4.2.ディープラーニングの研究分野
問題一覧
1
同じ単語であっても、文章ごのにTF-IDFが異なる値をとることがある
2
我昨天吃蛋糕
3
JUMAN
4
任意の文字数（N）の窓を設定し、文章をN文字ずつ区切りながら単語分解する手法である
5
文章の係り受け構造を捉える
6
トピックモデルは、ウェブ記事の自動カテゴリ分けや類似記事のレコメンドに活用することができる
7
形態素解析によって文章を単語などの最小単位に分解した後、Bowの処理を用いて、各単語の出現回数に基づいて、文章を数値ベクトルとして表現する
8
One-Hotベクトルを使う利点の1つは、単語を次元の少ないコンパクトな数値表現に変換できることである
9
Seq2Seq
10
Sequence-to-Sequenceモデルのエンコーダとデコーダに使われる
11
系列データに空文字を加えている
12
画像からキャプションを生成するために利用できる
13
入力画像をバッチに分割する
14
Tansformerを用いたモデルでは、長文に対する翻訳精度が向上したものの、より複雑な機構を使用し、並列演算には不向きであるため、シンプルなSeq2Seqモデルより処理速度が低い
15
中心に位置する単語が与えられた時に、その周囲に現れる単語を予測する
16
Transformerモデルでは並列計算に向いているLSTMを採用することによりデータ処理や学習の高速化を実現した
17
単語の単位での対応のみでき、複合句には対応できない
18
BERTは、GPT-3に比べてパラメータの数が数十倍多い事前学習モデルであり、学習コストが課題である
19
AIの民主主義の観点から、GPT-3はOpenAIからオープンソースとして公開されている
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4.3.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1-07
問題1-07
Tsuyoshi Ikeda · 20問 · 1年前問題1-07
問題1-07
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
同じ単語であっても、文章ごのにTF-IDFが異なる値をとることがある
2
我昨天吃蛋糕
3
JUMAN
4
任意の文字数（N）の窓を設定し、文章をN文字ずつ区切りながら単語分解する手法である
5
文章の係り受け構造を捉える
6
トピックモデルは、ウェブ記事の自動カテゴリ分けや類似記事のレコメンドに活用することができる
7
形態素解析によって文章を単語などの最小単位に分解した後、Bowの処理を用いて、各単語の出現回数に基づいて、文章を数値ベクトルとして表現する
8
One-Hotベクトルを使う利点の1つは、単語を次元の少ないコンパクトな数値表現に変換できることである
9
Seq2Seq
10
Sequence-to-Sequenceモデルのエンコーダとデコーダに使われる
11
系列データに空文字を加えている
12
画像からキャプションを生成するために利用できる
13
入力画像をバッチに分割する
14
Tansformerを用いたモデルでは、長文に対する翻訳精度が向上したものの、より複雑な機構を使用し、並列演算には不向きであるため、シンプルなSeq2Seqモデルより処理速度が低い
15
中心に位置する単語が与えられた時に、その周囲に現れる単語を予測する
16
Transformerモデルでは並列計算に向いているLSTMを採用することによりデータ処理や学習の高速化を実現した
17
単語の単位での対応のみでき、複合句には対応できない
18
BERTは、GPT-3に比べてパラメータの数が数十倍多い事前学習モデルであり、学習コストが課題である
19
AIの民主主義の観点から、GPT-3はOpenAIからオープンソースとして公開されている