暗記メーカー

暗記メーカー

​
ログイン
問題1-06
20問 • 1年前
  • Tsuyoshi Ikeda
    • 通報

    問題一覧

  • 1

    Google社が開発した画像認識モデルDeepLabについて適切な選択肢を選べ

    Atrous Convolutionを採用している

  • 2

    画像認識モデルにおけるCutoutの説明として適切な選択肢を選べ

    画像中のランダムな位置を矩形領域で隠し、その状態でも予測できるように訓練することで、モデルの汎用性を高めるデータ拡張の一種である

  • 3

    Grad-CAMはCAMを拡張したモデル解釈手法である。Grad-CAMでは画像認識の判断の根拠を算出するために、CAMの場合に使用された(ア)の平均と予測出力の間の重みの部分を、逆伝播時の(イ)で置き換えている

    (ア)特徴マップ (イ)勾配

  • 4

    複雑な構造を有するディープラーニングも、その計算処理の1つ1つは、単純な積和計算である。よって、大規模なテンソル計算が得意であり、膨大な単純作業の並行処理が得意で、従来グラフィック用途に利用されてきた(ア)がディープラーニング向けの処理に応用されている

    GPU

  • 5

    深層強化学習のモデルとして、不適切な選択肢を選べ

    LDA

  • 6

    ニューラルネットワークの基本構造であるパーセプトロンに関する説明として、不適切な選択肢を選べ

    単純パーセプトロンを用いて非線形分離を行うことができる

  • 7

    ディープラーニングにおける量子化の説明として適切な選択肢を選べ

    パラメータのビット数を制限して、モデルを軽量化する

  • 8

    多層パーセプトロンとは、入力層、隠れ層、出力層の3種類のニューロン層から構成されるニューラルネットワークの総称である。入力層から訓練データを受け取り、隠れ層で識別に効果的な(ア)を抽出し、出力層から予測結果を出力する

    特徴量

  • 9

    「相互情報量」とは2つの確率変数の相互依存性を表す指標であり以下の式で表される。相互情報量の説明として適切な選択肢を選べ

    2つの確率変数(XとY)を入れ替えても、相互情報量は同じ値となる

  • 10

    ROC曲線とAUCの説明として不適切な選択肢を選べ

    データがランダムに分離されている場合、AUCは０に近付く

  • 11

    AIプロジェクトを高めるための体制として不適切な選択肢を選べ

    運用開始の時点から、システムの利用者のプライバシーの侵害を防ぐことを意識すべき

  • 12

    PoC(概念実証)について不適切な選択肢を選べ

    PoCフェーズで使用するデータは、本開発で使用する予定の手法をテストすることが目的なので、本開発と同程度の量のデータを使用する

  • 13

    ビッグデータは「３つのV」で代表される特徴を持つ。この３つの特徴に含まれる要素として不適切な選択肢を選べ

    Vague(データの漠然性が高い)

  • 14

    ビジネスにおけるデータ分析の留意点について述べたものとして不適切な選択肢を選べ

    データ分析のモデルを構築した後に、分析モデルの運用に必要なタスクを明確化する

  • 15

    Mini-Max法の説明として適切な選択肢を選べ

    完全情報ゲームにおいて、自分の番もスコアの高い手を選び、相手の番で最もスコアの低い手を選ぶ戦略である

  • 16

    ニューラルネットワークの学習の目的とは、(ア)の値が出来るだけ(イ)なるように(ウ)の最適な値を見つけ、その値に設定を更新すること

    (ア)損失関数 (イ)小さく (ウ)パラメータ

  • 17

    画像データからノイズを除去する操作として適切な選択肢を選べ

    平滑化

  • 18

    ロボスティック分野には、ディープラーニングが盛んに応用されている。特定の環境と状態における報酬を最大化するような一連の行動をロボットに学習させるために(ア)が使われることがある

