国または地域と言語

    国または地域と、言語を選んでください。

    おすすめ

      すべての国と地域

        キャラクターを選ぶ

        上部のバーとプロフィールに表示されます。いつでも変更できます。

        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3

        ディープラーニングの概要と要素技術の13問を本番のペースの9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。

        G検定の学習用に、層を重ねたニューラルネットワークの図、グラフのカード、天秤のアイコンを描いたイラスト。
        問題数
        13
        時間
        9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。

        1. GPUがディープラーニングの学習に向いている理由として、最も適切なものを1つ選べ。

          1. 複雑な条件分岐を含む処理を、一つずつ高速に順番に実行できる
          2. 記憶装置の容量が大きく、学習データをすべて保存できる
          3. 単純な行列の演算を、多数の演算器で並列に処理できる
          4. 学習の途中で過学習を自動で防ぐ機能を持つ
        2. Leaky ReLU関数がReLU関数を改良した点として、最も適切なものを1つ選べ。

          1. 出力を0から1の範囲に収め、確率として扱えるようにした
          2. 出力の合計が1になるようにして、多クラス分類に使えるようにした
          3. 入力が正のときの傾きを0にして、計算を軽くした
          4. 負の入力にも小さな傾きを持たせ、勾配を0にしない
        3. カルバック・ライブラー情報量(KLダイバージェンス)について、最も適切なものを1つ選べ。

          1. 2つの分布が同じなら0、違えば正の値を取る
          2. 2つのベクトルの向きの近さを、−1から1の値で表す
          3. 予測した値と正解の差の2乗の平均を表す
          4. 値が大きいほど、2つの確率分布が似ていることを表す
        4. 正則化を行う主な目的として、最も適切なものを1つ選べ。

          1. 学習データの件数を増やす
          2. 誤差逆伝播法の計算を省略する
          3. モデルが複雑になりすぎるのを抑え、過学習を防ぐ
          4. 出力を確率として扱えるようにする
        5. 誤差逆伝播法の説明として、最も適切なものを1つ選べ。

          1. 入力層から出力層へ向かって値を計算し、予測を出す
          2. 重みを無作為に変えて、誤差が小さくなった値を残す
          3. 誤差を出力側から入力側へ伝え、連鎖律で勾配を求める
          4. 層を一つずつ、教師なし学習で順番に学習する
        6. 学習率を大きくしすぎたときに起こりやすいこととして、最も適切なものを1つ選べ。

          1. 学習が非常に遅くなり、なかなか誤差が下がらない
          2. 必ず大域最適解にたどり着く
          3. 過学習が完全になくなる
          4. 誤差が最小の点を飛び越え、発散しやすくなる
        7. ハイパーパラメータの探索で、候補の値を格子状に並べてすべての組み合わせを試す方法として、最も適切なものを1つ選べ。

          1. ランダムサーチ
          2. 早期終了
          3. ドロップアウト
          4. グリッドサーチ
        8. 31×31の入力に、3×3のフィルタをストライド2、パディング1で畳み込んだとき、出力の特徴マップの1辺の大きさはいくつか。最も適切なものを1つ選べ。

          1. 15
          2. 16
          3. 30
          4. 31
        9. バッチ正規化の説明として、最も適切なものを1つ選べ。

          1. 1つのデータの中で、すべての特徴をまとめて正規化する
          2. 学習のたびに一部のニューロンを無効にする
          3. 重みの2乗の和を誤差に加える
          4. ミニバッチ内で各チャンネルを平均0、分散1にそろえる
        10. ResNetで使われるスキップ結合の働きとして、最も適切なものを1つ選べ。

          1. 層の出力の一部を無作為に0にして、過学習を防ぐ
          2. 入力を出力に直接足し、深くても勾配を伝えやすくする
          3. 特徴マップの大きさを半分にして、計算量を減らす
          4. 前の時刻の出力を次の時刻の入力に戻す
        11. RNNの学習で、時刻をさかのぼりながら誤差を伝えて勾配を求める方法として、最も適切なものを1つ選べ。

          1. CTC
          2. BPTT
          3. k分割交差検証
          4. グリッドサーチ
        12. TransformerでSelf-Attentionと別に位置エンコーディングが必要な理由として、最も適切なものを1つ選べ。

          1. 計算を並列にできないので、位置で順番を決めるから
          2. 単語の意味を表す分散表現が使えないから
          3. 出力の確率の合計を1にするため
          4. Attentionだけでは、要素の順番がわからないから
        13. VAEの亜種の説明として、最も適切なものを1つ選べ。

          1. β-VAEは潜在変数を使わず、入力を直接復元する
          2. VQ-VAEは潜在変数を離散的なコードで表す
          3. VQ-VAEは潜在変数を正規分布だけで表し、離散化は行わない
          4. info VAEは画像の生成をやめ、分類だけを行う

        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1問
        • 誤差関数1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1問
        • 正規化層1問
        • スキップ結合1問
        • 回帰結合層1問
        • Attention1問
        • オートエンコーダ1問

        次へ:ディープラーニングの概要と要素技術, セット4

        この試験のほかの練習

        1. ディープラーニングの概要と要素技術, セット114問 · 10分
        2. ディープラーニングの概要と要素技術, セット214問 · 10分
        3. ディープラーニングの概要と要素技術, セット413問 · 9分
        4. ディープラーニングの概要と要素技術, セット513問 · 9分
        5. ディープラーニングの概要と要素技術, セット613問 · 9分
        6. 模擬試験 第1回145問 · 100分
        7. 模擬試験 第2回145問 · 100分
        8. ミニテスト 30問30問 · 21分

        G検定の練習問題一覧

        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。

        Your Work Gym account

        Save your progress and pick up on another device. Your browser's progress comes with you.

        or

        You can keep practicing without an account.

        ヘルプとフィードバック

        質問、うまく動かない点、アイデアなどをお寄せください。メールで返信します。

        どのような内容ですか?

        返信のためだけに使用します。