CT-AI過去問 & CT-AI日本語版

BONUS！！！ CertJuken CT-AIダンプの一部を無料でダウンロード：https://drive.google.com/open?id=1XRckMvLnLycnU4hJOs3fXfYjBa-4KIS4

時々重要な試験に合格するために大量の問題をする必要があります。我々の提供するソフトはこの要求をよく満たして専門的な解答の分析はあなたの理解にヘルプを提供できます。ISTQBのCT-AI試験の資料のいくつかのバーションのデモは我々のウェブサイトで無料でダウンロードできます。あなたの愛用する版をやってみよう。我々の共同の努力はあなたに順調にISTQBのCT-AI試験に合格させることができます。

ISTQB CT-AI Exam Overview:

Certification Vendor:	ISTQB
Exam Name:	ISTQB Certified Tester - AI Testing
Exam Number:	CT-AI
Certificate Validity Period:	Lifetime (no expiration)
Exam Price:	EUR 250
Real Exam Qty:	40
Exam Duration:	60 minutes
Passing Score:	65%
Available Languages:	English
Exam Format:	Multiple Choice
Related Certifications:	ISTQB CTFL ISTQB CTAL-TTA
Sample Questions:	ISTQB CT-AI Sample Questions
Exam Way:	Online proctored or in-person at authorized testing centers
Pre Condition:	ISTQB CTFL (Certified Tester Foundation Level) certification is recommended but not mandatory
Official Syllabus URL:	https://www.istqb.org/certifications/artificial-intelligence-testing-certification

>> CT-AI過去問 <<

CT-AI過去問を選択する - Certified Tester AI Testing Examを取り除く

当社は長年にわたり、クライアントに最高のCT-AI練習問題を提供し、テストCT-AI認定試験にスムーズに合格できるように常に努めています。当社は、国内の有名な業界の専門家を募集し、優秀な人材をCT-AI学習ガイドを編集し、お客様に心から奉仕するために最善を尽くしました。当社は、お客様が私たちの神であり、CT-AIトレーニング資料の品質に関する厳格な基準であるというサービス理念を設定しています。

ISTQB CT-AI 認定試験の出題範囲：

トピック	出題範囲
トピック 1	AI 入門: この試験セクションでは、AI 効果やそれが AI の定義に与える影響などのトピックを取り上げます。狭義の AI、汎用 AI、スーパー AI を区別する方法を取り上げます。さらに、AI ベースのシステムに標準がどのように適用されるかを説明するトピックも取り上げます。
トピック 2	テストでの AI の使用: このセクションの試験トピックでは、ソフトウェアテストで使用される AI テクノロジーの分類について説明します。
トピック 3	AI ベースシステムのテストの方法とテクニック: このセクションでは、ML システムのテストが敵対的攻撃やデータ汚染の防止にどのように役立つかを説明することに重点を置いています。
トピック 4	AIベースのシステムのテスト環境：このセクションでは、AIベースのシステムのテスト環境を区別する要因について説明します。
トピック 5	ML 機能パフォーマンスメトリック: このセクションでは、指定された混同行列のセットから ML 機能パフォーマンスメトリックを計算する方法などのトピックについて説明します。
トピック 6	AI ベースシステムの品質特性: このセクションでは、AI ベースシステムの特性としての柔軟性と適応性の重要性を説明する方法と、AI ベースシステムの進化を管理することの重要性について説明します。また、安全関連のアプリケーションで AI ベースシステムを使用することを困難にする特性を思い出す方法についても説明します。
トピック 7	従来のシステムに必要なものとは異なるシステムです。
トピック 8	機械学習 ML: このセクションには、教師あり学習の一部としての分類と回帰が含まれており、ML アルゴリズムの選択に関係する要因が説明され、アンダーフィッティングとオーバーフィッティングが示されます。
トピック 9	ML: データ: この試験のセクションでは、データ準備に関連するアクティビティと課題について説明します。また、データセットをテストして ML モデルを作成する方法や、データ品質が低いと結果として得られる ML モデルに問題が発生する可能性があることを認識する方法についても説明します。
トピック 10	AI 固有の品質特性のテスト: このセクションでは、AI ベースのシステムの自己学習によって生じるテストの課題について説明します。
トピック 11	ニューラルネットワークとテスト: この試験のセクションでは、DNN を含むニューラルネットワークの構造と機能の定義、およびニューラルネットワークのさまざまなカバレッジ測定について説明します。

ISTQB Certified Tester AI Testing Exam 認定 CT-AI 試験問題 (Q35-Q40):

質問 # 35
An image classification system is being trained for classifying faces of humans. The distribution of the data is 70% ethnicity A and 30% for ethnicities B, C and D. Based ONLY on the above information, which of the following options BEST describes the situation of this image classification system?
SELECT ONE OPTION

A. This is an example of algorithmic bias.
B. This is an example of hyperparameter bias.
C. This is an example of expert system bias.
D. This is an example of sample bias.