    深層強化学習

  • 19

    機械学習におけるハイパーパラメータの特性として適切な選択肢を選べ

    ハイパーパラメータを、モデルを構築する者が手動で設定できる値であり、その設定によってモデルの学習の状況が変わる

  • 20

    ある時刻の状態がこれ以上の時刻の状態の影響を受けるようなデータは一般的に(ア)のことである

    時系列データ

    • 1.人工知能の定義と、技術動向・研究における問題

    1.人工知能の定義と、技術動向・研究における問題

    Tsuyoshi Ikeda · 23問 · 1年前

    1.人工知能の定義と、技術動向・研究における問題

    1.人工知能の定義と、技術動向・研究における問題

    23問 • 1年前
    Tsuyoshi Ikeda

    2.1.機械学習の基本概念・具体的な手法・精度評価

    2.1.機械学習の基本概念・具体的な手法・精度評価

    Tsuyoshi Ikeda · 22問 · 1年前

    2.1.機械学習の基本概念・具体的な手法・精度評価

    2.1.機械学習の基本概念・具体的な手法・精度評価

    22問 • 1年前
    Tsuyoshi Ikeda

    2.2.機械学習の基本概念・具体的な手法・精度評価

    2.2.機械学習の基本概念・具体的な手法・精度評価

    Tsuyoshi Ikeda · 20問 · 1年前

    2.2.機械学習の基本概念・具体的な手法・精度評価

    2.2.機械学習の基本概念・具体的な手法・精度評価

    20問 • 1年前
    Tsuyoshi Ikeda

    2.3.機械学習の基本概念・具体的な手法・精度評価

    2.3.機械学習の基本概念・具体的な手法・精度評価

    Tsuyoshi Ikeda · 16問 · 1年前

    2.3.機械学習の基本概念・具体的な手法・精度評価

    2.3.機械学習の基本概念・具体的な手法・精度評価

    16問 • 1年前
    Tsuyoshi Ikeda

    3.1.ディープラーニングの仕組みと応用

    3.1.ディープラーニングの仕組みと応用

    Tsuyoshi Ikeda · 17問 · 1年前

    3.1.ディープラーニングの仕組みと応用

    3.1.ディープラーニングの仕組みと応用

    17問 • 1年前
    Tsuyoshi Ikeda

    3.2.ディープラーニングの仕組みと応用

    3.2.ディープラーニングの仕組みと応用

    Tsuyoshi Ikeda · 21問 · 1年前

    3.2.ディープラーニングの仕組みと応用

    3.2.ディープラーニングの仕組みと応用

    21問 • 1年前
    Tsuyoshi Ikeda

    3.3.ディープラーニングの仕組みと応用

    3.3.ディープラーニングの仕組みと応用

    Tsuyoshi Ikeda · 12問 · 1年前

    3.3.ディープラーニングの仕組みと応用

    3.3.ディープラーニングの仕組みと応用

    12問 • 1年前
    Tsuyoshi Ikeda

    3.4.ディープラーニングの仕組みと応用

    3.4.ディープラーニングの仕組みと応用

    Tsuyoshi Ikeda · 27問 · 1年前

    3.4.ディープラーニングの仕組みと応用

    3.4.ディープラーニングの仕組みと応用

    27問 • 1年前
    Tsuyoshi Ikeda

    4.1.ディープラーニングの研究分野

    4.1.ディープラーニングの研究分野

    Tsuyoshi Ikeda · 12問 · 1年前

    4.1.ディープラーニングの研究分野

    4.1.ディープラーニングの研究分野

    12問 • 1年前
    Tsuyoshi Ikeda

    4.2.ディープラーニングの研究分野

    4.2.ディープラーニングの研究分野

    Tsuyoshi Ikeda · 19問 · 1年前

    4.2.ディープラーニングの研究分野

    4.2.ディープラーニングの研究分野

    19問 • 1年前
    Tsuyoshi Ikeda

    4.3.ディープラーニングの研究分野

    4.3.ディープラーニングの研究分野

    Tsuyoshi Ikeda · 3回閲覧 · 26問 · 1年前

    4.3.ディープラーニングの研究分野

    4.3.ディープラーニングの研究分野

    3回閲覧 • 26問 • 1年前
    Tsuyoshi Ikeda

    5.1 AI・データ活用の社会実装とプロジェクトの進め方

    5.1 AI・データ活用の社会実装とプロジェクトの進め方

    Tsuyoshi Ikeda · 23問 · 1年前

    5.1 AI・データ活用の社会実装とプロジェクトの進め方

    5.1 AI・データ活用の社会実装とプロジェクトの進め方

    23問 • 1年前
    Tsuyoshi Ikeda

    6.1 法規制・倫理ガイドライン・社会問題

    6.1 法規制・倫理ガイドライン・社会問題

    Tsuyoshi Ikeda · 19問 · 1年前

    6.1 法規制・倫理ガイドライン・社会問題

    6.1 法規制・倫理ガイドライン・社会問題

    19問 • 1年前
    Tsuyoshi Ikeda

    6.2 法規制・倫理ガイドライン・社会問題

    6.2 法規制・倫理ガイドライン・社会問題

    Tsuyoshi Ikeda · 21問 · 1年前

    6.2 法規制・倫理ガイドライン・社会問題

    6.2 法規制・倫理ガイドライン・社会問題

    21問 • 1年前
    Tsuyoshi Ikeda

    6.3 法規制・倫理ガイドライン・社会問題

    6.3 法規制・倫理ガイドライン・社会問題

    Tsuyoshi Ikeda · 13問 · 1年前

