暗記メーカー

暗記メーカー

​
ログイン
4.2.ディープラーニングの研究分野
19問 • 1年前
  • Tsuyoshi Ikeda
    • 通報

    問題一覧

  • 1

    言語処理におけるTF-IDFに関する説明として適切な選択肢を選べ

    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

    自然言語処理の前段においてテキストに対して分かち書きが行われる。以下のテキストデータのうち、分かち書きのしかたが、他と異なるものを選べ

    我昨天吃蛋糕

  • 3

    形態素解析を行うライブラリとして適切な選択肢を選べ

    JUMAN

  • 4

    N-gramの特徴として適切な選択肢を選べ

    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

    自然言語処理に用いられる「構文解析」の目的として適切な選択肢を選べ

    文章の係り受け構造を捉える

  • 6

    トピックモデルとは文章中の話題（トピック）を書き出すためのモデルである。トピックモデルに関する以下の記述の中から適切な選択肢を選べ

    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

    言語解析に広く用いられる手法Bowに関する適切な選択肢を選べ

    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ベクトル変数は、数値ではないデータに対する変換処理の１種である。これについて不適切な選択肢を選べ

    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

    自然言語処理において、２つのRNNで構成され、入力さらた時系列か新しい時系列に変換し出力するモデルとして適切な選択肢を選べ

    Seq2Seq

  • 10

    リカレントニュートラルネットワークによるデータ処理について適切な選択肢を選べ

    Sequence-to-Sequenceモデルのエンコーダとデコーダに使われる

  • 11

    リカレントニュートラルネットワークは、入力される系列と出力される系列の長さが一致しなくてもよい。適切な選択肢を選べ。

    系列データに空文字を加えている

  • 12

    TransfermerとRNNの共通点として適切な選択肢を選べ

    画像からキャプションを生成するために利用できる

  • 13

    画像処理に活用されているVision Transformerにおいて、画像データを入力として受け入れるための処理として適切な選択肢を選べ

    入力画像をバッチに分割する

  • 14

    ニュートラル機械翻訳の機能に関して、不適切な選択肢を選べ

    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

    単語の意味を数値ベクトルで表現するモデルWord2VecにはスキップグラムとCBOWの２つのアプローチがある。スキップグラムの特徴として適切な選択肢を選べ

    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

    時系列データを扱うディープラーニングモデルの特徴について不適切な選択肢を選べ

    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

    自然言語処理において単語を数値化する手法であるWord2Vecの特徴として不適切な選択肢を選べ

    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

    2018年以降、自然言語処理の分野において、巨大なコーパスで訓練された事前学習モデルの注目度が上がった。このような事前学習モデルについて不適切な選択肢を選べ

    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

    OpenAIが開発したGPT-nシリーズの自然言語処理モデルに関する記述として不適切な選択肢を選べ

    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
    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

    4.3.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

    言語処理におけるTF-IDFに関する説明として適切な選択肢を選べ

    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

    自然言語処理の前段においてテキストに対して分かち書きが行われる。以下のテキストデータのうち、分かち書きのしかたが、他と異なるものを選べ

    我昨天吃蛋糕

  • 3

    形態素解析を行うライブラリとして適切な選択肢を選べ

    JUMAN

  • 4

    N-gramの特徴として適切な選択肢を選べ

    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

    自然言語処理に用いられる「構文解析」の目的として適切な選択肢を選べ

    文章の係り受け構造を捉える

  • 6

    トピックモデルとは文章中の話題（トピック）を書き出すためのモデルである。トピックモデルに関する以下の記述の中から適切な選択肢を選べ

    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

    言語解析に広く用いられる手法Bowに関する適切な選択肢を選べ

    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ベクトル変数は、数値ではないデータに対する変換処理の１種である。これについて不適切な選択肢を選べ

    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

    自然言語処理において、２つのRNNで構成され、入力さらた時系列か新しい時系列に変換し出力するモデルとして適切な選択肢を選べ

    Seq2Seq

  • 10

    リカレントニュートラルネットワークによるデータ処理について適切な選択肢を選べ

    Sequence-to-Sequenceモデルのエンコーダとデコーダに使われる

  • 11

    リカレントニュートラルネットワークは、入力される系列と出力される系列の長さが一致しなくてもよい。適切な選択肢を選べ。

    系列データに空文字を加えている

  • 12

    TransfermerとRNNの共通点として適切な選択肢を選べ

    画像からキャプションを生成するために利用できる

  • 13

    画像処理に活用されているVision Transformerにおいて、画像データを入力として受け入れるための処理として適切な選択肢を選べ

    入力画像をバッチに分割する

  • 14

    ニュートラル機械翻訳の機能に関して、不適切な選択肢を選べ

    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

    単語の意味を数値ベクトルで表現するモデルWord2VecにはスキップグラムとCBOWの２つのアプローチがある。スキップグラムの特徴として適切な選択肢を選べ

    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

    時系列データを扱うディープラーニングモデルの特徴について不適切な選択肢を選べ

    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

    自然言語処理において単語を数値化する手法であるWord2Vecの特徴として不適切な選択肢を選べ

    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

    2018年以降、自然言語処理の分野において、巨大なコーパスで訓練された事前学習モデルの注目度が上がった。このような事前学習モデルについて不適切な選択肢を選べ

    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

    OpenAIが開発したGPT-nシリーズの自然言語処理モデルに関する記述として不適切な選択肢を選べ

    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