模擬問題集一覧

DP-900 模擬問題集(練習問題)

Azure Data Fundamentals 合格に向けた本番形式の模擬問題集。すべての問題に詳しい解説と、ドメイン別の弱点分析つき。

2 練習テスト 160 問 合格ライン 70% 各 120 分

この模擬問題集で身につくこと

  • 本番と同じ形式・難易度の問題で実力を確認
  • 制限時間つきの試験モードで時間配分を体得
  • 演習モードで1問ずつ解説を読みながら学習
  • すべての問題に正解の根拠つきの詳しい解説
  • ドメイン別スコアで弱点分野をひと目で把握
  • 完了後も何度でも復習して本番前に仕上げ

練習テストの内容

2 テスト · 全 160 問
1
模擬問題集1先頭 15 問 無料
80 問 120 分 合格 70%
2
模擬問題集2 プラン限定
80 問 120 分 合格 70%

説明

DP-900(Azure Data Fundamentals)の合格に向けた、本番形式の模擬問題集です。全 160 問を2 回の練習テストに分割し、 試験モード/演習モードで受験できます。各問題には正解の根拠と誤答の理由を記した詳しい解説が付き、受験後はドメイン別のスコアで弱点を把握できます。 各試験は先頭の問題から無料でお試しいただけます。

月額 ¥980 で全 160 問+全解説が受け放題

模試プラン(¥980/月)なら、ロックされた練習テストと詳しい解説、ドメイン別の弱点分析がすべて使い放題。本番に向けて実力を仕上げましょう。

DP-900 の操作は、実機のハンズオンラボで身につける

問題集で覚えた知識を、本物の Azure・AWS 環境で手を動かして確かめられます。 Pro プランなら DP-900 対応のハンズオンラボ 4 本と、この問題集の全 160 問がすべて使えます。 ラボは会員登録だけで 1 本無料で試せます。

DP-900 の対応ラボを見る(4 本)ラボを 1 本無料で試す

DP-900 の出題範囲(カバーしている分野)

全 160 問を、本番の試験ガイドに沿った次の分野から出題しています。 受験後はドメイン別の正答率が表示され、弱点が特定できます。 難易度・学習時間・合格までの進め方はDP-900 の学習ガイドにまとめています。

DP-900 の無料練習問題(15 問・解説つき)

会員登録なしで、全 160 問のうち 15 問を正解と解説つきでご覧いただけます。 問題をクリックすると選択肢と解説が開きます。

問題 1データエンティティの個々のインスタンス(1 件分)を表すものはどれですか?データの概念
問題
表形式の構造化データがあります。データエンティティの個々のインスタンス(1 件分)を表すものはどれですか?

選択肢と解説

  • 1
    列(column)
    列はエンティティの 1 つの属性(フィールド)を表すもので、1 件分のインスタンスではありません。
  • 2
    テーブル(table)
    テーブルは同種のエンティティの集合(複数行)で、個々の 1 件ではありません。
  • 3
    セル(cell)
    セルは行と列が交わる 1 つの値で、エンティティ全体の 1 インスタンスではありません。
  • ✓
    行(row)
    行(レコード)は、エンティティの個々のインスタンス 1 件分(例: 1 人の顧客)を表します。

解説

リレーショナル/表形式データでは、テーブルがエンティティの種類を表し、各行(レコード)がそのエンティティの個々のインスタンス 1 件を表します。列は属性、セルは個々の値です

【参考リンク】
・データの中核概念 (Learn)
この問題のページを開く →
問題 2構造化データと半構造化データの違いはどれですか?データの概念
問題
構造化データと半構造化データの違いはどれですか?

選択肢と解説

  • ✓
    構造化データは固定スキーマを持ち、半構造化データは柔軟なスキーマを持つ
    構造化データは事前に定義された固定スキーマ(テーブル定義)を持ち、半構造化データは項目ごとに構造が変わり得る柔軟なスキーマを持ちます。
  • 2
    構造化データだけがエンティティをサポートする
    半構造化データもエンティティを表現できるため、誤りです。
  • 3
    構造化データは柔軟なスキーマを持ち、半構造化データは固定スキーマを持つ
    説明が逆で、誤りです。
  • 4
    構造化データだけが属性をサポートする
    半構造化データも属性(プロパティ)を持つため、誤りです。

解説

構造化データは、行と列を持つ固定スキーマ(リレーショナルテーブルなど)で表されます。半構造化データ(JSON など)は、エンティティごとに構造が異なり得る柔軟なスキーマを持ち、自己記述的です

【参考リンク】
・データの中核概念 (Learn)
・非リレーショナルデータと NoSQL
この問題のページを開く →
問題 3各行が 1 つのデータエンティティを表す構造化データは、どの種類のスキーマを使用しますか?データの概念
問題
各行が 1 つのデータエンティティを表す構造化データは、どの種類のスキーマを使用しますか?

