最新 [2025年05月] 効果的な学習法でJPNTestの問題集でSalesforce-AI-Associate日本語テストを合格せよ
実績のある受験者のシミュレーションされたSalesforce-AI-Associate日本語試験PDF問題を試そう
質問 # 50
Salesforce の Trusted AI の包括性原則の実践例は何ですか?
- A. 多様なデータセットを使用したモデルのテスト
- B. モデルの説明能力を目指す
- C. 人権専門家との協力
正解：A
解説：
説明
「Salesforce の Trusted AI の包括性原則の実際の例は、多様なデータセットを使用したモデルのテストです。包括性とは、AI システムが多様性を尊重し、さまざまな視点、背景、経験を包含するように設計および開発されるべきであることを意味します。多様なデータセットを使用したモデルのテストは役立ちます。モデルが公正で偏りがなく、対象となる集団や領域を代表するものであることを保証します。」
質問 # 51
Salesforce の信頼できる AI 原則との関連で、エンパワーメントの原則は主に何を達成することを目的としていますか?
- A. ユーザーがあらゆるスキル レベルを解除して、コードではなくクリックだけで AI アプリケーションを構築できるようにします。
- B. ユーザーがニューラル ネットワークを使用して困難な技術的問題を解決できるようにします。
- C. ユーザーが主要な AI 研究に関する知識の増大に貢献できるようにします。
正解：A
解説：
"The principle of Empowerment primarily aims to achieve empowering users of all skill levels to build AI applications with clicks, not code. Empowerment is one of the Trusted AI Principles that states that AI systems should be designed and developed with respect for the empowerment and education of humans.
Empowering users means enabling users to access, use, and benefit from AI systems regardless of their technical expertise or background. For example, empowering users means providing tools and platforms that allow users to build AI applications with clicks, not code, such as Einstein Prediction Builder or Einstein Discovery."
質問 # 52
Cloud Kicks はデータ分析に依存して製品の推奨を最適化します。しかし、CK では、連絡先情報の欠落や不完全な購入履歴など、顧客記録が不完全であるという問題が繰り返し発生しています。
この不完全なデータ品質は会社の運営にどのような影響を与えるでしょうか?
- A. 製品推奨の正確性が妨げられます。
- B. 製品推奨の応答時間が滞っています。
- C. 製品の推奨事項の多様性が向上しました。
正解：A
解説：
"The incomplete data quality will impact the company's operations by hindering the accuracy of product recommendations. Incomplete data means that the data is missing some values or attributes that are relevant for the AI task. Incomplete data can affect the performance and reliability of AI models, as they may not have enough information to learn from or make accurate predictions. For example, incomplete customer records can affect the quality of product recommendations, as the AI model may not be able to capture the customers' preferences, behavior, or needs."
質問 # 53
意思決定における人間の AI コラボレーションの主な課題は何ですか?
- A. 意思決定プロセスへの人間の関与の必要性を軽減します。
- B. AI への依存が生じ、批判的思考や監視が低下する可能性があります。
- C. 情報に基づいたバランスの取れた意思決定を促進します
正解：B
解説：
説明
「意思決定における人間と AI のコラボレーションの主な課題は、AI への依存が生じ、批判的思考や監視が低下する可能性があることです。人間と AI のコラボレーションは、人間と AI システムが協力して共通の目標を達成するプロセスです。人間と AI のコラボレーションには、人間と AI システムの両方の長所を活用したり、短所を補ったりするなど、多くの利点があります。
ただし、人間と AI のコラボレーションは、AI への依存を生み出し、批判的思考や監視の低下につながる可能性など、いくつかの課題を引き起こす可能性もあります。たとえば、人間が AI の推奨事項の妥当性や根拠を疑問視したり検証したりすることなく、盲目的に信頼したり、それに従う場合、人間と AI のコラボレーションによって AI への依存が生じる可能性があります。」
質問 # 54
ビジネス アナリスト (BA) は、Al の新しい使用例を準備しています。レポートを実行して、使用する予定の属性に null 値が含まれているかどうかを確認します。
BA は、NULL 値をチェックすることでどのデータ品質コンポーネントを検証していますか?
