Salesforce-AI-Associate日本語 PDF問題集で2024年03月25日最近更新された問題
Salesforce-AI-Associate日本語試験問題有効なSalesforce-AI-Associate日本語問題集PDF
質問 # 36
ビジネス アナリスト (BA) は、販売プロセスと顧客を強化することでビジネスを改善したいと考えています。
BA はニーズを満たすためにどの AI アプリケーションを使用する必要がありますか?
- A. リードのスコアリング、機会予測、およびケースの分類
- B. 販売データのクレンジングと顧客サポートのデータ ガバナンス
- C. 機械学習モデルとチャットボットの予測
正解：A
解説：
説明
「リード スコアリング、商談予測、およびケース分類は、ビジネス アナリストが販売プロセスと顧客サポートを改善するのに役立つ AI アプリケーションです。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、機会予測は、将来の売上や収益をベースに予測するのに役立ちます」過去のデータと傾向に基づいており、ケースの分類は、ケースの属性に基づいてケースを分類し、ルーティングするのに役立ちます。」
質問 # 37
Cloud Kicks は、よくある質問に回答することで受信ケースを部分的にそらすチャットボットを Web サイトに実装することで、カスタマー ケア エージェントの作業負荷を軽減したいと考えています。このシナリオに最も適した AI 分野はどれですか?
- A. 予測分析
- B. コンピュータ ビジョン
- C. 自然言語処理
正解：C
解説：
説明
「自然言語処理は、このシナリオに最も適した AI の分野です。自然言語処理 (NLP) は、コンピューターが音声やテキストなどの自然言語を理解し、生成できるようにする AI の分野です。NLP を使用すると、チャットボットなど、自然言語を使用してユーザーと対話できる会話型インターフェイス。チャットボットは、ユーザーの意図とコンテキストに基づいて回答、提案、またはアクションを提供することで、顧客サービス プロセスの自動化と合理化に役立ちます。」
質問 # 38
Cloud Kicks は Einstein を使用して予測を生成しますが、正確な結果が表示されませんか?
潜在的な石工にとってこれはどうなるでしょうか？
- A. 間違った製品です
- B. データが多すぎます
- C. データ品質が低い
正解：C
解説：
説明
「AI モデルから正確な結果が得られない潜在的な理由は、データ品質が低いことです。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、または古いということです。データ品質が低いと、パフォーマンスと信頼性に影響を与える可能性があります」 AI モデルには、そこから学習したり正確な予測を行うのに十分な情報や正確な情報がない可能性があるためです。」
質問 # 39
AI イニシアチブのデータ品質を確保するには、組織は何をすべきでしょうか?
- A. AI アルゴリズムを利用して、データ品質の問題を自動的に処理します。
- B. データ品質の向上よりもモデルの微調整を優先します。
- C. 信頼できるソースから高品質のデータを収集して整理します。
正解：C
解説：
説明
「組織は、AI イニシアチブのデータ品質を確保するために、信頼できるソースから高品質のデータを収集および整理する必要があります。高品質のデータとは、データが正確で、完全で、一貫性があり、AI タスクにとって関連性があり、タイムリーであることを意味します。信頼できるソースとは、次のことを意味します。 「データは信頼でき、信憑性があり、権威があります。信頼できるソースから高品質のデータを収集して整理することで、AI システムのパフォーマンスと信頼性を向上させることができます。」
質問 # 40
Salesforce の Trusted AI 原則におけるアカウンタビリティ原則の主な焦点は何ですか?
- A. 基本的人権の保護と機密データの保護
- B. アル主導の推奨事項と予測における透明性の確保
- C. 顧客、パートナー、社会に対する自分の行動に責任を持つ
正解：C
解説：
説明
「Salesforce の Trusted AI 原則におけるアカウンタビリティ原則の主な焦点は、顧客、パートナー、社会に対する自分の行動に責任を持つことです。アカウンタビリティとは、AI システムが他人に対する行動の影響と結果を考慮して設計および開発されるべきであることを意味します。」
説明責任とは、AI 開発者とユーザーが、業界や分野の倫理、法律、規制の基準と期待を認識し、遵守する必要があることも意味します。」
質問 # 41
Cloud Kicks は、過去のデータに基づいて顧客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、従業員地域では製品カテゴリを取得するためにテキスト フィールドを使用しているのに対し、他のすべての場所の従業員は選択リストを使用していることを発見しました。
このシナリオでは、データ品質のどの側面が影響を受けますか?
