G検定 ディープラーニングの概要と要素技術の練習問題 セット2
ディープラーニングの概要と要素技術の14問を本番のペースの10分で解きます。時間制限なしでも練習できます。目標は10問正解です。
- 問題数
- 14
- 時間
- 10分
- 目標
- 10 (70%)
- 分野
- ディープラーニングの概要と要素技術
- モード
- 時間制限あり・なし
- 利用
- 試験パス
このテストにはJavaScriptが必要です。問題は次のとおりです。
多層パーセプトロンで、入力層と出力層の間にある層を何と呼ぶか。最も適切なものを1つ選べ。
シグモイド関数の微分(傾き)の最大値はいくつか。最も適切なものを1つ選べ。
ニューラルネットワークで活性化関数を使う主な理由として、最も適切なものを1つ選べ。
ドロップアウトの説明として、最も適切なものを1つ選べ。
シグモイド関数を活性化関数に使った深いネットワークで、勾配消失が起こりやすい理由として、最も適切なものを1つ選べ。
1万件の学習データをバッチサイズ100のミニバッチ学習で5エポック学習するとき、重みの更新(イテレーション)の回数はいくつか。最も適切なものを1つ選べ。
ハイパーパラメータに当たるものとして、最も適切なものを1つ選べ。
32×32の入力に、5×5のフィルタをストライド1、パディングなしで畳み込んだとき、出力の特徴マップの大きさはいくつか。最も適切なものを1つ選べ。
入力32チャンネル、出力64チャンネルの3×3の畳み込みを、Depthwise Separable Convolution(3×3のチャンネルごとの畳み込みと1×1の畳み込み)に置き換えた。バイアスを考えないとき、重みの数はいくつになるか。最も適切なものを1つ選べ。
7×7×512の特徴マップにグローバルアベレージプーリング(GAP)を適用したとき、出力の形として最も適切なものを1つ選べ。
RNNの学習で使われる教師強制(teacher forcing)の説明として、最も適切なものを1つ選べ。
Transformerの特徴として、最も適切なものを1つ選べ。
変分オートエンコーダ(VAE)の特徴として、最も適切なものを1つ選べ。
変換の種類と強さを無作為に選び、少ない調整項目で複数の変換を組み合わせて適用するデータ拡張の手法として、最も適切なものを1つ選べ。
このセットの出題内容
- ニューラルネットワークとディープラーニング1問
- 活性化関数2問
- 正則化1問
- 誤差逆伝播法1問
- 最適化手法2問
- 畳み込み層2問
- プーリング層1問
- 回帰結合層1問
- Attention1問
- オートエンコーダ1問
- データ拡張1問
この試験のほかの練習
一般社団法人日本ディープラーニング協会(JDLA)とは関係のない独自の練習です。問題はすべて当サイトのオリジナルで、JDLAの例題や過去問題ではありません。