- A. 完全性
- B. 使用法
- C. 重複
正解：A
解説：
By checking for null values, a business analyst (BA) is verifying the data quality component of completeness.
Completeness refers to the absence of missing values or gaps in the data, which is essential for the accuracy and reliability of reports and analytics used in AI models. Null values can indicate incomplete data, which may adversely affect the performance of AI applications by leading to incorrect predictions or insights. Salesforce emphasizes the importance of data completeness for effective data analysis and provides tools for data quality assessment and improvement. Details on handling data completeness in Salesforce can be explored at Salesforce Help Data Management.
質問 # 55
Cloud Kicks は、Einstein Prediction Builder を使用して、顧客が特定の製品を購入する可能性を判断したいと考えています。ただし、データ品質は問題です...
データの品質はどのように評価できるのでしょうか?
- A. データ管理戦略を構築します。
- B. AppExchange のデータ品質アプリを活用する
- C. データ品質を期限切れにするレポートを作成します。
正解：B
解説：
"Leveraging data quality apps from AppExchange is how data quality can be assessed. Data quality is the degree to which data is accurate, complete, consistent, relevant, and timely for the AI task. Data quality can affect the performance and reliability of AI systems, as they depend on the quality of the data they use to learnfrom and make predictions. Leveraging data quality apps from AppExchange means using third-party applications or solutions thatcan help measure, monitor, or improve data quality in Salesforce."
質問 # 56
データ品質の文脈における「データの完全性」という用語は何を指しますか?
- A. 必要なデータ ポイントがすべてデータセット内に存在する度合い
- B. 複数のソースからのデータにリアルタイムでアクセスする機能
- C. さまざまなデータベースから複数のデータセットを集約するプロセス
正解：A
解説：
Data completeness is a measure of data quality that assesses whether all required data points are present in a dataset. It checks for missing values or gaps in data necessary for accurate analysis and decision-making. In the context of Salesforce, ensuring data completeness is crucial for the effectiveness of CRM operations, reporting, and AI-driven applications like Salesforce Einstein, which rely on complete data to function optimally. Salesforce provides various tools and features, such as data validation rules and batch data import processes, that help maintain data completeness across its platform. Detailed guidance on managing data quality in Salesforce can be found in the Salesforce Help documentation on data management at Salesforce Help Data Management.
質問 # 57
Cloud Kicks は、AI モードを使用して、売上と地域特性に関する履歴データを使用して靴の需要を予測したいと考えています。
この目標を達成するために不可欠なデータ品質の側面は何ですか?
- A. ボリューム
- B. 年齢
- C. 信頼性
正解：C
解説：
"Reliability is an essential data quality dimension to achieve the goal of predicting the demand for shoes using historical data on sales and regional characteristics. Reliability means that the data values are trustworthy, credible, and authoritativefor the AI task. Reliable data can improve the accuracy and confidence of AI predictions, as they reflect the true state or condition of the target population or domain. For example, reliable data can help predict the demand for shoes by using verified andvalidated sales and regional data."
質問 # 58
AI 開発に関連する倫理的な課題にはどのようなものがありますか?
- A. AI システムの暗黙的な透明性により、ユーザーが自分の決定を理解し、信頼することが容易になります。
- B. 機械学習アルゴリズムにおける人間の偏見の可能性と AI の意思決定プロセスにおける透明性の欠如
- C. AI システムの本質的な中立性。意思決定における人間のバイアスの可能性を排除します。
正解：B
解説：
"Some of the ethical challenges associated with AI development are the potential for human bias in machine learning algorithms and the lack of transparency in AI decision-making processes. Human bias can arise from the data used to train themodels, the design choices made by the developers, or the interpretation of the results by the users. Lack of transparency can make it difficult to understand how and why AI systems make certain decisions, which can affect trust, accountability, and fairness."