選択肢と解説

  • 1
    XML
    XML は半構造化データのマークアップ形式で、行ベースのテーブルスキーマではありません。
  • ✓
    表形式(tabular)
    構造化データは、行と列から成る表形式(tabular)スキーマを使用し、各行が 1 エンティティを表します。
  • 3
    BLOB
    BLOB は非構造化のバイナリオブジェクトで、表形式スキーマではありません。
  • 4
    JSON
    JSON は半構造化データの形式で、固定の表形式スキーマではありません。

解説

構造化データは表形式(tabular)スキーマで表現され、テーブルの各行が 1 つのエンティティ、各列が属性を表します。リレーショナルデータベースが代表例です

【参考リンク】
・データの中核概念 (Learn)
この問題のページを開く →
問題 4非リレーショナルデータベースの特性はどれですか?データの概念
問題
非リレーショナルデータベースの特性はどれですか?

選択肢と解説

  • 1
    Transact-SQL の完全なサポート
    T-SQL の完全サポートはリレーショナル(SQL Server 系)の特性で、非リレーショナルの一般的特性ではありません。
  • 2
    固定スキーマ
    固定スキーマはリレーショナルデータベースの特性です。
  • ✓
    自己記述的なエンティティ(self-describing entities)
    非リレーショナルデータでは、各エンティティが自身の構造(フィールド)を含む自己記述的な形(JSON など)で保存されます。

解説

非リレーショナル(NoSQL)データは、エンティティごとに構造が異なり得る自己記述的な形式で保存されます。固定スキーマや完全な T-SQL サポートはリレーショナルデータベースの特性です

【参考リンク】
・非リレーショナルデータと NoSQL
・データの中核概念 (Learn)
この問題のページを開く →
問題 5柔軟なスキーマを持ち、データを JSON ファイルとして保存し、1 つのエンティティのすべてのデータを同じドキュメントに…データの概念
問題
柔軟なスキーマを持ち、データを JSON ファイルとして保存し、1 つのエンティティのすべてのデータを同じドキュメントに格納する非リレーショナルデータストアの種類はどれですか?

選択肢と解説

  • ✓
    ドキュメント(document)
    ドキュメントデータベースは、柔軟なスキーマで、エンティティ全体を 1 つの JSON ドキュメントとして保存します(例: Azure Cosmos DB for NoSQL)。
  • 2
    列指向(columnar)
    列指向は列ファミリでデータを保存するもので、JSON ドキュメント単位の保存ではありません。
  • 3
    グラフ(graph)
    グラフはノードとエッジで関係を表すもので、ドキュメント保存ではありません。
  • 4
    時系列(time series)
    時系列は時刻付きデータの保存に最適化されたもので、JSON ドキュメント単位の保存が主目的ではありません。

解説

ドキュメントデータベースは、柔軟なスキーマを持ち、各エンティティのデータを 1 つの自己記述的なドキュメント(多くは JSON)として保存します。Azure Cosmos DB for NoSQL が代表例です

【参考リンク】
・Cosmos DB for NoSQL
・Azure の非リレーショナルデータ (Learn)
この問題のページを開く →
問題 6[Sales by Quarter(図の説明)] ・四半期 1〜3 は実績の折れ線(青) ・四半期 3 以降は黒い予測線…データの概念
問題
会社は最近、第 3 四半期の売上を報告しました。次の図があります。 [Sales by Quarter(図の説明)] ・四半期 1〜3 は実績の折れ線(青) ・四半期 3 以降は黒い予測線が伸び、上下に灰色の信頼区間(コーン状に広がる)が描かれている この図に示されている分析の種類はどれですか?

