問題1-07
問題一覧
1
学習において、各時刻の入力に、１つ前の時刻の出力データではなく、１つ前の時刻の正解データを教師データとして用いる方法
2
不均衡データを用いて分類モデルを学習する場合、モデルはデータけんすうの少ないクラスを優先して損失関数を最小化する傾向にある
3
ImageNet
4
複数の主体が同時に強調して、あるいは競争的に学習する
5
デジタルの学習・資格証明書であるオープンバッチに活用されている
6
K回の精度評価結果の平均値を、そのモデルの汎化性能と考える
7
2つのモデルAとBを比較したとき、Bの適合率と再現率がともにAに比べて高いとき、BのF値もAに比べて高い
8
購買データ間の関連性を分析することで、ビールを買う人ナッツを買う確率が高いことがわかった
9
チューリングテスト
10
フォルマント周波数
11
Chainerが購入したdefine-by-run方式は、順伝播処理を実行しながら計算グラフを動的に構築する。この方法はPyTorchでも使われている
12
教師ラベルが付与されている一部のデータを利用し、残りの教師ラベルなしのデータに対してラベルの予測を行い、最後にすべてのデータを統合し教師あり学習を行う
13
活性化関数
14
BiRNN
15
この出願の技術が、産業上のり用可能性が高いとき、進歩性があると判断される
16
AI技術に対する倫理的な懸念に対して、事後的ではなく、事前に対処すべきである
17
訓練:テスト=7:3
18
音の高低
19
正解が陰性であるサンプルを、機械学習モデルが陽性と判断してしまうこと
20
y = 4x + 15
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年前問題1-03
問題1-03
Tsuyoshi Ikeda · 20問 · 1年前問題1-03
問題1-03
20問 • 1年前問題1-04
問題1-04
Tsuyoshi Ikeda · 20問 · 1年前問題1-04
問題1-04
20問 • 1年前問題1-05
問題1-05
Tsuyoshi Ikeda · 20問 · 1年前問題1-05
問題1-05
20問 • 1年前問題1-06
問題1-06
Tsuyoshi Ikeda · 20問 · 1年前問題1-06
問題1-06
20問 • 1年前問題1-08
問題1-08
Tsuyoshi Ikeda · 20問 · 1年前問題1-08
問題1-08
20問 • 1年前問題1-09
問題1-09
Tsuyoshi Ikeda · 20問 · 1年前問題1-09
問題1-09
20問 • 1年前問題1-10
問題1-10
Tsuyoshi Ikeda · 11問 · 1年前問題1-10
問題1-10
11問 • 1年前令和6年春
令和6年春
Tsuyoshi Ikeda · 26問 · 1年前令和6年春
令和6年春
26問 • 1年前令和5年秋
令和5年秋
Tsuyoshi Ikeda · 26問 · 1年前令和5年秋
令和5年秋
26問 • 1年前令和5年春
令和5年春
Tsuyoshi Ikeda · 25問 · 1年前令和5年春
令和5年春
25問 • 1年前令和4年秋
令和4年秋
Tsuyoshi Ikeda · 15問 · 1年前令和4年秋
令和4年秋
15問 • 1年前令和4年春
令和4年春
Tsuyoshi Ikeda · 22問 · 1年前令和4年春
令和4年春
22問 • 1年前令和3年秋
令和3年秋
Tsuyoshi Ikeda · 17問 · 1年前令和3年秋
令和3年秋
17問 • 1年前令和3年春
令和3年春
Tsuyoshi Ikeda · 10問 · 1年前令和3年春
令和3年春
10問 • 1年前令和2年秋
令和2年秋
Tsuyoshi Ikeda · 16問 · 1年前令和2年秋
令和2年秋
16問 • 1年前令和元年秋
令和元年秋
Tsuyoshi Ikeda · 8問 · 1年前令和元年秋
令和元年秋
8問 • 1年前平成31年春
平成31年春
Tsuyoshi Ikeda · 8問 · 1年前平成31年春
平成31年春
8問 • 1年前平成30年秋
平成30年秋
Tsuyoshi Ikeda · 7問 · 1年前平成30年秋
平成30年秋
7問 • 1年前平成30年春
平成30年春
Tsuyoshi Ikeda · 5問 · 1年前平成30年春
平成30年春
5問 • 1年前平成29年秋
平成29年秋
Tsuyoshi Ikeda · 8問 · 1年前平成29年秋
平成29年秋
8問 • 1年前平成29年春
平成29年春
Tsuyoshi Ikeda · 16問 · 1年前平成29年春
平成29年春
16問 • 1年前平成28年秋
平成28年秋
Tsuyoshi Ikeda · 9問 · 1年前平成28年秋
平成28年秋
9問 • 1年前平成28年春
平成28年春
Tsuyoshi Ikeda · 6問 · 1年前平成28年春
平成28年春
6問 • 1年前平成27年秋
平成27年秋
Tsuyoshi Ikeda · 7問 · 1年前平成27年秋
平成27年秋
7問 • 1年前問題一覧
1
学習において、各時刻の入力に、１つ前の時刻の出力データではなく、１つ前の時刻の正解データを教師データとして用いる方法
2
不均衡データを用いて分類モデルを学習する場合、モデルはデータけんすうの少ないクラスを優先して損失関数を最小化する傾向にある
3
ImageNet
4
複数の主体が同時に強調して、あるいは競争的に学習する
5
デジタルの学習・資格証明書であるオープンバッチに活用されている
6
K回の精度評価結果の平均値を、そのモデルの汎化性能と考える
7
2つのモデルAとBを比較したとき、Bの適合率と再現率がともにAに比べて高いとき、BのF値もAに比べて高い
8
購買データ間の関連性を分析することで、ビールを買う人ナッツを買う確率が高いことがわかった
9
チューリングテスト
10
フォルマント周波数
11
Chainerが購入したdefine-by-run方式は、順伝播処理を実行しながら計算グラフを動的に構築する。この方法はPyTorchでも使われている
12
教師ラベルが付与されている一部のデータを利用し、残りの教師ラベルなしのデータに対してラベルの予測を行い、最後にすべてのデータを統合し教師あり学習を行う
13
活性化関数
14
BiRNN
15
この出願の技術が、産業上のり用可能性が高いとき、進歩性があると判断される
16
AI技術に対する倫理的な懸念に対して、事後的ではなく、事前に対処すべきである
17
訓練:テスト=7:3
18
音の高低
19
正解が陰性であるサンプルを、機械学習モデルが陽性と判断してしまうこと
20
y = 4x + 15