DS検定 リテラシー｜AI利活用スキルは重要ポイントを整理して理解するための用語です。この記事では仕組み・役割・使いどころを押さえ、DS検定で問われる判断ポイントとひっかけポイントを解説します。

ds skillcheck

DS検定トップ ＞ DS検定 リテラシー｜AI利活用スキル

このページについて

このページは、
DS検定（リテラシーレベル）で求められている「AI利活用スキル」を
一覧で確認するためのページです。

モデルを作る力ではなく、
AIを理解し、正しく使い、過信しない力が重視されます。

①使う

スキルレベル チェック項目
★ LLMを利用して、データ分析やサービス、システム開発のためのコードを作成、修正、改良できる
★ LLMを利用して、開発した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
★ 画像生成AIに組み込まれた標準機能の利用（モデル選択）や、画像生成プロンプトルール（強調やネガティブプロンプトなど）を理解し、適切に入力することで、意図した画像を生成できる
★ 既存の生成AIサービスやツールを活用し、自身の身の回りの業務・作業の効率化ができる
★ 生成AIを活用する際、出力したい要件に合わせ、Few-shot PromptingやChain-of-Thoughtなどのプロンプト技法の利用や、各種APIパラメーター（Temperatureなど）の設定ができる

⑤企画

スキルレベル チェック項目
★ モデルの性能を改善するためには、モデルの改善よりもデータの質と量を向上させる方が効果的な場合があることを理解している

⑥技術的理解

スキルレベル チェック項目
★ 様々なサービスが登場する中で直感的にわくわくし、その裏にある技術に興味を持ち、リサーチできる

人間の関与と⑦技術課題対応責任

スキルレベル チェック項目
★ 大規模言語モデルにおいては、事実と異なる内容がさも正しいかのように生成されることがあること（Hallucination）、これらが根本的に避けることができないことを踏まえ、利用に際しては出力を鵜呑みにしない等の注意が必要であることを知っている大規模言語モデルにおいては、事実と異なる内容がさも正しいかのように生成されることがあること（Hallucination）、これらが根本的に避けることができないことを踏まえ、利用に際しては出力を鵜呑みにしない等の注意が必要であることを知っている
★ 大規模言語モデル（LLM）でHallucinationが起こる理由を学習に使われているデータの観点から説明できる（学習用データが誤りや歪みを含んでいる場合や、入力された問いに対応する学習用データが存在しない場合など）
★ Hallucinationが起きていることに気づくための適切なアクションをとることができる（検索等によるリサーチ結果との比較や、他LLMの出力結果との比較、正確な追加情報を入力データに付与することによる出力結果の変化比較など）

⑧倫理課題対応

スキルレベル チェック項目
★ データ、AI、機械学習の意図的な悪用（真偽の識別が困難なレベルの画像・音声作成、フェイク情報の作成、Botによる企業・国家への攻撃など）があり得ることを勘案し、技術に関する基礎的な知識と倫理を身につけている
★ データ分析者・利活用者として、データの倫理的な活用上の許容される範囲や、ユーザサイドへの必要な許諾について概ね理解している（直近の個人情報に関する法令：個人情報保護法、EU一般データ保護規則、データポータビリティなど）
★ AI・データを活用する際に、組織で規定された権利保護のガイドラインを説明できる

使い方のおすすめ

  • 学習前：
    AIに何を期待してよいか／期待しすぎないかを確認
  • 学習中：
    記事がどのAI利活用スキルに対応しているかを意識
  • 試験前：
    「なぜ人の判断が必要か」を説明できるかで確認

※ 数理・分析面は
データサイエンス力シート
ビジネス面は
ビジネス力シート
エンジニアリング面は
データエンジニアリング力シート
を参照してください。

🔗 関連記事

🏠 DS検定トップに戻る