選択肢と解説

  • ✓
    予測分析(predictive)
    将来(四半期4)の値を予測し、灰色の信頼区間(不確実性の幅)を示すのは予測分析です。「これから何が起こりそうか」を扱います。
  • 2
    処方的分析(prescriptive)
    処方的分析は「何をすべきか」推奨を示すもので、将来値の予測グラフではありません。
  • 3
    記述的分析(descriptive)
    記述的分析は「何が起きたか」を過去データで示すもので、予測線や信頼区間はありません。
  • 4
    診断的分析(diagnostic)
    診断的分析は「なぜ起きたか」を分析するもので、将来予測ではありません。

解説

予測線と信頼区間(不確実性の幅)で将来値を示すのは予測分析(predictive)です。記述的は「何が起きたか」、診断的は「なぜ」、処方的は「何をすべきか」を扱います。

【参考リンク】
・データ分析の基礎
・AI とビッグデータの概要
この問題のページを開く →
問題 7データを取得する際のレイテンシが最も低いのは、どの種類のデータストアですか?データの概念
問題
Web サイトのセッションデータ(通知、パーソナライズ属性、ショッピングカートに追加された商品など)を保存するデータベースを設計しています。データを取得する際のレイテンシが最も低いのは、どの種類のデータストアですか?

選択肢と解説

  • ✓
    キー/値(key/value)
    キー/値ストアは、キーで直接値を取得するため非常に低レイテンシで、セッションデータのような単純な取得に最適です。
  • 2
    グラフ(graph)
    グラフは関係性のクエリに最適化されており、単純なキー取得の最低レイテンシ用途ではありません。
  • 3
    列指向(columnar)
    列指向は大規模分析向けで、低レイテンシの単純取得が主目的ではありません。
  • 4
    ドキュメント(document)
    ドキュメントは柔軟なクエリに適しますが、単純なキー取得の最低レイテンシではキー/値に劣ります。

解説

キー/値ストアは、一意のキーで値を直接取得するため最も低レイテンシで、セッション状態やショッピングカートなどの単純な取得に最適です

【参考リンク】
・非リレーショナルデータと NoSQL
・Azure の非リレーショナルデータ (Learn)
この問題のページを開く →
問題 8どの種類のデータストアを推奨すべきですか?データの概念
問題
テキストファイル、動画、音声ストリーム、仮想ディスクイメージの保存・取得に最適化された非リレーショナルデータストアを推奨する必要があります。データストアは、データ本体、いくらかのメタデータ、各ファイルの一意の ID を保存します。どの種類のデータストアを推奨すべきですか?

選択肢と解説

  • 1
    キー/値(key/value)
    キー/値は単純な値の取得向けで、大容量のバイナリファイルとメタデータの保存に最適化された種類ではありません。
  • 2
    列指向(columnar)
    列指向は分析向けで、バイナリオブジェクト保存ではありません。
  • ✓
    オブジェクト(object)
    オブジェクトストアは、バイナリのファイル本体・メタデータ・一意の ID を保存するのに最適です(Azure Blob Storage が該当)。
  • 4
    ドキュメント(document)
    ドキュメントは JSON などの構造化文書向けで、大容量バイナリファイルの保存に最適化されたものではありません。

解説

オブジェクトストア(Azure Blob Storage など)は、テキスト・動画・音声・ディスクイメージなどのバイナリデータを、メタデータと一意の ID とともに大容量・低コストで保存するのに最適です

【参考リンク】
・Azure Blob Storage の概要
・Azure の非リレーショナルデータ (Learn)
この問題のページを開く →
問題 9どの種類のデータストアを使用すべきですか?データの概念
問題
インターネット接続された温度センサー用のデータストアを設計しています。収集したデータは温度の傾向分析に使用されます。どの種類のデータストアを使用すべきですか?

選択肢と解説

  • 1
    リレーショナル(relational)
    リレーショナルは固定スキーマの汎用データ向けで、時刻付きセンサーデータに最適化された種類ではありません。
  • ✓
    時系列(time series)
    時系列データストアは、時刻付きで連続的に追加されるセンサー/テレメトリデータの保存・分析に最適化されています。
  • 3
    グラフ(graph)
    グラフは関係性のクエリ向けで、時系列センサーデータには適しません。
  • 4
    列指向(columnar)
    列指向は大規模分析向けですが、時刻系列のセンサーデータには時系列ストアが最適です。

解説

時系列データストアは、タイムスタンプ付きで継続的に到着するデータ(IoT センサーのテレメトリなど)を効率的に保存・分析するのに最適化されています

【参考リンク】
・非リレーショナルデータと NoSQL
・Azure Data Explorer の概要
この問題のページを開く →
問題 10データが列ファミリ(column family)に編成され、各行が異なる列の集合を持つことができ、大規模データセットへの…データの概念
問題
データが列ファミリ(column family)に編成され、各行が異なる列の集合を持つことができ、大規模データセットへのクエリに最適化されているデータベースの種類はどれですか?