質問 # 59
システムの価値観を他の人に押し付けるバイアスはどのタイプですか?
- A. 自動化
- B. 社会
- C. アソシエーション
正解：B
解説：
"Societal bias is the type of bias that imposes a system's values on others. Societal bias isa type of bias that reflects the assumptions, norms, or values of a specific society or culture. Societal bias can affect the fairness and ethics of AI systems, as they may affect how different groups or domains are perceived, treated, or represented by AI systems. For example, societal bias can occur when AI systems impose a system's values on others, such as using Western standards of beauty or success to judge or rank people from other cultures."
質問 # 60
開発者は大量のデータを持っていますが、データはさまざまなシステムに分散しており、標準化されていません。
AI モデルの有効性を確保するには、どの重要なデータ品質要素に焦点を当てる必要があるでしょうか?
- A. パフォーマンス
- B. ボリューム
- C. 一貫性
正解：C
解説：
When data is scattered and not standardized, the key data quality element a developer should focus on is consistency. Consistency refers to the uniformity and standardization of data across different systems, which is crucial for integrating and analyzing data effectively, especially when developing AI models. Inconsistent data can lead to errors in analysis, poor AI model performance, and misleading insights. Salesforce provides tools and practices for ensuring data consistency, such as data integration and management solutions that help standardize and synchronize data across platforms. For more information on Salesforce data management, refer to the Salesforce data management tools at Salesforce Data Management.
質問 # 61
Salesforce 管理者は、注文の宛先国を取得するための新しいフィールドを作成します。
データ品質を確保するにはどのフィールド タイプを使用する必要がありますか?
- A. テキスト
- B. 数値
- C. 選択リスト
正解：C
解説：
説明
「選択リスト フィールド タイプは、注文の仕向国を取得するためのデータ品質を確保するために使用する必要があります。選択リスト フィールド タイプを使用すると、ユーザーはリストから 1 つ以上の事前定義された値を選択できます。選択リスト フィールド タイプは、一貫性と正確性を強制することでデータ品質を保証できます。 、データ値の完全性。」
質問 # 62
AI開発における倫理の排除は社会にどのような影響を与えるのでしょうか?
- A. さらなる革新と創造性
- B. より速く、より安価な開発
- C. 疎外されたコミュニティへの危害
正解：C
解説：
Excluding ethics in AI development can lead to societal implications such as harm to marginalized communities. When ethical considerations are not integrated into AI development, the resulting technologies may perpetuate or amplify biases, leading to unfair treatment or discrimination against certain groups. This can reinforce existing social inequalities and prevent these communities from benefiting equally from the advancements in AI technology. Salesforce is committed to responsible AI development and emphasizes the importance of ethical considerations in their development practices to prevent such outcomes. Details on Salesforce's approach to ethical AI and its importance can be found at Salesforce Ethical AI.
質問 # 63
AI はリードの適格性評価をどのように支援しますか?
- A. パーソナライズされた SMS キャンペーンを作成します
- B. 顧客データに基づいてリードをスコアリングします
- C. 見込み顧客と自動的に対話します
正解：B
解説：
AI assists in lead qualification primarily by scoring leads based on customer data. This process, known as lead scoring, uses machine learning algorithms to evaluate leads against a set of predefined criteria that reflect potential interest and sales readiness. The scores assigned help sales teams prioritize their efforts toward leads most likely to convert, thus improving efficiency and success rates in sales activities. Salesforce AI enhances this process through features like Einstein Lead Scoring, which automatically calculates scores based on both historical conversion data and behavioral data from prospects. For further insights, Salesforce provides detailed documentation on lead scoring with AI at Salesforce Einstein Lead Scoring.
質問 # 64
Cloud Kicks は、履歴データに基づいて顧客の製品への関心を予測するソリューションを開発したいと考えています。同社は、ある地域の従業員がテキスト フィールドを使用して製品カテゴリを取得しているのに対し、他のすべての地域の従業員は plckllst を使用していることを発見しました。
このシナリオではどのデータ品質ディメンションが影響を受けますか?
