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5

        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. ディープラーニングを使う前に検討すべきこととして、最も適切なものを1つ選べ。

          1. 学習に十分な量のデータと計算資源を用意できるか
          2. データが少ないほど高い精度が出るので、データを減らせるか
          3. 特徴量を人がすべて設計しなければならないので、専門家がいるか
          4. 結果の根拠を必ず人が説明できるので、説明の資料を作れるか
        2. tanh関数(双曲線正接関数)についての説明として、最も適切なものを1つ選べ。

          1. 出力は0から1の範囲で、微分の最大値は0.25である
          2. 入力が負のとき、出力はつねに0になる
          3. 出力は−1から1の範囲で、微分の最大値は1である
          4. 出力の合計がつねに1になる
        3. Contrastive Lossについての説明として、最も適切なものを1つ選べ。

          1. 組が似ていれば距離を近く、違えば遠くするように学ぶ
          2. 出力したクラスの確率と正解の確率分布の違いを測る
          3. 重みの値の絶対値の和を誤差に加える
          4. 予測した値と正解の差の絶対値の平均を取る
        4. 深いニューラルネットワークの学習で、勾配が層をさかのぼるにつれて大きくなりすぎ、重みの更新が不安定になる現象として、最も適切なものを1つ選べ。

          1. 勾配消失問題
          2. 信用割当問題
          3. 勾配爆発問題
          4. 二重降下現象
        5. モーメンタムの説明として、最も適切なものを1つ選べ。

          1. パラメータごとに、過去の勾配の2乗の合計で学習率を小さくしていく
          2. 誤差が増え始めた時点で学習を止める
          3. 前回の更新の方向を引き継いで、振動を抑えつつ加速する
          4. ハイパーパラメータの組み合わせをすべて試す
        6. 検証データでの誤差が下がらなくなり、増え始めた時点で学習を止めて過学習を防ぐ方法を何と呼ぶか。最も適切なものを1つ選べ。

          1. 早期終了
          2. ドロップアウト
          3. 学習率の減衰
          4. データ拡張
        7. モデルのパラメータ数を増やしていくと、テストの誤差がいったん増えた後に再び減少することがある。この現象として、最も適切なものを1つ選べ。

          1. 勾配消失問題
          2. 破滅的忘却
          3. 早期終了
          4. 二重降下現象
        8. 畳み込み層を全結合層と比べたときの特徴として、最も適切なものを1つ選べ。

          1. すべての入力とすべての出力の間に別々の重みを持つ
          2. 同じフィルタを各位置で使うので、パラメータが少ない
          3. 画像の位置関係の情報を使わずに処理する
          4. 時系列の前の時刻の情報を次の時刻に伝える
        9. 画像のスタイル変換などで使われ、1枚の画像の各チャンネルごとに正規化する手法として、最も適切なものを1つ選べ。

          1. バッチ正規化
          2. インスタンス正規化
          3. レイヤー正規化
          4. グループ正規化
        10. リカレントニューラルネットワーク(RNN)が向いているデータとして、最も適切なものを1つ選べ。

          1. 文章や音声のように、順序に意味がある時系列データ
          2. 順序に意味のない、行ごとに独立した表形式のデータ
          3. 1枚の静止画像の分類だけに使うデータ
          4. 正解のラベルのない画像のグループ分け
        11. RNNのうち、出力層の値を次の時刻の入力として戻すものとして、最も適切なものを1つ選べ。

          1. エルマンネットワーク
          2. 双方向RNN
          3. ジョルダンネットワーク
          4. Seq2Seq
        12. Attentionで使われるクエリ、キー、バリューの関係の説明として、最も適切なものを1つ選べ。

          1. クエリとキーの類似度で重みを決め、その重みでバリューを足し合わせる
          2. キーとバリューの類似度で重みを決め、その重みでクエリを足し合わせる
          3. クエリだけを使い、キーとバリューは学習のときにだけ使う
          4. 3つを単純に足し合わせて、次の層に渡す
        13. 画像の一部の正方形の領域を塗りつぶして学習データを増やすデータ拡張の手法として、最も適切なものを1つ選べ。

          1. Cutout
          2. Mixup
          3. Random Flip
          4. CutMix

        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
        • 誤差逆伝播法1問
        • 最適化手法3問
        • 畳み込み層1問
        • 正規化層1問
        • 回帰結合層2問
        • Attention1問
        • データ拡張1問

        次へ:ディープラーニングの概要と要素技術, セット6

        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413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。