選択肢と解説

  • ✓
    列ファミリ(column family)
    列ファミリ(ワイドカラム)データベースは、データを列ファミリに編成し、各行が異なる列を持てる柔軟性と、大規模データへの高速クエリを提供します。
  • 2
    リレーショナル(relational)
    リレーショナルは固定スキーマのテーブルで、各行が同じ列を持つため、説明と一致しません。
  • 3
    キー/値(key/value)
    キー/値は単純なキーと値の対で、列ファミリ構造ではありません。
  • 4
    ドキュメント(document)
    ドキュメントは JSON などの文書単位の保存で、列ファミリ構造ではありません。

解説

列ファミリ(ワイドカラム)データベースは、関連する列をまとめた列ファミリでデータを保存し、各行が異なる列を持てます。大量データの高速な読み書きに適し、Azure Cosmos DB for Apache Cassandra が該当します

【参考リンク】
・Cosmos DB for Apache Cassandra
・Azure の非リレーショナルデータ (Learn)
この問題のページを開く →
問題 11分析データモデルにおいて、数値を集計するために使用されるエンティティを含み、各エンティティが一意のキー値を持つ行で表され…データの概念
問題
分析データモデルにおいて、数値を集計するために使用されるエンティティを含み、各エンティティが一意のキー値を持つ行で表されるテーブルの種類はどれですか?

選択肢と解説

  • 1
    ブリッジ(bridge)
    ブリッジテーブルは多対多の関係を解決する中間テーブルで、数値の集計対象を保持するものではありません。
  • 2
    ディメンション(dimension)
    ディメンションテーブルは、集計の軸となる記述的な属性(製品、顧客、日付など)を保持します。
  • ✓
    ファクト(fact)
    ファクトテーブルは、集計対象の数値(売上、数量など)を保持し、ディメンションへの一意キーで関連付けます。

解説

分析(スター/スノーフレーク)モデルでは、ファクトテーブルが集計対象の数値メジャーを保持し、ディメンションテーブルが分析の軸となる記述属性を保持します

【参考リンク】
・データウェアハウスのテーブル設計
・多次元スキーマの設計 (Learn)
この問題のページを開く →
問題 12完全に正規化されたデータベースでは、1 つのエンティティのデータはどのように読み書きされますか?データの概念
問題
完全に正規化されたデータベースでは、1 つのエンティティのデータはどのように読み書きされますか?

選択肢と解説

  • ✓
    データは複数のテーブルから読み取られ、複数のテーブルに書き込まれる
    正規化されたデータベースでは、エンティティのデータが複数のテーブルに分割されるため、読み取りも書き込みも複数テーブルにまたがります。
  • 2
    データは単一のテーブルから読み取られ、単一のテーブルに書き込まれる
    これは非正規化(denormalized)の特徴で、正規化の説明ではありません。
  • 3
    データは単一のテーブルから読み取られ、複数のテーブルに書き込まれる
    正規化では読み取りも複数テーブルにまたがるため、誤りです。
  • 4
    データは複数のテーブルから読み取られ、単一のテーブルに書き込まれる
    書き込みも複数テーブルにまたがるため、誤りです。

解説

正規化は重複を排除してデータを複数のテーブルに分割します。そのため、1 エンティティの読み書きは複数テーブルにまたがり、結合が必要になります

【参考リンク】
・リレーショナルデータの基礎 (Learn)
・リレーショナルデータ
この問題のページを開く →
問題 13完全に非正規化されたデータベースでは、1 つのエンティティのデータはどのように読み書きされますか?データの概念
問題
完全に非正規化されたデータベースでは、1 つのエンティティのデータはどのように読み書きされますか?