- A. 完全性
- B. 精度
- C. 一貫性
正解：C
解説：
"Consistency is the data quality dimension that is affected in this scenario. Consistency means that the data values are uniform and follow a common standard or format acrossdifferent records, fields, or sources.
Inconsistent data can cause confusion, errors, or duplication in data analysis and processing. For example, using different field types for the same attribute can affect the consistency of the data."
質問 # 65
Einstein 予測ビルダーを使用している顧客は、特定の予測が行われた理由について混乱しています。
Salesforce の Trusted AI の透明性原則に従って、Salesforce プラットフォームでアクセスできる顧客情報はどれですか?
- A. 予測の理論的根拠の説明と、モデルの作成方法を説明するモデル カード
- B. 口腔ダクトの機能と特徴を明確に説明した製品のマーケティング記事
- C. Prediction Builder の仕組みの説明と Salesforce の Trusted AI 原則へのリンク
正解：A
解説：
"An explanation of the prediction's rationale and a model card that describes how the model was created should be accessible on the Salesforce Platform following Salesforce's Trusted AI Principle of Transparency.
Transparency means that AI systems should be designed and developed with respect for clarity and openness in how they work and why they make certain decisions. Transparency also means that AI users should be able to access relevant information and documentation about the AI systems they interact with."
質問 # 66
AI 機能における機械学習の重要な特徴は何ですか?
- A. 事前にプログラムされたルールに基づいて意思決定を行います
- B. 人間の知性と意思決定を完全に模倣できます
- C. アルゴリズムを使用してデータから学習し、意思決定を行います
正解：C
解説：
"Machine learning is a key characteristic of AI capabilities that uses algorithms to learn from data and make decisions. Machine learning is a branch of AI that enables computers to learn from data without being explicitly programmed. Machine learning algorithms can analyze data, identify patterns, and make predictions or recommendations based on the data."
質問 # 67
Einstein のどの機能が営業の効率と有効性を高めますか?
- A. 商談スコアリング、商談リスト ビュー、商談ダッシュボード
- B. 商談リスト ビュー、リード リスト ビュー、アカウント リスト ビュー
- C. 商談スコアリング、リード スコアリング、アカウント インサイト
正解：C
解説：
"Opportunity Scoring, Lead Scoring, Account Insights are features of Einstein that enhance sales efficiency and effectiveness. Opportunity Scoring and Lead Scoring use predictive models to assign scores to opportunities and leads based on their likelihood to close or convert. Account Insights use natural language processing (NLP) to provide relevant news and insights about accounts based on their industry, location, or events."
質問 # 68
Cloud Kicks は、AI を使用して販売プロセスと顧客サポートを強化したいと考えています。
どの容量を使用する必要がありますか?
- A. 現在のリードとケースのダッシュボード
- B. Einstein リードスコアリングとケース分類
- C. セールス パスとオートマトン ケースのエスカレーション
正解：B
解説：
説明
「Einstein リード スコアリングとケース分類は、Cloud Kicks が販売プロセスと顧客サポートを強化するために使用すべき機能です。Einstein リード スコアリングとケース分類は、AI を使用して、データに基づいた洞察と推奨事項を提供することで販売プロセスとサービス プロセスを最適化する機能です。 Einstein リードスコアリングは、コンバージョンの可能性に基づいてリードの優先順位を付けるのに役立ち、一方、Einstein ケース分類は、属性に基づいてケースを分類してルーティングするのに役立ちます。」
質問 # 69
Salesforce では、バイアスを、人を分類したりマーケティングしたりするためにその人の不変の特性を利用することと定義しています。
不変特性の例として、機密性が高い可能性のある属性はどれですか?
