次のケースを検討する。仕様書だけを参照し、内部の分岐やコードを見ずに入出力を検証した。このテスト手法はどれか 他の候補が条件を満たさないことも確認して選べ。
答えと解説を見る
誤答候補を役割ごとに除外すると「ブラックボックステスト」だけが条件を満たす。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）
誤答除外の観点から次のケースを検討する。売上表を店舗コードごとにまとめ、各店舗の合計額を求めたい。集計単位を指定するSQL句はどれか 他の候補が条件を満たさないことも確認して選べ。
答えと解説を見る
誤答候補を役割ごとに除外すると「GROUP BY」だけが条件を満たす。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）
誤答除外の観点から次のケースを検討する。受信者の公開鍵で暗号化して送られたファイルを、受信者が復号する。必要な鍵はどれか 他の候補が条件を満たさないことも確認して選べ。
答えと解説を見る
誤答候補を役割ごとに除外すると「受信者の秘密鍵」だけが条件を満たす。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）
誤答除外の観点から次のケースを検討する。情報セキュリティのCIAに含まれない品質特性はどれか 他の候補が条件を満たさないことも確認して選べ。
答えと解説を見る
誤答候補を役割ごとに除外すると「再現性」だけが条件を満たす。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）
誤答除外の観点から次のケースを検討する。本番モデルの性能監視、再学習、版管理を継続して行う運用の考え方はどれか 他の候補が条件を満たさないことも確認して選べ。
答えと解説を見る
誤答候補を役割ごとに除外すると「MLOps」だけが条件を満たす。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維持管理する考え方である。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、OAuthは認可の仕組みであり、モデル運用管理の流れそのものではない。設問の中心はモデル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。「AIモデル」と「維持管理作業」を同時に満たす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）
誤答除外の観点から次のケースを検討する。SQLで点数に応じて『合格』『不合格』という値を返したい。使う構文はどれか 他の候補が条件を満たさないことも確認して選べ。
答えと解説を見る
誤答候補を役割ごとに除外すると「CASE文」だけが条件を満たす。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）
誤答除外の観点から次のケースを検討する。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。対応するセキュリティ要素はどれか 他の候補が条件を満たさないことも確認して選べ。
答えと解説を見る
誤答候補を役割ごとに除外すると「完全性」だけが条件を満たす。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、AutoMLは機械学習モデル構築の自動化であり、データの正確性を保つセキュリティ要素ではない。設問では「改ざんがない」と「正確な状態」の二語が決め手になる。閲覧制限、利用可能性、モデル構築の自動化を除外し、完全性を選ぶ。誰が見られるか、いつ使えるか、内容が正しいかを分けて判断する。
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）
本番環境で稼働中のAIモデルにおいて、時間の経過に伴い入力データの傾向が変化し、モデルの予測精度が徐々に低下していく現象を何と呼ぶか。
答えと解説を見る
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）
機械学習モデルについて、開発から運用までを継続的に管理する取り組みを指す語はどれか。
答えと解説を見る
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す。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であり、対象は機械学習モデルの開発工程そのものではない。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である。設問の対象と範囲に合うのは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）
AIモデルに関わるソースコードの変更履歴を記録し、過去の状態を確認できるように管理する仕組みとして最も適切なものはどれか。
答えと解説を見る
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）
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はどれか。
答えと解説を見る
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が内容を把握することを防ぐために用いる。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。電子署名は電子的な文書などに関わる技術、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る。設問は利用者の権限を決めることではなく、データ自体を読めない形へ変える操作を問うている。したがって暗号化を選ぶ。
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）
入力データから一定の値を得て、同じ入力かどうかの確認などに利用される仕組みはどれか。
答えと解説を見る
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、復号して元の内容を利用することを想定する。電子署名は電子的な文書などに関わる技術、アクセストークンは認可された操作に用いる情報である。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いる。したがってハッシュ関数を選ぶ。
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）
処理の流れや判断の分岐を、記号と矢印で視覚的に表す図はどれか。
答えと解説を見る
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）
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はどれか。
答えと解説を見る
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す。データ型は値の種類を表す概念、フローチャートは処理の流れを表す図、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る。設問では、クラスどうしの継承関係の中で、共通の性質を上位にまとめる役割を問うている。データや処理図、テストの用語ではなく、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）
SQLで、表に格納されたデータの検索・追加・更新・削除を扱う言語区分はどれか。
答えと解説を見る
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る。DDLはテーブルなどの定義を作成・変更するための区分であり、既に格納されている行を操作する役割とは異なる。JOINは複数の表を結合する操作、GROUP BYは集計の対象を指定した列の値ごとにグループ化する句である。設問では表の構造を作ることではなく、格納済みのデータそのものを扱う操作を問うている。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）
受信者の公開鍵で暗号化し、対になる秘密鍵で復号する鍵の仕組みはどれか。
答えと解説を見る
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、元の内容に復号するための鍵の組合せを持たない。アクセスレベルは操作の権限設定、DMLはデータ操作の言語区分である。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）
コード、実行結果、説明文を同じ文書内で扱い、分析の試行を記録しながら進める環境として適したものはどれか。
答えと解説を見る
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）
AIを活用して、ITシステムの運用を効率化する取り組みはどれか。
答えと解説を見る
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）
機械学習モデルの構築・選定・調整を自動化する技術はどれか。
答えと解説を見る
正解は「AutoML」である。AutoMLは、機械学習モデルの構築・選定・調整を自動化する技術を指す。MLOpsは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、モデル構築だけに限定されない。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、AIモデルの劣化は運用中にモデルの予測精度などが低下する現象である。設問はモデルを作る段階での自動化を問うており、作成後の監視・再学習や、IT運用の効率化を表す概念ではない。対象がモデル構築の自動化であることから、AutoML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）