データサイエンス概論.3

49問 • 1年前

Daniel

通報

問題一覧

マサチューセッツ工科大学のジョセフ・ワイゼンバウム氏により、初の自然言語処理プログラム（　　　　）が開発された

イライザ

1980年代の第2次AIブームに、専門知識を取り込んだ「（　　　　　　　　　　　）」の開発

エキスパートシステム

2015年、Googleが買収したDeep Mind社の囲碁AI「（　　　　）」が欧州王者に勝利した。また、2016年には、韓国のトッププロに勝利した。この技術の鍵となるのは、ディープラーニングを活用した、局面の（　　）技術である。

AlphaGo, 認識

生き物ではないものに、人のような学習能力を獲得させるための技術の総称を、（　　　　）という

機械学習

神経細胞のことを英語で、（　　　　　）といい、人間の脳には、約（　　　）億のニューロンがある。

ニューロン, 800

SVMは、英語の（　　　　　　　　　　）の略である

サポートベクターマシン

連続値の予測（回帰問題）への拡張も可能であり、それをSVR(　　　　　　　　　）と呼んでいる

サポートベクターレギュレーション

サポートベクターマシンの特徴は、計算コストが比較的大きいこと、（　　　）なデータセットには不向きで、（　　　　）のデータセットで使われていること、大規模で高度な分析においてのファーストトライとして使うことが多いことで、データ数が少ない場合は、最も（　　）が高い手法であると言われている

大規模, 中小規模, 精度

ポケモンの「進化」は生物学的には進化ではなく、「（　　）」である

変態

ポケモンの進化は、（　　）を経ておらず、同じ個体が姿を変えているだけである

世代

生物の遺伝と進化のメカニズムを模倣したモデルを用いて、学習や推論を行う「（　　　　　　　　　　）」がある

遺伝的アルゴリズム

生物は、環境にうまく適応できると増殖できるが、適応できない場合は、（　　　　）の原理により、最終的には絶滅する

自然淘汰

高等な生物は、増殖は有性生殖で行われ、遺伝子の（　　）によって父方と母方の遺伝子は混ざり合い、少しずつ異なる個体が生成される

交叉

遺伝子コピーにあたって、エラーが生じることがあり、（　　　　）が生じて生物の多様性が広がることがある

突然変異

1956年：AIの夜明け：（　　　　　会議）ではじめて「人工知能」という言葉を提唱。提唱者は、ダートマス大学の数学の教授（　　　　　　　　　　　）であった。

ダートマス, ジョン・マッカーシー

思考ゲームとAIの歴史は、2011年に米IBMが開発した「（　　　　）」が米クイズの歴代チャンピオンに勝利する快挙を達成した。

ワトソン

ディープラーニング革命として挙げられる3つの技術を示せ (1)（　　）：画像認識が可能 (2)（　　　　　）：機械の熟練動作 (3)（　　　　　　　　）：文と映像の相互変換

認識, 運動の習熟, 言語の意味理解

人間の脳の中で起きる反応や動物の（　　　　）の一部を模倣して、その機能をコンピュータ上でモデル化した手法を（　　　　　　　　　　）という。

神経回路, ニューラルネットワーク

また、入出力関係が定式化できない問題も、（　　）することで、近似解を算出できる

学習

特に、階層化されたニューラルネットワークを（　　　）ニューラルネットワークという

階層型

データをカテゴリに分類し、分類結果に基づいてどちらのグループに所属するか判別することを（　　）といい、画像や言語、音声などにも活用されている

分類

また、SVMは、機械学習の（　　　　　　）の一つで、AIの基礎となる

パターン認識

SVMの実社会での応用例を3つ述べよ（　　　　　　　）、（　　　　）、（　　　　）

手書き文字認識, 画像認識, 情報検索

「変態」とは、動物の正常な生育過程において（　　）を変えることである

形態

進化計算とは、生物の（　　　　　　　　）をまねて知識を獲得する機械学習の手法の一つ

進化のメカニズム

単細胞生物のような下等生物は、（　　　　　）によって増殖が行われ、遺伝子はコピーされて、ほとんど変わらず子孫へと伝わる

体細胞分裂

遺伝子アルゴリズムの基本操作について、遺伝アルゴリズムは、シンボルや数値を（1次元）に並べ、それを解として扱い、その位置を遺伝子座として扱い、「（　　）」、「（　　）」「（　　　　）」の３つの処理プロセス（+淘汰）で構成される

選択, 交叉, 突然変異

「選択（=淘汰）」は、各個体の適応度の分布に従って、個体の（　　　　）を決定する

生存分布

2010年代の第3次AIブームに、機械学習の実装手法の一つで、人間が行うタスクをコンピュータに覚えさせ、複雑な問題を解決するための技術「（　　　　　　　　）」が登場