正解：D

解説：
A . This is an example of expert system bias.
Expert system bias refers to bias introduced by the rules or logic defined by experts in the system, not by the data distribution.
B . This is an example of sample bias.
Sample bias occurs when the training data is not representative of the overall population that the model will encounter in practice. In this case, the over-representation of ethnicity A (70%) compared to B, C, and D (30%) creates a sample bias, as the model may become biased towards better performance on ethnicity A.
C . This is an example of hyperparameter bias.
Hyperparameter bias relates to the settings and configurations used during the training process, not the data distribution itself.
D . This is an example of algorithmic bias.
Algorithmic bias refers to biases introduced by the algorithmic processes and decision-making rules, not directly by the distribution of training data.
Based on the provided information, option B (sample bias) best describes the situation because the training data is skewed towards ethnicity A, potentially leading to biased model performance.

質問 # 36
A software component uses machine learning to recognize the digits from a scan of handwritten numbers. In the scenario above, which type of Machine Learning (ML) is this an example of?
SELECT ONE OPTION

A. Regression
B. Clustering
C. Reinforcement learning
D. Classification

正解：D

解説：
Recognizing digits from a scan of handwritten numbers using machine learning is an example of classification. Here's a breakdown:
* Classification: This type of machine learning involves categorizing input data into predefined classes.
In this scenario, the input data (handwritten digits) are classified into one of the 10 digit classes (0-9).
* Why Not Other Options:
* Reinforcement Learning: This involves learning by interacting with an environment to achieve a goal, which does not fit the problem of recognizing digits.
* Regression: This is used for predicting continuous values, not discrete categories like digit recognition.
* Clustering: This involves grouping similar data points together without predefined classes, which is not the case here.
References:The explanation is based on the definitions of different machine learning types as outlined in the ISTQB CT-AI syllabus, specifically under supervised learning and classification.

質問 # 37
Which two test procedures are BEST suited for CleverPropose system testing?
Choose TWO options (2 out of 5)

A. Exploratory data analysis
B. Adversarial testing
C. Pairwise testing
D. Metamorphic testing
E. Back-to-back testing

正解：D、E

解説：
The ISTQB CT-AI syllabus explains that AI-based decision-support systems benefit strongly fromback-to- back testingandmetamorphic testingwhen oracle problems exist or when limited regression tests are available. In this scenario, CleverPropose replaces an older advisory system.Back-to-back testing(Option A) is ideal because the outputs of the existing conventional system can serve as areference, enabling comparison against the new AI system. This is exactly what the syllabus recommends when AI is replacing a traditional deterministic system.
Metamorphic testing(Option C) is also appropriate, as stated in Section4.6 - Metamorphic Relations. With limited regression tests and complex decision logic, testers can define metamorphic relations such as "if customer income increases, risk rating should not worsen." These relations allow validation even when exact expected outputs are unavailable.
Exploratory data analysis (Option D) is not a system testing technique. Pairwise testing (Option E) is not well suited for complex AI-based financial advice systems. Adversarial testing (Option B) is more relevant for security-critical or robustness evaluation, not primary system testing for advisory tools.
Thus,A and Care the correct and syllabus-supported choices.

質問 # 38
Which ONE of the following options for a test basis would give the LEAST coverage when using AI based test generation?

A. A pseudo-oracle
B. A test model describing the application functionality
C. An XML schema
D. A list of possible web pages that comprise the application

正解：A

解説：
The correct answer is C. A pseudo-oracle . The syllabus states that AI-based test generation can use sources such as source code, the user interface, and a machine-readable test model . Some tools also generate tests from low-level system behaviour observed through instrumentation or log files. A test model describing required behaviour is particularly strong because it can guide functional coverage and expected behaviour.
A list of web pages may provide structural coverage of the web application, though it is weaker than a behavioural model. An XML schema may also support systematic generation of valid and invalid structured data tests. A pseudo-oracle, however, is not a strong input for generating test coverage. Its role is to help decide whether a result is acceptable, typically by comparing the SUT's output with another system. The syllabus explicitly presents pseudo-oracles as a solution to the test oracle problem, not as a primary coverage- oriented test basis. Therefore, it would provide the least coverage for AI-based test generation.
References/topics: CT-AI Syllabus Chapter 11, Section 11.3 "Using AI for Test Case Generation"; Chapter 9, Section 9.3 "Back-to-Back Testing."
=========

質問 # 39
Which ONE of the below types of testing is NOT a type of experience-based testing applied to an AI-based system?

A. Using an industry checklist to assess the steps used to prepare an ML system
B. Exploring training data to understand its variety, patterns, structure and shape - then using that to inform testing
C. Using knowledge about previous ML systems to identify potential biases
D. Usability testing of the format of the output predictions

正解：A

解説：
Using an industry checklist to assess the steps used to prepare an ML system is not typically considered a type of experience-based testing. Experience-based testing is based on the tester's expertise and knowledge of the system, such as exploring training data, conducting usability testing, and identifying potential biases based on past experiences with ML systems. Using a checklist is more of a procedural or guideline-based approach rather than one based on experiential insight.

質問 # 40
......

CT-AI日本語版: https://www.certjuken.com/CT-AI-exam.html

2026年CertJukenの最新CT-AI PDFダンプおよびCT-AI試験エンジンの無料共有：https://drive.google.com/open?id=1XRckMvLnLycnU4hJOs3fXfYjBa-4KIS4