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（2/2）

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）

正解は「アクセスレベル」である。アクセスレベルは、利用者や役割ごとに情報や機能へアクセスできる範囲・権限の段階を割り当てる考え方である。設問では閲覧担当者と管理者で許可する操作を分けるため、役割に応じたアクセスレベルを設定する。ハッシュ関数は入力から一定の値を得る仕組み、公開鍵暗号化方式は公開鍵と秘密鍵を対にして内容を保護する方式、電子署名は作成者と改変の有無を確認する仕組みである。誰がどこまで操作できるかを問う場面と、データ自体を保護・確認する場面を区別する。

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「電子署名」である。電子署名は、電子データの作成者と、作成後に内容が改変されていないことの確認に用いる仕組みである。設問では文書の内容を読めない形にするのではなく、作成者と改変の有無という二点を確かめたいので電子署名を選ぶ。暗号化は情報を容易に読めない形へ変換して内容を保護する操作、アクセスレベルは利用者ごとの権限範囲、アクセストークンは認可された範囲で資源へアクセスするための情報である。機密性の確保か、作成者・完全性の確認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）

正解は「OAuth」である。OAuthは、利用者のパスワードそのものを他のサービスへ渡さず、許可した範囲のアクセス権限を委譲するための認可の仕組みである。設問では外部アプリに別サービスの情報を利用させる一方、本人のパスワードは共有しないためOAuthが当てはまる。公開鍵暗号化方式は鍵の対で内容を保護する方式、電子署名は作成者と改変の有無の確認、ハッシュ関数は入力から一定の値を得る仕組みである。本人確認そのものではなく、別アプリへ限定した権限を渡す認可を問うている。

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「アクセストークン」である。アクセストークンは、OAuthなどで認可された範囲に従い、APIなどの資源へアクセスするために用いる情報である。設問では利用者の許可がすでに完了し、外部アプリがAPIへアクセスする段階なのでアクセストークンを提示する。利用者のパスワードを外部アプリへ渡さないことがOAuthの判断軸である。電子署名は作成者と改変の有無を確認する仕組み、秘密鍵は公開鍵と対で管理する鍵であり、認可されたAPIアクセスを示す情報ではない。認可の仕組みと、認可結果として使う情報を区別する。

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「コーディング支援」である。コーディング支援は、AIがコードの補完や生成案を提示し、プログラミング作業の効率化を助ける機能・仕組みである。設問はコードを書いている最中の提案を扱うためコーディング支援に当たる。モニタリングは運用開始後の予測精度やシステム状態を継続的に監視すること、MLOpsはAIモデルの開発から運用までを継続的に管理する考え方、アクセスレベルは利用者ごとの権限範囲である。開発中のコード作成支援か、運用中のモデル・システム管理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）

正解は「データ型」である。データ型は、整数、文字列、真偽値など、プログラムが扱う値の種類を区別する分類であり、値に対してどの演算や処理が適用できるかを判断する基礎になる。オブジェクト指向はデータと操作をオブジェクトとしてまとめる設計の考え方、スーパークラスは他のクラスが継承する基となるクラス、フローチャートは処理の流れを図で表す方法である。値そのものの種類を問う点からデータ型を選ぶ。同じ見た目の値でも、数値として計算するか文字列として扱うかで処理の意味が変わるため、種類の区別が必要になる。

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「オブジェクト指向」である。オブジェクト指向は、データとそのデータに対する操作を一つのまとまりであるオブジェクトとして扱うプログラム設計の考え方である。設問では顧客の属性と残高更新の操作を同じ対象へまとめているため、オブジェクト指向に当たる。データ型は整数や文字列など値の種類、DMLは表のデータを検索・追加・更新・削除するSQLの区分、フローチャートは処理の順序や分岐を図で表す方法である。データだけでなく、それに関係する操作もまとめる点を確認する。

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「RStudio」である。RStudioは、統計解析向けのプログラミング言語Rを使った開発を支援する統合開発環境である。設問では対象言語がRであり、コードの作成や実行をまとめて支援する環境を問うためRStudioを選ぶ。Jupyter Notebookはコード、実行結果、説明文をノートブック形式で扱う環境、Gitバージョン管理はファイルの変更履歴を管理する仕組み、AutoMLはモデルの構築や選定、調整を自動化する技術である。R向けの統合開発環境という条件が決め手になる。