Deep Learning

人間の脳の神経細胞の働きを模倣した技術（ニューラルネットワーク）を拡張した、教師なし学習のさらに凄いやつを、「（　　　　　　　　　）」という

ディープラーニング

これまでの人工知能は、人間が実世界の事象を（　　）し、「着目する場所（　　　）」を探して、モデル構築を行っていたため、（　　　）化部分に人間が大きく介在していたことが壁を越えられない原因となっていた。

観察, 特徴量, モデル

マージン最大化法とは、「（　　　　　　　）」と呼ばれる考えに基づき、主に2値の（　　　　）に使われるものである。

マージン最大化, 分類問題

カーネル法とは、非線形データの分類方法で、（　　　　）と呼ばれる（　　）関数を用いて、（　　　）（特徴空間）の高次元空間への写像を行うものである。

カーネル, 写像, 超平面

遺伝的アルゴリズムは、進化計算のひとつで、設計変数を（　　　）と見立て、（　　　）的な遺伝の法則を模倣したモデルを用いてデータを操作し、様々な問題解決や学習、推論などに応用することが可能なアルゴリズムである

遺伝子, 進化論

ディープラーニングは、データをもとに「（　　　　　）」を自動的に判断し、人工知能に自ら（　　）させるための技術で、トロント大学の（　　　　　　　　　　）教授らが開発したものである。

何が重要か, 学習, ジェフリー・ヒントン

階層型ニューラルネットワークは、入力層、中間層（隠れ層）、出力層の３層構造となっており、各層の（　　　　　　）で繋がっている

重み付き結合

ニューラルネットワークの語源にもなっているニューロンは、多種多様な形態をしており、運動ニューロンや（　　）細胞、（　　　　　）細胞、（　）細胞などが組み合わさって、人間の脳が形成されている

錐体, プルキンエ, 嗅

最適な重み付きパラメータを求める際は、（　　　　　）がよく利用される

勾配降下法

分類問題の一つである（　　　　　　　　　　　）は、もともと手書き文字などの画像を機械に認識させるための（　　　　　　　　）として発展してきており、（　　　）の高さや応用分野の広さから、データ分析の現場において最も注目を集めている

サポートベクターマシン, 分類アルゴリズム, 汎用性

一般に、「データの（　　）が上がると、高次元空間では（　　　　）可能な状態に近づいていく」ことが知られている

次元, 線形分離

「認識」技術における、第3次ブームまでの人工知能の壁について、3つの難題を答えよ (1) （　　　　　　） (2) 機械学習における（　　　）の設計 (3) （　　　　　　　　　　　　）

フレーム問題, 特徴量, シンボルグラウンディング問題

生物の体の主な構成要素は、細胞であり、特に脳を主に構成する要素は、（　　）細胞と（　　　）細胞である。

神経, グリア

遺伝的アルゴリズムにおける遺伝子とは、生物学的な見地から（　　　）のうち遺伝情報を担う部分を示しており、特定の遺伝子は（　　　）の遺伝子座（位置）に存在し、（　　　　）によって表現されている

DNA, 染色体, 塩基配列

この手法を用いれば、入出力関係が（　　　）できない問題でも、学習することで、（　　　）を算出できる

定式化, 近似解

現実的な多くの問題は、多変量解析やパターン認識のような（　　　　）によって解を求める事は困難であるが、ニューラルネットワークは、（　　　　）を考慮し、かつ統計的手法のほとんどをカバーできるため、複雑な解析も可能である。