    6.3 法規制・倫理ガイドライン・社会問題

    6.3 法規制・倫理ガイドライン・社会問題

    13問 • 1年前
    Tsuyoshi Ikeda

    6.4 法規制・倫理ガイドライン・社会問題

    6.4 法規制・倫理ガイドライン・社会問題

    Tsuyoshi Ikeda · 11問 · 1年前

    6.4 法規制・倫理ガイドライン・社会問題

    6.4 法規制・倫理ガイドライン・社会問題

    11問 • 1年前
    Tsuyoshi Ikeda

    7.1 AIを理解するための数学・統計学

    7.1 AIを理解するための数学・統計学

    Tsuyoshi Ikeda · 13問 · 1年前

    7.1 AIを理解するための数学・統計学

    7.1 AIを理解するための数学・統計学

    13問 • 1年前
    Tsuyoshi Ikeda

    7.2 AIを理解するための数学・統計学

    7.2 AIを理解するための数学・統計学

    Tsuyoshi Ikeda · 17問 · 1年前

    7.2 AIを理解するための数学・統計学

    7.2 AIを理解するための数学・統計学

    17問 • 1年前
    Tsuyoshi Ikeda

    問題1-01

    問題1-01

    Tsuyoshi Ikeda · 20問 · 1年前

    問題1-01

    問題1-01

    20問 • 1年前
    Tsuyoshi Ikeda

    問題1-02

    問題1-02

    Tsuyoshi Ikeda · 20問 · 1年前

    問題1-02

    問題1-02

    20問 • 1年前
    Tsuyoshi Ikeda

    問題一覧

  • 1

    Google社が開発した画像認識モデルDeepLabについて適切な選択肢を選べ

    Atrous Convolutionを採用している

  • 2

    画像認識モデルにおけるCutoutの説明として適切な選択肢を選べ

    画像中のランダムな位置を矩形領域で隠し、その状態でも予測できるように訓練することで、モデルの汎用性を高めるデータ拡張の一種である

  • 3

    Grad-CAMはCAMを拡張したモデル解釈手法である。Grad-CAMでは画像認識の判断の根拠を算出するために、CAMの場合に使用された(ア)の平均と予測出力の間の重みの部分を、逆伝播時の(イ)で置き換えている

    (ア)特徴マップ (イ)勾配

  • 4

    複雑な構造を有するディープラーニングも、その計算処理の1つ1つは、単純な積和計算である。よって、大規模なテンソル計算が得意であり、膨大な単純作業の並行処理が得意で、従来グラフィック用途に利用されてきた(ア)がディープラーニング向けの処理に応用されている

    GPU

  • 5

    深層強化学習のモデルとして、不適切な選択肢を選べ

    LDA

  • 6

    ニューラルネットワークの基本構造であるパーセプトロンに関する説明として、不適切な選択肢を選べ

    単純パーセプトロンを用いて非線形分離を行うことができる

  • 7

    ディープラーニングにおける量子化の説明として適切な選択肢を選べ

    パラメータのビット数を制限して、モデルを軽量化する

  • 8

    多層パーセプトロンとは、入力層、隠れ層、出力層の3種類のニューロン層から構成されるニューラルネットワークの総称である。入力層から訓練データを受け取り、隠れ層で識別に効果的な(ア)を抽出し、出力層から予測結果を出力する

    特徴量

  • 9

    「相互情報量」とは2つの確率変数の相互依存性を表す指標であり以下の式で表される。相互情報量の説明として適切な選択肢を選べ

    2つの確率変数(XとY)を入れ替えても、相互情報量は同じ値となる

  • 10

    ROC曲線とAUCの説明として不適切な選択肢を選べ

    データがランダムに分離されている場合、AUCは０に近付く

  • 11

    AIプロジェクトを高めるための体制として不適切な選択肢を選べ

    運用開始の時点から、システムの利用者のプライバシーの侵害を防ぐことを意識すべき

  • 12

    PoC(概念実証)について不適切な選択肢を選べ

    PoCフェーズで使用するデータは、本開発で使用する予定の手法をテストすることが目的なので、本開発と同程度の量のデータを使用する

  • 13

    ビッグデータは「３つのV」で代表される特徴を持つ。この３つの特徴に含まれる要素として不適切な選択肢を選べ

    Vague(データの漠然性が高い)

  • 14

    ビジネスにおけるデータ分析の留意点について述べたものとして不適切な選択肢を選べ

    データ分析のモデルを構築した後に、分析モデルの運用に必要なタスクを明確化する

  • 15

    Mini-Max法の説明として適切な選択肢を選べ

    完全情報ゲームにおいて、自分の番もスコアの高い手を選び、相手の番で最もスコアの低い手を選ぶ戦略である

  • 16

    ニューラルネットワークの学習の目的とは、(ア)の値が出来るだけ(イ)なるように(ウ)の最適な値を見つけ、その値に設定を更新すること

    (ア)損失関数 (イ)小さく (ウ)パラメータ

  • 17

    画像データからノイズを除去する操作として適切な選択肢を選べ

    平滑化

  • 18

    ロボスティック分野には、ディープラーニングが盛んに応用されている。特定の環境と状態における報酬を最大化するような一連の行動をロボットに学習させるために(ア)が使われることがある

    深層強化学習

  • 19

    機械学習におけるハイパーパラメータの特性として適切な選択肢を選べ

    ハイパーパラメータを、モデルを構築する者が手動で設定できる値であり、その設定によってモデルの学習の状況が変わる

  • 20

    ある時刻の状態がこれ以上の時刻の状態の影響を受けるようなデータは一般的に(ア)のことである

    時系列データ