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「数値のリストを渡し、戻り値を1つの数値として扱う」である。関数仕様の括弧内は引数valuesが浮動小数点数のリストであることを示し、矢印の右側は戻り値が1つの浮動小数点数であることを示す。したがって、複数の数値をリストにして渡し、返された値を数値として受け取る。文字列、引数なし、単独の数値はいずれも指定された引数の型と異なり、数値リスト・真偽値・ファイルとして結果を扱う説明も戻り値の型と一致しない。関数名だけで推測せず、引数と戻り値を別々に照合することが要点である。

https://raw.githubusercontent.com/The-Japan-DataScientist-Society/skills-checklist/main/data_engineering.csv （No.116、2026-08-31確認）

正解は「500,000回」である。二重ループでは、外側の各1回につき内側の処理が500回すべて実行されるため、合計回数は1,000×500＝500,000回になる。1,500回は外側と内側の回数を足した値、1,000,000回は内側も1,000回だと読み違えて1,000×1,000とした値、2回はループの段数だけを数えた値である。二重ループが計算負荷の候補になるのは、処理回数が二つの反復回数の和ではなく積で増えるためである。改善を考える前に、どの処理が何回実行されるかを数えてボトルネックを特定する。

https://raw.githubusercontent.com/The-Japan-DataScientist-Society/skills-checklist/main/data_engineering.csv （No.128、2026-08-31確認）

正解は「AIのコードレビュー・チェックで問題箇所と改善案を出し、テストで修正結果を確認する」である。公式チェックリストは、AIを用いたソースコードのレビュー機能やチェック機能を活用し、バグ修正や性能改善につなげることを★1つ星項目としている。本問では重複計算による遅さと潜在的不具合が対象なので、コードを分析して候補を示させ、修正後にテストで正しさと性能を確認する流れが一致する。無確認の本番反映は品質確認を欠き、宣伝文生成はコード改善ではなく、モデルの再学習もプログラム内の重複計算を直接直さない。

https://raw.githubusercontent.com/The-Japan-DataScientist-Society/skills-checklist/main/data_engineering.csv （No.127・173、2026-08-31確認）

正解は「条件を指定してテスト用ダミーデータを生成し、合成データだと区別して検証へ使う」である。公式チェックリストは、LLMを利用して開発機能のテストや分析検証用のダミーデータを生成できることを★1つ星項目としている。個人情報を含まない架空レコードを境界値テストへ使う場面はこの用途に一致する。ただし、生成値は実在顧客の事実ではないので本番台帳へ登録せず、ダミーデータだけで実環境の性能や安全性を保証することもできない。生成した目的と合成データであることを明示し、期待結果を定めたテストへ投入する。

https://raw.githubusercontent.com/The-Japan-DataScientist-Society/skills-checklist/main/data_engineering.csv （No.174、2026-08-31確認）

正解は「店舗Aは25、店舗Bは7」である。GROUP BYで店舗列を指定すると、同じ店舗値を持つ行がグループになる。店舗Aのグループには売上10と15があるためSUMは10+15＝25、店舗Bのグループには7だけがあるためSUMは7となる。「店舗Aは15、店舗Bは7」はAの最初の10を落とし、「店舗Aは10、店舗Bは22」は15をB側へ誤って加えている。「全店舗をまとめて32だけを返す」はGROUP BYを行わず全行へSUMした場合の結果である。グループ化キーごとに行を分けてから、各グループ内で集計する順序が要点になる。

https://raw.githubusercontent.com/The-Japan-DataScientist-Society/skills-checklist/main/data_engineering.csv ・https://www.postgresql.org/docs/current/queries-table-expressions.html （2026-08-31確認）