- A. 精度
- B. 一貫性
- C. 完全性
正解：B
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。
一貫性のないデータは、データ分析および処理において混乱、エラー、または重複を引き起こす可能性があります。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 # 42
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. データ品質を期限切れにするレポートを作成します。
- B. データ管理戦略を構築します。
- C. AppExchange のデータ品質アプリを活用する
正解：C
解説：
説明
「AppExchange のデータ品質アプリを活用することで、データ品質を評価できます。データ品質とは、データが正確、完全、一貫性、関連性があり、AI タスクにタイムリーである度合いです。データ品質は AI システムのパフォーマンスと信頼性に影響を与える可能性があります」は、学習や予測に使用するデータの品質に依存するためです。AppExchange のデータ品質アプリケーションを活用するということは、Salesforce でのデータ品質の測定、監視、改善に役立つサードパーティのアプリケーションまたはソリューションを使用することを意味します。」
質問 # 43
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 # 44
人間と AI システム間の効果的な対話の主な利点は何ですか?
- A. より多くの情報に基づいたバランスの取れた意思決定につながります
- B. 人間の関与の必要性を軽減します。
- C. 偏ったデータの存在を人間に警告します
正解：A
解説：
説明
「人間と AI システム間の効果的なインタラクションの主な利点は、より多くの情報に基づいたバランスのとれた意思決定につながることです。効果的なインタラクションとは、人間と AI システムが明確で自然かつ敬意を持った方法で相互に通信し、協力できることを意味します。効果的です。」 「対話は、人間と AI システムの両方の長所を活用し、弱点を補完するのに役立ちます。効果的な対話は、AI システムの使用における信頼、自信、満足度の向上にも役立ちます。」
質問 # 45
「最小特権の権利」は機密の個人データを扱うリスクをどのように軽減しますか?
- A. データにアクセスできる人の数を制限することによって
- B. 収集される属性の数を減らすことによって
- C. データ保持ポリシーを適用することによる
正解：A
解説：
説明
「「最小特権の権利」は、データにアクセスできる人数を制限することで、機密性の高い個人データを扱うリスクを軽減します。「最小特権の権利」とは、各ユーザーまたはシステムが最低限のレベルの権限を持つ必要があることを規定するセキュリティ原則です。タスクまたは機能を実行するために必要なアクセスまたは特権。
「最小限の特権の権利」は、機密の個人データを不正アクセス、悪用、漏洩から保護するのに役立ちます。」
質問 # 46
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. 製品の推奨事項の多様性が向上しました。
- B. 製品推奨の正確性が妨げられます。
- C. 製品推奨の応答時間が滞っています。
正解：B
解説：
説明
「不完全なデータ品質は、製品推奨の正確性を妨げ、会社の業務に影響を与えます。不完全なデータとは、AI タスクに関連する一部の値や属性がデータに欠落していることを意味します。不完全なデータは、AI モデルのパフォーマンスと信頼性に影響を与える可能性があります。学習したり、正確な予測を行うのに十分な情報がない可能性があるためです。たとえば、AI モデルが顧客の好み、行動、ニーズを捕捉できない可能性があるため、不完全な顧客記録は製品の推奨の品質に影響を与える可能性があります。」
質問 # 47
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. 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
- C. Einstein リードスコアリングとケース分類
正解：C
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 # 48
生成された AI のバイアスに関係するデータの品質と透明性の利点は何ですか?
