あるMLエンジニアが機械学習モデルの公平性と責任あるAI（Responsible AI）について検討している。Azure Machine Learning の Responsible AI ダッシュボードで評価・可視化できる観点を2つ選択してください。
- A. 訓練データの自動ラベリングとアノテーション作業の進捗管理
- B. モデルの解釈可能性（Explainability）：各特徴量がモデルの予測にどれだけ影響しているかを可視化する（SHAP値など）
- C. モデルの公平性（Fairness）：異なる人口統計グループ間でのモデルのパフォーマンス差を分析する
- D. Azure Active Directoryを使ったモデルエンドポイントのアクセス制御設定
- E. コンピューティングクラスターのCPU使用率とメモリ使用量のリアルタイムモニタリング
解答と解説を見る
正解: B, C
Azure Machine Learning の Responsible AI ダッシュボードが提供する主要な機能はCとBである。公平性分析では人口統計グループ（年齢・性別・地域など）間でのモデルのパフォーマンス差を可視化し、モデルバイアスを検出できる。解釈可能性（Explainability）の分析ではSHAP値などを用いて各特徴量がどの程度予測に貢献しているかを可視化し、モデルの判断根拠を理解できる。EのCPU/メモリのリアルタイムモニタリングはAzure Monitor や Azure ML の実行ログの機能であり、Responsible AI ダッシュボードの範疇ではない。DのAADアクセス制御はセキュリティ管理の機能であり、公平性や解釈可能性の評価とは異なる。Aのデータラベリング管理はAzure ML の Data Labeling プロジェクト機能の範疇。