質問は、ML モデルのテスト フェーズで実行される可能性が最も低いテストはどれか、というものです。各オプションについて考えてみましょう。
分類モデルの精度のテスト (A): 精度テストは、ML モデル テスト フェーズの基本的な部分です。これにより、モデルが意図したとおりにデータを正しく分類し、必要なパフォーマンス メトリックを満たしていることが保証されます。
ML モデルを利用したサービスの API のテスト (B): API のテストは、特に ML モデルがサービスの一部として展開されている場合に重要です。これにより、サービスが他のシステムと適切に統合され、API が期待どおりに機能することが保証されます。
モデルのトレーニング速度のテスト (C): これは、ML モデルのテスト フェーズに含まれる可能性が最も低いです。トレーニング速度は、モデルを最適化および調整する開発フェーズでより重要になります。テスト中は、トレーニングの速さよりも、モデルのパフォーマンスと動作に重点が置かれます。
モデルによる予測速度のテスト (D): 予測速度のテストは、特にリアルタイム アプリケーションの場合、モデルが実稼働環境のパフォーマンス要件を満たしていることを確認するために重要です。
参照：
ISTQB CT-AI シラバスのセクション 3.2「ML ワークフロー」とセクション 5「ML 機能パフォーマンス メトリック」では、モデル テスト フェーズでのテストの焦点について説明しています。これには精度と予測速度が含まれますが、トレーニング速度は含まれません。