- A. ニックネーム
- B. 財務状況
- C. メールアドレス
正解：B
解説：
説明
「経済状態は不変の形質の一例です。不変の形質とは、生まれつき、固定され、または変更できない特性です。たとえば、経済状態は、出生、相続、相続など、自分では制御できない要因によって決定されるため、不変の形質です。」ニックネームと電子メール アドレスは、選択や好みによって変更できるため、不変の特性ではありません。」
質問 # 70
Cloud Kicks は、履歴データに基づいて顧客の製品への関心を予測するソリューションを開発したいと考えています。同社は、ある地域の従業員がテキスト フィールドを使用して製品カテゴリを取得しているのに対し、他のすべての地域の従業員は plckllst を使用していることを発見しました。
このシナリオではどのデータ品質ディメンションが影響を受けますか?
- A. 完全性
- B. 精度
- C. 一貫性
正解：C
解説：
説明
「一貫性は、このシナリオで影響を受けるデータ品質の側面です。一貫性とは、データ値が均一であり、さまざまなレコード、フィールド、またはソースにわたって共通の標準または形式に従っていることを意味します。
データに一貫性がない場合、データの分析や処理において混乱、エラー、重複が発生する可能性があります。たとえば、同じ属性に異なるフィールド タイプを使用すると、データの一貫性に影響を与える可能性があります。」
質問 # 71
Cloud Kicks の管理者は、顧客レコードにフィールドを設定して、顧客の希望する名前を取得できるようにしたいと考えています。
これを実現するには、管理者はどの Salesforce フィールド タイプを使用する必要がありますか?
- A. 複数選択リスト
- B. テキスト
- C. リッチテキスト領域
正解：B
解説：
説明
「顧客の好みの名前を取得するには、テキスト フィールド タイプを使用する必要があります。テキスト フィールド タイプを使用すると、ユーザーは文字、数字、記号を任意に組み合わせて入力できます。テキスト フィールド タイプは、名前、住所、電話番号、またはその他の個人情報。」
質問 # 72
AI モデルのトレーニング データにおけるバイアスの潜在的な原因は何ですか?
- A. データは、さまざまなソースおよび人口統計から収集されます。
- B. データは特定の人口統計またはソースに偏っています。
- C. データはソース システムからエリアタイムで収集されます。
正解：B
解説：
説明
「AI モデルのトレーニング データにおけるバイアスの潜在的な原因は、データが特定の人口統計やソースに偏っていることです。データが歪んでいるということは、データのバランスが取れていない、または対象となる母集団や領域を代表していないことを意味します。データが歪んでいると、バイアスが生じたり、バイアスが悪化したりする可能性があります」 AI モデルでは、データの特定のサブセットにモデルを過適合または過小適合する可能性があるため、たとえば、データが特定の年齢層や性別など、限られたまたは偏った人口統計やソースから収集された場合、データの偏りがバイアスにつながる可能性があります。 、人種、場所、またはプラットフォーム。」
質問 # 73
データ品質が低いとどのような結果が考えられますか?
- A. AI 予測はより集中的になり、堅牢性は低下します。
- B. AI モデルは精度を維持しますが、応答時間が遅くなります。
- C. AI システムによってデータのバイアスが誤って学習され、増幅される可能性があります。
正解：C
解説：
説明
「データ品質が低い場合に考えられる結果は、データのバイアスが AI システムによって誤って学習され、増幅される可能性があることです。データ品質が低いということは、データが不正確、不完全、一貫性がない、無関係、または AI タスクにとって古いことを意味します。データ品質が低いと、次のような可能性があります。」 AI システムには、学習したり正確な予測を行うための十分な情報や正確な情報がない可能性があるため、AI システムのパフォーマンスと信頼性に影響を及ぼします。また、データ品質が低いと、人間のバイアス、社会的バイアス、確証バイアスなどのデータのバイアスが導入または悪化する可能性があります。 AI システムの公平性と倫理に影響を与える可能性があります。」
質問 # 74
......
シミュレーションされた材料でSalesforce-AI-Associate日本語テストエンジンで学習：https://www.jpntest.com/shiken/Salesforce-AI-Associate-JPN-mondaishu