- A. 偏見と軽減の可能性
- B. バイアスの可能性が悪化する
- C. バイアスの可能性は除去されます
正解：A
解説：
説明
「データの品質と透明性は、生成型 AI におけるバイアスの可能性を軽減するのに役立ちます。データの品質とは、データが正確、完全、一貫性があり、AI タスクにとって関連性があり、タイムリーであることを意味します。データ品質は、生成型 AI のバイアスを軽減するのに役立ちます。モデルは、対象となる母集団またはドメインのバランスの取れた代表的なサンプルから学習します。データの透明性とは、データ ソース、手法、およびプロセスが明確であり、検査と検証にオープンであることを意味します。データの透明性は、ユーザーがデータを理解し、評価できるようにすることで、バイアスを軽減するのに役立ちます。生成 AI モデルによって使用または生成されたデータ。」
質問 # 49
金融機関が事前承認済みクレジット カードのキャンペーンを計画していますか?
Salesforce の Trusted AI の透明性原則をどのように実装すればよいでしょうか?
- A. 差別的な融資慣行を防ぐために、機密変数とそのプロキシにフラグを立てます。
- B. 信用スコアなどのリスク要因が顧客の適格性にどのように影響するかを説明します。
- C. 顧客のフィードバックをモデルの継続的なトレーニングに組み込みます。
正解：A
解説：
説明
「差別的な融資慣行を防止するために機密変数とその代理にフラグを立てることは、Salesforce の Trusted AI の透明性原則を実装する方法です。透明性は、AI システムがどのように明確かオープンであるかを尊重して設計および開発されるべきであると規定する Trusted AI 原則の 1 つです」 「透明性とは、AI ユーザーが対話する AI システムに関する関連情報やドキュメントにアクセスできる必要があることも意味します。機密変数とその代替にフラグを立てることは、潜在的に差別や不公平を引き起こす可能性のある変数を特定し、マークすることを意味します」年齢、性別、人種、収入、信用スコアなどの個人のアイデンティティや特性に基づいた治療。機密変数とその代用値にフラグを立てることで、ユーザーが AI システムによって使用または生成されたデータを理解し、評価できるようになり、透明性の実装に役立ちます。」
質問 # 50
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。
- C. 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。
正解：A
解説：
説明
「エンパワーメントの原則は、あらゆるスキル レベルのユーザーが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することを主な目的としています。エンパワーメントは、AI システムがエンパワーメントと教育を尊重して設計および開発されるべきであると規定する Trusted AI 原則の 1 つです」ユーザーに権限を与えるとは、技術的な専門知識や背景に関係なく、ユーザーが AI システムにアクセスし、使用し、恩恵を受けることができるようにすることを意味します。たとえば、ユーザーに権限を与えるとは、ユーザーが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ツールやプラットフォームを提供することを意味します。 Einstein 予測ビルダーまたは Einstein Discovery として。」
質問 # 51
AI アプリケーションで低品質のデータを使用すると、どのような結果が生じる可能性がありますか?
- A. AI モデルは、偏った結果や誤った結果を生成する可能性があります。
- B. AI モデルがより解釈しやすくなります
- C. AI モデルのトレーニングが遅くなり、効率が低下します
正解：A
解説：
説明
「AI アプリケーションで低品質のデータを使用すると、AI モデルが偏った結果や誤った結果を生成する可能性があります。低品質のデータとは、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。質の高いデータは、学習や正確な予測を行うための十分な情報や正しい情報が AI モデルに含まれていない可能性があるため、AI モデルのパフォーマンスと信頼性に影響を与える可能性があります。また、質の悪いデータは、AI モデルに人間の偏見などのバイアスやエラーを導入したり、悪化させたりする可能性があります。社会バイアス、確証バイアス、または過適合または過小適合。」
質問 # 52
データ品質は AI アプリケーションの倫理においてどのような役割を果たしますか?
