因子分析は、データにおける相関関係の観察パターンを説明する潜在変数（因子）を明らかにするために用いられる次元削減手法です。心理測定学、社会科学、機械学習において広く用いられています。
探索的因子分析 (EFA、オプション A): 基礎となる因子構造が不明な場合に、潜在的な変数を発見するために使用されます。
確認的因子分析 (CFA、オプション B): 因子構造に関する仮説があり、それを統計的に確認することが目的の場合に使用されます。
どちらも因子分析の有効なアプローチであるため、正解はオプション C (A と B の両方) です。
参照：
DASCA データ サイエンティスト知識フレームワーク (DSKF) - 機械学習における次元削減と因子分析。

半構造化データは、構造化データ（例：固定スキーマを持つリレーショナルデータベース）と非構造化データ（例：フリーテキスト、音声、動画）の中間に位置します。通常、XML、JSON、メールデータ、ログファイルなど、不規則または柔軟なスキーマ情報が含まれます。
オプション A (データベース システム): 正解です。データベースには半構造化コンテンツ (JSON または XML 列など) が保存される場合があります。
オプション B (ファイル システム): 正しいファイルベースのストレージ (ログ、JSON、Avro、CSV) には、半構造化データが含まれることがよくあります。
オプション C (科学データ): 正解です。多くの科学アプリケーションは半構造化データ形式 (センサーの読み取り値、ゲノム配列など) を生成します。
オプション D (スキーマフルデータ): 正解。スキーマフル (厳密にスキーマ定義されたリレーショナルテーブル) は、半構造化データではなく、構造化データを表します。
したがって、半構造化データにはスキーマが完全なデータは含まれません。
参照：
DASCA データ サイエンティスト知識フレームワーク (DSKF) - ビッグ データの基礎: データの種類とソース。

マルコフ連鎖は、一連の起こりうるイベントを記述する確率過程であり、各イベントの確率は、前のステップで達成された状態のみに依存します (マルコフ特性)。
選択肢A: 不正解です。変数は固定ではなくランダムです。
オプション B: 正解です。マルコフ連鎖は、連続した時点におけるシステムの状態を表します。
選択肢C: 正解です。マルコフ連鎖は、マルコフ性を満たす確率変数の列{X1、X2、...}です。
選択肢 D: A が間違っているため、不正解です。
オプション E: 正解です。B と C は両方とも有効です。
したがって、正解はオプション E (B と C の両方) です。
参照：
DASCA データ サイエンティスト知識フレームワーク (DSKF) - 確率モデル: マルコフ連鎖。

自然言語処理（NLP）は、人間の言語理解と生成を扱う機械学習の分野です。その応用分野には以下が含まれます。
オプション A (スパム検出): NLP 技術は、テキスト パターンとコンテキストに基づいて電子メールを分類します。
オプション B (Twitter での感情分析): NLP モデルはテキスト データを分析して、感情、意見、傾向を抽出します。
オプション C (トピック モデリング): NLP クラスタリングと確率モデル (LDA など) は、意味の類似性によってドキュメントを分類します。
すべてが有効な NLP アプリケーションであるため、正解はオプション E (上記のすべて) です。
参照：
DASCA データ サイエンティスト知識フレームワーク (DSKF) - 機械学習のアプリケーション: 実際のユース ケースにおける NLP。

グリッド コンピューティングは、大規模な問題を解決するために、リソース (CPU、メモリ、ストレージ) が複数のシステムにわたってプールされる分散コンピューティング モデルです。
オプション A (分割): ミドルウェアは、さまざまなタスクにリソースを動的に割り当てたり分割したりするのに役立ちます。
オプション B (結合): ミドルウェアは、さまざまなリソースを統一されたシステムに統合し、並列コンピューティングにアクセスできるようにします。
オプション C: 正解 - ミドルウェアは、分散ノード間でリソースをシームレスに結合および分割できるようにする「接着剤」です。
オプション D: 不正解です。
したがって、グリッド コンピューティング ミドルウェアはリソースの結合と分割の両方を行うため、オプション C が正解となります。
参照：
DASCA データ サイエンティスト ナレッジ フレームワーク (DSKF) - ビッグ データの基礎: グリッドと分散コンピューティング。