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4

        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. TPUの説明として、最も適切なものを1つ選べ。

          1. 画像を画面に描くために作られ、のちに機械学習にも使われるようになった汎用のプロセッサ
          2. Googleがテンソルの演算を速くするために開発した、機械学習向けの専用プロセッサ
          3. 複雑な処理を順番に実行することが得意な、コンピュータの中心となるプロセッサ
          4. 学習したモデルを小さくするために、重みを少ないビット数で表す手法
        2. 多クラス分類のニューラルネットワークの出力層でよく使われる活性化関数として、最も適切なものを1つ選べ。

          1. ReLU関数
          2. tanh関数
          3. ソフトマックス関数
          4. 恒等関数
        3. 顔の画像の照合などで、同じ人物の画像の特徴は近くに、別の人物の画像の特徴は遠くに配置するように学習するときに使う誤差関数として、最も適切なものを1つ選べ。

          1. 平均二乗誤差関数
          2. Triplet Loss
          3. 交差エントロピー
          4. L2正則化
        4. L0正則化についての説明として、最も適切なものを1つ選べ。

          1. 0でない重みの個数を罰則とし、最適化が難しい
          2. 重みの絶対値の和を罰則とし、重みを0にしやすい
          3. 重みの2乗の和を罰則とし、重みを全体に小さくする
          4. 罰則を加えず、学習を途中で止める
        5. 勾配降下法で、重みw=2.0、その点の誤差の勾配が0.5、学習率が0.1のとき、1回更新した後の重みはいくつか。最も適切なものを1つ選べ。

          1. 1.5
          2. 1.8
          3. 1.95
          4. 2.05
        6. 確率的勾配降下法(SGD)の説明として、最も適切なものを1つ選べ。

          1. すべての学習データで勾配を計算してから、一度だけ重みを更新する
          2. 勾配を使わず、重みを無作為に変えて誤差を比べる
          3. 学習率をパラメータごとに自動で調整する
          4. 無作為に選んだ一部のデータで勾配を計算し、重みを更新する
        7. 入力が100個、出力が10個の全結合層に、出力ごとにバイアスがある場合、学習するパラメータの数はいくつか。最も適切なものを1つ選べ。

          1. 110
          2. 1,000
          3. 1,010
          4. 1,100
        8. 入力が3チャンネル(RGB)の画像に、3×3のフィルタ16枚の畳み込み層を使う。フィルタごとにバイアスが1つあるとき、この層のパラメータの数はいくつか。最も適切なものを1つ選べ。

          1. 144
          2. 160
          3. 432
          4. 448
        9. 2×2の領域ごとに最大値をとる最大値プーリング(ストライド2)を、28×28の特徴マップに適用したときの出力の大きさはいくつか。最も適切なものを1つ選べ。

          1. 28×28
          2. 14×14
          3. 26×26
          4. 7×7
        10. ResNetの残差ブロックで、ブロックの入力をx、ブロック内の層が計算する関数をF(x)としたとき、ブロックの出力として最も適切なものを1つ選べ。

          1. F(x)+x
          2. F(x)×x
          3. F(x)−x
          4. F(F(x))
        11. LSTMの説明として、最も適切なものを1つ選べ。

          1. 畳み込みのフィルタで、画像の局所的な特徴を取り出す
          2. ゲートで記憶と忘却を制御し、長期の依存関係を学べる
          3. 層の入力を出力に足して、非常に深いネットワークを学習する
          4. 再帰の構造を使わず、Attentionだけで系列を処理する
        12. Self-Attentionの説明として、最も適切なものを1つ選べ。

          1. 入力の系列と出力の系列の間で、要素どうしの対応を計算する
          2. 前の時刻の隠れ層の状態だけを次の時刻に伝える
          3. 画像の一部の領域にフィルタを当てて特徴を取り出す
          4. 同じ系列の中で、各要素とほかの要素の関係を計算する
        13. 2006年にジェフリー・ヒントンらが示した、オートエンコーダを1層ずつ学習して重ね、その重みを深いネットワークの初期値にする方法として、最も適切なものを1つ選べ。

          1. 転移学習によるファインチューニング
          2. 誤差逆伝播法だけによる一括の学習
          3. 積層オートエンコーダによる事前学習
          4. ドロップアウトによる正則化

        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
        • 最適化手法2問
        • 全結合層1問
        • 畳み込み層1問
        • プーリング層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5

        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313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。