- A. 高品質のデータは、AI による根拠のない公正な意思決定を保証し、倫理的な使用を促進し、差別を防止するために不可欠です。
- B. 高品質のデータにより、パーソナライズされたキャンペーンに必要な人口統計的属性のプロセスが保証されます。
- C. データが人口統計グループに過剰適合しないため、低品質のデータは意図しないバイアスのリスクを軽減します。
正解：A
解説：
説明
「高品質のデータは、偏りのない公平な AI の意思決定を保証し、倫理的使用を促進し、差別を防止するために不可欠です。高品質のデータとは、データが正確で、完全で、一貫性があり、関連性があり、AI タスクにタイムリーであることを意味します。 「データは、対象となる母集団または領域のバランスのとれた代表的なサンプルを提供することで、AI による偏りのない公平な決定を保証するのに役立ちます。また、高品質のデータは、個人データに関するユーザーの権利と好みを尊重することで、倫理的な使用を促進し、差別を防ぐのにも役立ちます。」
質問 # 53
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. Prediction Builder の仕組みの説明と Salesforce の Trusted AI 原則へのリンク
- 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. 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
正解：C
解説：
説明
「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は、Salesforce の Trusted AI の透明性原則に従って、Salesforce プラットフォーム上でアクセスできる必要があります。
透明性とは、AI システムがどのように機能するか、および特定の決定を下す理由が明確でオープンであることを尊重して設計および開発される必要があることを意味します。透明性は、AI ユーザーが対話する AI システムに関する関連情報やドキュメントにアクセスできる必要があることも意味します。」
質問 # 54
AI モデルをトレーニングする際の Salesforce の誠実さのガイドラインを例示するステートメントはどれですか?
- A. トレーニング中の AI モデルの二酸化炭素排出量と環境への影響を最小限に抑えます。
- B. AI が生成した応答を使用する場合は、適切な同意と透明性を確保します。
- C. 組み込まれたガードレールとガイダンスを使用して、バイアス、有害性、有害なコンテンツを制御します。
正解：B
解説：
説明
「AI が生成した応答を使用する際に適切な同意と透明性を確保することは、AI モデルをトレーニングする際の Salesforce の誠実さのガイドラインを例示する声明です。Salesforce の誠実さのガイドラインは、AI システムが誠実さと誠実さを尊重して設計および開発されるべきであると述べている、信頼される AI 原則の 1 つです。」適切な同意と透明性の確保とは、ユーザーのデータが AI システムによってどのように使用または生成されるかに関するユーザーの選択と好みを尊重し尊重することを意味します。適切な同意と透明性の確保は、明確で正確な情報と情報を提供することも意味します。 AI システムとその出力に関するドキュメント。」
質問 # 55
データが固定観念に従ってラベル付けされると、どのタイプのバイアスが生じますか?
- A. アソシエーション
- B. インタラクション
- C. 社会
正解：C
解説：
説明
「社会的バイアスは、データが固定観念に従ってラベル付けされていることから生じます。社会的バイアスは、特定の社会や文化の前提、規範、または価値観を反映するバイアスの一種です。たとえば、社会的バイアスは、データが性別に基づいてラベル付けされている場合に発生する可能性があります。人種、民族、宗教の固定観念。」
質問 # 56
AI ビジネス目標を達成する上でのデータ品質の重要性は何ですか?
- A. Ai データ ストレージ制限を維持するにはデータ品質が重要です
- B. AI はすべてのデータ型を処理できるため、データ品質は不要です。
- C. AI データの正確な洞察を作成するには、データ品質が必要です。
正解：C
解説：
説明
「正確な AI データの洞察を作成するには、データ品質が必要です。データ品質とは、データが正確、完全、一貫性、関連性があり、AI タスクにタイムリーである度合いです。データ品質は、AI システムのパフォーマンスと信頼性に影響を与える可能性があります。 「AI は、学習や予測に使用するデータの品質に依存します。データの品質は、AI システムによって使用または生成されるデータの品質を反映するため、AI データの洞察の精度と有効性に影響を与える可能性もあります。」
質問 # 57
メールを使用してナレッジ記事のコンテンツを作成する Einstein 機能はどれですか?
- A. 生成
- B. 発見する
- C. 予測します
正解：A
解説：
説明
「Einstein Generate は、メールを使用してナレッジ記事のコンテンツを作成します。Einstein Generate は、データまたはテキスト入力に基づいて概要、説明、推奨事項を自動的に作成できる自然言語生成 (NLG) 機能です。たとえば、Einstein Generate は、次のユーザー間のメール会話を分析できます。エージェントと顧客をサポートし、ナレッジ ベースの記事の下書きを生成します。」
質問 # 58
......
Salesforce-AI-Associate日本語問題集合格確定させる練習には78問があります：https://jp.fast2test.com/Salesforce-AI-Associate-JPN-premium-file.html