| トピック | 出題範囲 |
| トピック 1 | - CPMAI方法論：この領域では、プロジェクトマネージャーのスキルを測定し、従来のソフトウェア開発と比較したAIプロジェクトの際立った特徴を概説します。CPMAIフレームワークの6つのフェーズを通して、失敗要因、ROIの妥当性、データ量と品質の課題、概念実証における課題、実際の導入における障壁、ライフサイクルの継続性、ベンダーのミスマッチ、ステークホルダーの不一致、そしてウォーターフォール、リーン、アジャイルの各アプローチの適応について調査します。
|
| トピック 2 | - ドメインVI 信頼できるAI：このセクションはプロジェクトマネージャー向けに設計されており、倫理的、責任ある、透明性のあるAI開発に焦点を当てています。信頼できるシステムの構築、誤解の払拭、現実世界の倫理的懸念の評価、責任あるフレームワークの定義、そして意図しない危害に対する緩和策の実装を網羅しています。データプライバシー、GDPRコンプライアンス、個人情報（PII）の保護、匿名化技術、敵対的脅威に対するセキュリティ、そして監視についても取り上げます。
|
| トピック 3 | - 機械学習：このセクションはデータ
- AIリードを対象としており、実用的な機械学習の応用について扱います。まず、分類、クラスタリング、強化学習アルゴリズム、アンサンブル法、ビジネスニーズに基づく評価について学びます。次に、ニューラルネットワークアーキテクチャの設計と、様々な問題タイプにおけるディープラーニングの実装について考察します。続いて、生成型AIと法学修士課程（LLM）について学び、ユースケースへの適合性、制限事項、運用説明、迅速なエンジニアリング、微調整、そしてこれらの技術を拡張知能ソリューションに統合する方法を網羅します。
|
| トピック 4 | - AI管理：このセクションはプロジェクトマネージャー向けであり、品質保証の実践、検証手法、オーバーフィッティングとアンダーフィッティング戦略、KPIとの整合、そして反復的な改良を通してモデルのパフォーマンスを評価します。さらに、トレーニングから推論までのAIの導入、本番環境での運用化、オンプレミスまたはクラウドのリソース選定、データライフサイクル管理、バージョン管理、適切な機械学習サービスの選択についても取り上げます。
|
| トピック 5 | - AIの基礎：このセクションでは、プロジェクトマネージャーの能力を評価し、AIの定義、人間の認知との関連性、AGI（汎用人工知能）、強いAI、弱いAI、特化型AIの違いなど、AIの基礎概念を探求します。チューリングテストとコグニティブコンピューティングの理解、誤解の払拭、ビジネス分野における拡張知能の応用などが含まれます。AIのウィンターズ、記号論理、エキスパートシステム、ファジー論理といったAIの歴史的発展に加え、AIが現在注目されている理由とデジタル変革における役割についても考察します。さらに、適切なAIユースケースの特定、AIの限界の理解、会話型AI、音声処理、異常検知、RPA、目標駆動型システム、統合AIソリューションといったAIの導入パターンについても評価します。
|