線形変換, 非線形性

「学習する」とは、望み通りの出力が得られるように、（　　　　　　　　）を適切に調整することを表す

重み付きパラメータ

学習の目標とは、それぞれ定めた（　　　　）を最小化することである

損失関数

数値を予測するもので、データ分析の基礎となるものを（　　）という。また、将来の予測や（　　　　）等で用いられる手法である

回帰, 要因分析

2つのカテゴリの識別の際、境界付近にあるデータをもとに（　　　　）と呼ばれる幅のある境界を求め、その中央を通る（　　　　　）を求める方法である

マージン, 分離境界面

データサイエンス概論.1

データサイエンス概論.1

データサイエンス概論.2

データサイエンス概論.2

データサイエンス概論

データサイエンス概論

環境気象学

環境気象学

社会環境調査法Ⅱ

社会環境調査法Ⅱ

環境データ循環学

環境データ循環学

環境調査分析

環境調査分析

環境と開発

環境と開発

環境統計解析学応用

環境統計解析学応用

環境と多文化共生

環境と多文化共生

経営データ・ESG投資分析

経営データ・ESG投資分析

環境プログラミング基礎

環境プログラミング基礎

農業・情報キャリア論

農業・情報キャリア論

環境気象学◎

環境気象学◎

環境データ循環学◎

環境データ循環学◎

環境気象学

環境気象学

社会環境調査法Ⅱ

社会環境調査法Ⅱ

環境データ循環学

環境データ循環学

問題一覧

マサチューセッツ工科大学のジョセフ・ワイゼンバウム氏により、初の自然言語処理プログラム（　　　　）が開発された

イライザ

1980年代の第2次AIブームに、専門知識を取り込んだ「（　　　　　　　　　　　）」の開発

エキスパートシステム

AlphaGo, 認識

生き物ではないものに、人のような学習能力を獲得させるための技術の総称を、（　　　　）という

機械学習

神経細胞のことを英語で、（　　　　　）といい、人間の脳には、約（　　　）億のニューロンがある。

ニューロン, 800

SVMは、英語の（　　　　　　　　　　）の略である

サポートベクターマシン

連続値の予測（回帰問題）への拡張も可能であり、それをSVR(　　　　　　　　　）と呼んでいる

サポートベクターレギュレーション

大規模, 中小規模, 精度

ポケモンの「進化」は生物学的には進化ではなく、「（　　）」である

変態

ポケモンの進化は、（　　）を経ておらず、同じ個体が姿を変えているだけである

世代

生物の遺伝と進化のメカニズムを模倣したモデルを用いて、学習や推論を行う「（　　　　　　　　　　）」がある

遺伝的アルゴリズム

生物は、環境にうまく適応できると増殖できるが、適応できない場合は、（　　　　）の原理により、最終的には絶滅する

自然淘汰

高等な生物は、増殖は有性生殖で行われ、遺伝子の（　　）によって父方と母方の遺伝子は混ざり合い、少しずつ異なる個体が生成される

交叉

遺伝子コピーにあたって、エラーが生じることがあり、（　　　　）が生じて生物の多様性が広がることがある

突然変異

ダートマス, ジョン・マッカーシー

思考ゲームとAIの歴史は、2011年に米IBMが開発した「（　　　　）」が米クイズの歴代チャンピオンに勝利する快挙を達成した。

ワトソン

認識, 運動の習熟, 言語の意味理解

神経回路, ニューラルネットワーク

また、入出力関係が定式化できない問題も、（　　）することで、近似解を算出できる

学習

特に、階層化されたニューラルネットワークを（　　　）ニューラルネットワークという

階層型

分類

また、SVMは、機械学習の（　　　　　　）の一つで、AIの基礎となる

パターン認識

SVMの実社会での応用例を3つ述べよ（　　　　　　　）、（　　　　）、（　　　　）

手書き文字認識, 画像認識, 情報検索

「変態」とは、動物の正常な生育過程において（　　）を変えることである

形態

進化計算とは、生物の（　　　　　　　　）をまねて知識を獲得する機械学習の手法の一つ

進化のメカニズム

単細胞生物のような下等生物は、（　　　　　）によって増殖が行われ、遺伝子はコピーされて、ほとんど変わらず子孫へと伝わる

体細胞分裂

選択, 交叉, 突然変異

「選択（=淘汰）」は、各個体の適応度の分布に従って、個体の（　　　　）を決定する

生存分布

Deep Learning

ディープラーニング

観察, 特徴量, モデル

マージン最大化法とは、「（　　　　　　　）」と呼ばれる考えに基づき、主に2値の（　　　　）に使われるものである。

マージン最大化, 分類問題

カーネル, 写像, 超平面

遺伝子, 進化論

何が重要か, 学習, ジェフリー・ヒントン

階層型ニューラルネットワークは、入力層、中間層（隠れ層）、出力層の３層構造となっており、各層の（　　　　　　）で繋がっている

重み付き結合

錐体, プルキンエ, 嗅

最適な重み付きパラメータを求める際は、（　　　　　）がよく利用される

勾配降下法

サポートベクターマシン, 分類アルゴリズム, 汎用性

一般に、「データの（　　）が上がると、高次元空間では（　　　　）可能な状態に近づいていく」ことが知られている

次元, 線形分離

フレーム問題, 特徴量, シンボルグラウンディング問題

生物の体の主な構成要素は、細胞であり、特に脳を主に構成する要素は、（　　）細胞と（　　　）細胞である。

神経, グリア

DNA, 染色体, 塩基配列

この手法を用いれば、入出力関係が（　　　）できない問題でも、学習することで、（　　　）を算出できる

定式化, 近似解

線形変換, 非線形性

「学習する」とは、望み通りの出力が得られるように、（　　　　　　　　）を適切に調整することを表す

重み付きパラメータ

学習の目標とは、それぞれ定めた（　　　　）を最小化することである

損失関数

数値を予測するもので、データ分析の基礎となるものを（　　）という。また、将来の予測や（　　　　）等で用いられる手法である

回帰, 要因分析

マージン, 分離境界面