UiPath AI Centerでは、MLパッケージのバージョン管理は機械学習モデルのライフサイクル管理に不可欠な要素です。各MLパッケージには、変更を追跡するためのメジャーバージョンとマイナーバージョンがあります。MLパッケージが最初にアップロードされると、メジャーバージョン（例：1.0）が割り当てられます。パッケージがパイプライン経由で再トレーニングされると、マイナーバージョンがインクリメントされます（例：1.0から1.1）。このメカニズムにより、ユーザーがアップロードしたパッケージと再トレーニング済みのパッケージを区別することができます。パイプライン経由で再トレーニングされたパッケージのみがマイナーバージョンを変更し、メジャーバージョンは変更されません。したがって、正解はDです。
(出典: ML パッケージ管理に関する docs.uipath.com)。

* 新しいラベルを少なくとも1回割り当てて作成します。これは、データ分類に新しいカテゴリまたは分類を導入するための最初のステップです。
* レビューしたデータの中で、新しいラベルを割り当てるべき箇所を探し、それに応じてラベルを適用します。このステップは、データセット全体の一貫性を維持するために非常に重要です。
* 「Missed Label（ラベルの欠落）」機能を使用すると、レビュー対象データ内の欠落例をすべて見つけることができます。このアクションは、初期レビューで見落とされた可能性のある例を特定し、修正するのに役立ちます。
* ラベルが期待どおりに機能していることを確認するために検証を行い、追加のトレーニングが必要な場合は推奨されるアクションに従ってください。検証は、システム内での新しいラベルの精度とパフォーマンスを評価する上で重要です。

抽出器設定ウィザードは、ドキュメントからのデータ抽出に使用する抽出器を選択およびカスタマイズできるツールです。このウィザードは、抽出器アクティビティのコンテナである「データ抽出スコープ」アクティビティからアクセスできます。このウィザードでは、タクソノミーで定義されたフィールドを各抽出器でサポートされるフィールドにマッピングし、各抽出器の最小信頼度とフレームワークエイリアスを設定できます。このウィザードは、各ドキュメントタイプとフィールドに抽出器が正しく適用されるようにするため、抽出器の設定に必須です1。
参考資料: データ抽出スコープの抽出ウィザードの設定

UiPath ドキュメント ポータル1 によると、RPA 開発者は、UiPath.MLServices.Activities パッケージの ML スキル アクティビティを使用して、Studio のカスタマイズされたワークフロー内で ML スキルを使用するロールです。RPA 開発者は、UiPath Studio やその他の UiPath 製品を使用して自動化ワークフローの設計、開発、テスト、展開を担当します。RPA 開発者は、ML スキル アクティビティを使用して、AI Center サービスで利用可能なすべての ML スキルを取得して呼び出し、自動化ワークフロー内でそれらを要求できます。ML スキル アクティビティにより、RPA 開発者はスキルの入力にデータを渡し、スキルをテストし、スキルの出力を JSON 応答、ステータス コード、ヘッダーとして受け取ることができます2。したがって、オプション C は、Studio での ML スキルの使用に関連するロールとアクティビティを説明しているため、正解です。オプション A は不正解です。データ サイエンティストは、AI Center またはその他のツールを使用して ML モデルを作成およびトレーニングし、それらを ML パッケージまたは OS パッケージとして公開するロールです1。オプションBは不正解です。管理者は、インフラストラクチャの構成、権限の設定、使用状況とパフォーマンスのモニタリングなど、AI Centerサービスを管理するロールです1。オプションDは不正解です。プロセスコントローラーは、MLパッケージまたはOSパッケージをMLスキルとしてデプロイし、スキルのバージョン、エンドポイント、APIキーを管理するロールです1。
参考資料: 1 AI センター - ユーザーペルソナ 2 アクティビティ - ML スキル