トイ・プロブレム（おもちゃの問題）に関する説明として、不適切なものを1つ選べ

フレーム問題に関する説明として、不適切なものを1つ選べ

チューリングテストに関する説明として、不適切なものを１つ選べ

強いAIと弱いAIに関する説明として、不適切なものを1つ選べ

シンボルグラウンディング問題に関する説明として、不適切なものを1つ選べ

知識獲得のボトルネックに関する説明として、不適切なものを1つ選べ

特徴量に関する説明として、不適切なものを1つ選べ

ある店舗のある日の午後のビールの売り上げ予想のために用いる特徴量として、適切でないと考えられるものを1つ選べ

未来学者レイ・カーツワイルが主張する「シンギュラリティー（技術的特異点）」に関する説明として、不適切なものを1つ選べ

以下の文章を読み、空欄に最も適しているものを1つ選べ 機械学習の学習の枠組みは強化学習、教師なし学習、（　）の３つに分けることができる。（　）は、事前に学習した正しい入出力の組み合わせをもとに、新たな入力に対して適切な出力を得ようとする学習である。

機械学習に関する以下の文章において、空欄に当てはまる語句の組み合わせとして最も適しているものを１つ選べ 教師あり学習と教師なし学習はデータセットの形式に違いがあり、教師あり学習は（A）が、教師なし学習は（B）が用いられる。これらのデータを用いて、教師あり学習はデータ間の関係性を、教師なし学習はデータが持つ構造・特徴を学習する

以下の文章を読み、空欄に最も適しているものを1つ選べ ニューラルネットワークは、（　）と分類問題の両方に用いることができる

空欄に当てはまる語句の組み合わせとして、最も適しているものを１つ選べ 教師あり学習の問題は出力値の種類によって、大きく2種類に分けられる。（A）問題は、出力が離散値であり、カテゴリを予想したいときに利用される。一方、（B）問題は、出力が連続値であり、その連続値そのものを予想したいときに利用している

ディープラーニングに関する下記の説明のうち、最も適しているものを１つ選べ

機械学習の評価に関する以下の文章において、空欄（ア）～（エ）に当てはまる語句の組み合わせとして最も適しているものを1つ選べ 2クラスの分類を考えた際、それぞれのデータ数が同じだけある場合は、（ア）を評価指標として用いるのは問題ないが、どちらかのクラスのデータが極端に多い（あるいは少ない）場合には注意が必要である。例えば[クラス1]のデータ数が25、[クラス2]のデータ数が75だったとき、全てのデータに対して[クラス2]と予測すると、（ア）は75%となるが、[クラス1]と予測が全くできていないので、学習がうまくいっていない可能性が高い。このような問題を防ぐため、実際に[クラス１]のデータのうち、どれだけ[クラス1]と予測できたかの割合を示す（イ）や、[クラス１]と予測したもののうち、どれだけ実際に[クラス１]だったかの割合を示す（ウ）が用いられる場合もある。一方、（イ）と（ウ）はトレードオフの関係にもあるため、両者の調和平均を用いた（エ）が用いられる場合も多い。

ディープニューラルネットワーク(DNN)について述べた以下の文のうち、最も適切なものを１つ選べ

ニューラルネットワークの隠れ層を増やすことにより発生する問題に関して、最も適切なものを1つ選べ

ニューラルネットワークに関する以下の文章において、空欄（ア）～（オ）に当てはまる選択肢の組み合わせとして適切なものを1つ選べ ニューラルネットワークで２クラスのデータを分類することを試みた。まず単純パーセプトロンと呼ばれる（ア）層と（イ）層で構成されるネットワークで実験をしてみたが、正解率が約50%と、ほとんど乱打句な予測と変わらない結果となってしまった。そこで、新たに（ウ）層を（ア）層と（イ）層の間に足した多層パーセプトロンで実験をしてみたところ、今度は正解率が90%を超える結果が得られた。これは、（ウ）層を追加したことによって、（エ）ができることになったことが理由である。そこで、さらに（ウ）層を足していったところ、今度は正解率が50%近くに減ってしまった。これは、（ウ）層を追加したことによって（オ）問題が発生し、学習がうまくいかなかったことが原因と考えられる。

事前学習を用いたディープラーニングの手法として、適切な組み合わせを1つ選べ （ア）積層オートエンコーダ （イ）深層信念ネットワーク （ウ）畳み込みネットワーク （エ）リカレントネットワーク （オ）敵対的生成ネットワーク

出力が入力と同じものに近づくことを目指して学習する自己符号化器(AutoEncoder)のアルゴリズムは何と呼ばれるか。最も適切な選択肢を１つ選べ

自己符号化器（Autoencoder）は、出力と入力と同じものに近づくことを目指して学習する。この自己符号化器によって可能となるのは何か。以下の選択肢のうち最も適切なものを1つ選べ

自己符号化器（Autoencoder）は、出力が入力と同じものに近づくことを目指して学習する。このとき入力特徴を表現したと考えられるものとして、以下の選択肢のうち最も適切なものを1つ選べ

事前学習を用いたディープニューラルネットワークではファインチューニングが行われるが、ファインチューニングの説明として最も適切なものを１つ選べ

ディープラーニングの学習法の１つとしてファインチューニングがある。ファインチューニングについて述べた以下の文章のうち、最も適切なものを1つ選べ

ディープラーニングの飛躍的な活躍を支える要素として、それに要求される多数の計算処理を可能とするハードウェアの深化も見逃してはならない。ディープラーニングを行うに当たっては、元来グラフィック計算用のプロセッサとして開発された装置が転用され、並列計算を可能として従来型のプロセッサよりも非常に処理能力を誇っている。この装置の名称として正しいものを、以下の選択肢から1つ選べ

GPUとGPGPUについて、最も適切な説明をしているものを１つ選べ

画像データに対しては、例えばライブラリOpenCVを用いて様々な前処理を施すことができる。カラー画像を濃淡画像に変換して計算量を削減する手法はどれか、以下の選択肢から最も正しいと思われるものを１つ選んで答えよ

画像データに対しては、例えばライブラリOpenCVを用いてさまざまな前処理を施すことができる。このうち細かいノイズの影響を除去する手法を、以下の選択肢から選んで答えよ

画像データに対しては、例えばライブラリOpenCVを用いてさまざまな前処理を施すことができる。このうち画像ごとのコントラストを調整する手法を以下の選択肢から１つ選んで答えよ