選択肢と解説

  • ✓
    データは単一のテーブルから読み取られ、単一のテーブルに書き込まれる
    非正規化では、エンティティのデータが 1 つのテーブルにまとめられるため、読み書きが単一テーブルで完結します。
  • 2
    データは複数のテーブルから読み取られ、単一のテーブルに書き込まれる
    非正規化では読み取りも単一テーブルで完結するため、誤りです。
  • 3
    データは単一のテーブルから読み取られ、複数のテーブルに書き込まれる
    非正規化では書き込みも単一テーブルで完結するため、誤りです。
  • 4
    データは複数のテーブルから読み取られ、複数のテーブルに書き込まれる
    これは正規化されたデータベースの特徴です。

解説

非正規化は、関連データを 1 つのテーブルにまとめて結合を減らし、読み取り性能を高めます。そのため 1 エンティティの読み書きは単一テーブルで完結します

【参考リンク】
・リレーショナルデータの基礎 (Learn)
この問題のページを開く →
問題 14リレーショナルデータベースの主要な特性はどれですか?データの概念
問題
リレーショナルデータベースの主要な特性はどれですか?

選択肢と解説

  • 1
    柔軟なデータ構造
    柔軟なスキーマは非リレーショナル(NoSQL)の特性で、リレーショナルは固定スキーマです。
  • ✓
    SQL 言語のバリアントを使ってデータをクエリ・操作する
    リレーショナルデータベースは、SQL(T-SQL などのバリアント)でデータをクエリ・操作します。
  • 3
    テーブル間の依存関係がない
    リレーショナルではテーブル間に外部キーなどの関係(依存)があり、誤りです。
  • 4
    大量の重複データ
    正規化により重複を排除するため、誤りです。

解説

リレーショナルデータベースの主要な特性は、固定スキーマのテーブル、テーブル間の関係(外部キー)、および SQL(バリアント)によるクエリ・操作です

【参考リンク】
・リレーショナルデータの基礎 (Learn)
・リレーショナルデータ
この問題のページを開く →
問題 15{ "firstName": "John", "lastName": "Doe", "address": { "stre…データの概念
問題
次のデータがあります。 { "firstName": "John", "lastName": "Doe", "address": { "streetAddress": "1 Main St.", "city": "New York", "state": "NY", "postalCode": "10099" } }, { "firstName": "Jane", "lastName": "Doe", "address": { ... }, "contact": [ { "type": "email", "address": "jane.doe@contoso.com" } ] } これはどの種類のデータですか?

選択肢と解説

  • 1
    半構造化データ(semi-structured)
    JSON のようにタグ/キーで構造を持ちつつ、レコードごとにフィールドが異なり得る(一方には contact がある)形式は半構造化データです。
  • ✓
    構造化データ(structured)
    構造化データは固定スキーマの表形式ですが、JSON はレコードごとに項目が異なり厳密な固定スキーマではありません。
  • 3
    非構造化データ(unstructured)
    非構造化は画像/動画/自由文など内部構造を持たないもので、キーを持つ JSON は該当しません。

解説

キー/タグで構造を持ちつつレコードごとに項目が変わり得る JSON は半構造化データです。構造化は固定スキーマの表、非構造化は内部構造のないデータ(画像・動画等)です。

【参考リンク】
・データアーキテクチャガイド
・コアデータの概念
この問題のページを開く →

DP-900 対策のハンズオンラボ

実際の Azure・AWS 環境を払い出して手を動かせます。問題演習と組み合わせると理解が定着します。

SQL 入門: PostgreSQL で売上データを月次・地域別に集計する
beginner・約 45 分
Python でデータ整形: pandas で汚れた売上 CSV を集計できる形にする
beginner・約 60 分
SQL 中級: JOIN とウィンドウ関数で顧客ランキングと累計売上を出す
intermediate・約 60 分
Python 第 3 弾: pandas と matplotlib で売上レポートを可視化する
beginner・約 60 分

DP-900 模擬問題集についてよくある質問

DP-900 の練習問題は無料で試せますか?

はい。DP-900 は先頭 15 問を会員登録なしで、正解と全選択肢の解説つきでご覧いただけます。16 問目以降は模試プラン(月額 ¥980)または Pro プラン(月額 ¥4,980)でご利用ください。

問題は何問ありますか?

DP-900 は本番形式の練習テスト 2 回・全 160 問を収録しています。全問に解説が付いています。

解説は付いていますか?

全ての問題に、正解の理由と各選択肢がなぜ誤りなのかの解説を付けています。ドメイン(出題分野)別の正答率も受験後に確認できます。

DP-900 のハンズオン学習もできますか?

はい。DP-900 に対応するハンズオンラボを 4 件ご用意しています。実際の Azure・AWS 環境を払い出して手を動かしながら学習できます。