正解は「B」である。CASE式はWHEN条件を上から順に評価し、最初に真となる条件の結果を返す。score=75では最初のscore>=80は偽だが、次のscore>=60は真なのでBを返す。Aは80以上の場合、CはどのWHEN条件にも当てはまらない60未満の場合にELSEから返る。NULLは本問のCASE式にはならず、ELSE 'C'が明示されているため条件不一致時もCになる。75を各しきい値と順に比較し、真になった段階で後続の分岐へ進まないことが判断の要点である。

https://raw.githubusercontent.com/The-Japan-DataScientist-Society/skills-checklist/main/data_engineering.csv ・https://www.postgresql.org/docs/current/functions-conditional.html （2026-08-31確認）

正解は「CREATE TABLEがDDL、INSERTがDML」である。DDLはデータベースの表などの構造を定義・変更する言語区分で、CREATE TABLEは列名やデータ型を指定して新しい表を定義する。DMLは表に格納するデータを検索・追加・更新・削除する操作を扱い、INSERTは既存表へ新しい行を追加する。両者を逆にした選択肢は構造定義と行操作を取り違え、「両方ともDDL」はINSERTによる行追加を、「両方ともDML」はCREATE TABLEによる構造定義を誤分類している。SQLという共通言語内でも、操作対象が表の構造か表内の行かを分けることが判断軸である。

https://raw.githubusercontent.com/The-Japan-DataScientist-Society/skills-checklist/main/data_engineering.csv ・https://www.postgresql.org/docs/current/sql-createtable.html ・https://www.postgresql.org/docs/current/sql-insert.html （2026-08-31確認）

正解は「送信者の秘密鍵で署名し、対応する送信者の公開鍵で検証する」である。NIST FIPS 186-5では、署名者は秘密に保つ秘密鍵をデジタル署名の生成に使い、検証者は対応する公開鍵を署名の検証に使う。これにより、署名者の真正性と署名後にデータが不正変更されていないことを確認できる。受信者の公開鍵で暗号化し受信者の秘密鍵で復号する流れは、内容を読めない形にして機密性を守る公開鍵暗号化の手順であり、送信者の署名検証とは鍵の所有者と向きが異なる。送信者の公開鍵で署名して秘密鍵で検証する組は役割が逆で、アクセストークンは認可されたAPIアクセスに使う情報であり電子署名鍵ではない。

https://raw.githubusercontent.com/The-Japan-DataScientist-Society/skills-checklist/main/data_engineering.csv ・https://csrc.nist.gov/pubs/fips/186-5/final （2026-08-31確認）

正解は「score=50」である。条件`score >= 60`はscoreが60以上なら真となってif側の「合格」を、60未満なら偽となってelse側の「不合格」を実行する。既存の80は真側をすでに通っているため、未実行の偽側を確認するには60未満の値が必要で、候補では50だけが該当する。100と80は明らかに60以上で、60も境界値だが比較演算子に等号が含まれるため真側へ進む。ホワイトボックステストはコード内部の分岐構造を見て、まだ実行していない経路を狙ってテストケースを設計できる。入出力仕様だけから結果を選ぶのではなく、演算子`>=`とif/elseの両方を読み、既存テストで未到達の分岐を特定することが要点である。

https://raw.githubusercontent.com/The-Japan-DataScientist-Society/skills-checklist/main/data_engineering.csv （No.114）・https://istqb.org/wp-content/uploads/2024/11/ISTQB_CTFL_Syllabus_v4.0.1.pdf （4.3.2、2026-08-31確認）

正解は「40,000回から160,000回へ増え、4倍になる」である。内側の処理回数は、外側の反復回数と各回の内側の反復回数の積で求める。n=200では200×200=40,000回、n=400では400×400=160,000回なので、倍率は160,000÷40,000=4倍である。40,000回から80,000回という答えは、一方のループだけが2倍になったと扱っている。200回から400回は外側だけを数え、400回と800回はそれぞれ外側と内側の回数を200+200、400+400と足した値を処理回数のように扱っており、どちらも内側処理の総数ではない。二重ループでは、両方の反復回数が同じnに従うとき、nを2倍にすると積は2×2で4倍になる。コードの段数やnの差ではなく、実行される処理の総数を新旧それぞれで計算することが判断軸である。

https://raw.githubusercontent.com/The-Japan-DataScientist-Society/skills-checklist/main/data_engineering.csv （No.128、2026-08-31確認）