オープンデータセットとコーパス

オープンデータセットやコーパスに関する説明として、最も適切なものを1つ選べ。

正解と解説を見る

解説

正解A

ポイント

オープンデータセットは手軽に使えますが、ライセンス、ラベルの品質、自社データとの違いを確かめてから使う必要があります。

選択肢ごとの解説

A

適切 ◯ 正解

無料で公開されていても、自由に使えるとは限りません。クリエイティブ・コモンズの「表示-非営利」のように、営利目的での利用を認めないライセンスもあるため、用途に合うかを事前に確かめます。
B

不適切

コーパスは、自然言語の文章や発話を大量に集め、検索や分析に使えるよう整理したデータのことです。品詞などの情報を付けたものもあり、自然言語処理の学習や評価に使われます。
C

不適切

広く使われている10種類のデータセットの評価用データで、ラベルの誤りが平均で少なくとも3.3%、ImageNetの検証用データでは少なくとも6%あると推定した研究があります。誤りがモデル選びを左右しうることも示されています。
D

不適切

公開データと自社データでは、撮影機材や対象の分布が異なるのが普通です。分布が変わると精度は下がりやすいため、自社データで評価し直し、必要ならファインチューニングを行います。

試験での狙われ方

コーパスの意味や、公開データを使うときに確認すべき点（利用条件・品質・分布の違い）を問う形が多い論点です。

関連用語

オープンデータセット、コーパス、アノテーション、ファインチューニング

参考

G検定試験出題範囲（シラバス2024）第1.4版（技術分野項目36 データの収集・加工・分析・学習） 2026年10月30日閲覧
Northcutt, Athalye and Mueller, Pervasive Label Errors in Test Sets Destabilize Machine Learning Benchmarks (2021) 2026年10月30日閲覧
Gebru et al., Datasheets for Datasets (2018) 2026年10月30日閲覧
Creative Commons 表示-非営利 4.0 国際（CC BY-NC 4.0） 2026年10月30日閲覧

オリジナル問題（過去問ではありません） AIで作成人による確認：未誤りを報告

出典と作成について

作成：ウカトレ編集部（AIで作成し、別のAIが一次資料と照合。手順は編集方針）

公開日：2026年10月30日最終更新日：2026年10月30日最終確認日：2026年10月30日

シラバス第1.4版技術36「データの収集・加工・分析・学習」の問題です。