AI実装検定A級～模擬試験①～ 2024年12月8日 ailearn 1. Numpyにおけるブロードキャストの仕組みを考慮すると、a = np.array([1, 2, 3]) と b = np.array([[1], [2], [3]]) のアダマール積 a * b の結果はどれですか？ [[1, 2, 3], [2, 4, 6], [3, 6, 9]] [[1, 2, 3], [4, 5, 6], [7, 8, 9]] [1, 4, 9] エラーが発生する None 2. ニューラルネットワークにおいて「重み減衰（Weight Decay）」が導入される理由は何ですか？ 学習率を動的に調整するため 過学習を防ぐために、重みの大きさにペナルティをかけるため 計算速度を向上させるため モデルの精度を上げるために、重みを一時的に凍結するため None 3. PandasのDataFrameにおいて、特定の列を選択するための標準的な方法はどれですか？ df.select() df['列名'] df.pick() df.loc() None 4. Numpyにおいて、配列 a = np.array([1, 2, 3, 4]) の要素をシャッフルする関数はどれですか？ np.shuffle() np.random.shuffle() np.random.permute() np.random.rand() None 5. ニューラルネットワークにおける「勾配爆発（Gradient Explosion）」はどのように発生しますか？ 重みが非常に大きな値に更新されることにより発生する 活性化関数が不適切に選択されている場合に発生する モデルの学習率が小さすぎる場合に発生する 出力層のユニット数が過剰な場合に発生する None 6. Numpy配列の要素ごとの掛け算に使用される演算子はどれですか？ @ * & % None 7. Pandasにおいて、DataFrame内の全ての列に対して、欠損値が存在するかどうかを確認するための関数はどれですか？ df.isnull() df.notnull() df.any() df.all() None 8. Pandasにおいて、行ラベルに基づいてデータを選択するためのメソッドはどれですか？ df.loc[] df.iloc[] df.at[] df.ix[] None 9. Pandasにおいて、条件に基づいてデータをフィルタリングする方法はどれですか？ df.query() df.sort() df.filter() df.loc[] None 10. ニューラルネットワークの入力層において、欠損データが多い場合に行うべき対策として最も適切なものは次のうちどれですか？ 欠損データをそのまま入力する 欠損データを補完するか削除する前処理を行う 欠損データを0に置き換える 欠損データを無視して学習を進める None 11. 勾配降下法において「モーメンタム（Momentum）」を使用する理由は次のうちどれですか？ モデルのパラメータ数を削減するため 学習速度を速め、勾配の振動を抑えるため 活性化関数を変更するため 過学習を防ぐため None 12. 画像認識タスクで、入力層のデータ形式として4次元テンソル（バッチサイズ×高さ×幅×チャネル数）を使用する理由は何ですか？ モデルの計算精度を向上させるため 複数の画像データを一度に処理し、バッチ学習を行うため 特徴量を圧縮するため 勾配消失を防ぐため None 13. PandasでDataFrameを作成するために使用される関数はどれですか？ pd.Series() pd.DataFrame() pd.array() pd.matrix() None 14. Pandasでデータを読み込むために使用される関数のうち、CSVファイルを読み込むための関数はどれですか？ pd.read_excel() pd.read_json() pd.read_csv() pd.read_sql() None 15. Numpy配列において、配列の要素を逆順にするために使用するスライスの指定はどれですか？ [::-1] [:0] [::2] [0::-1] None 16. Pandasにおいて、Datetimeデータを処理するために最も適切なデータ型はどれですか？ np.datetime64 pd.DatetimeIndex pd.Timestamp pd.Period None 17. 順伝播における「全結合層（Fully Connected Layer）」の主な役割は何ですか？ データの次元を縮小する 特徴を圧縮して次の層に伝える 勾配を計算して更新する 全ての入力に対して線形結合を行い、出力を計算する None 18. Numpy配列 a = np.array([1, 2, 3, 4]) において、全ての要素が真（非ゼロ）の場合に真を返す関数はどれですか？ np.any() np.nonzero() np.truth() np.all() None 19. 「勾配クリッピング（Gradient Clipping）」が必要になる理由は何ですか？ 勾配消失を防ぐため モデルの計算コストを削減するため 勾配爆発を防ぐため 活性化関数の効果を高めるため None 20. 出力層において「シグモイド関数」を用いると、どのような特性が得られますか？ 出力が0〜1の範囲に制限され、バイナリ分類に適する 出力が-1〜1の範囲に制限され、多クラス分類に適する 勾配消失が防げる 出力が常に非負値となる None 21. 重みの「ランダム初期化」が重要である理由は次のうちどれですか？ 重みが0に設定されると、すべてのニューロンが同じ勾配を持つため モデルのパラメータ数を減らすため 出力層のユニット数を増やすため 勾配爆発を防ぐため None 22. 重みの初期化において、深層ニューラルネットワークで「He初期化」が推奨されるのは次のうちどのような場合ですか？ シグモイド活性化関数を使用する場合 ReLU活性化関数を使用する場合 活性化関数を使用しない場合 勾配爆発を促進する必要がある場合 None 23. あるニューラルネットワークで、順伝播の途中で計算された中間層の出力が全て同じ値になってしまう場合の主な原因は何ですか？ 活性化関数の設定が不適切である 重みが全てゼロに初期化された 勾配消失が発生している 学習率が大きすぎる None 24. 重みの更新に使用される最も一般的な手法は何ですか？ モーメンタム法 勾配降下法 アダム（Adam） SGD（確率的勾配降下法） None 25. 分類タスクにおいて、出力層で使用される一般的な活性化関数は次のうちどれですか？ シグモイド ReLU ソフトマックス 線形活性化関数 None 26. 入力層で画像のピクセル値を「0〜1」に正規化する主な理由は何ですか？ モデルのパラメータ数を増加させるため 勾配消失を防ぐため 学習を安定させ、収束を速めるため 特徴量を圧縮するため None 27. 2つのNumpy配列 a = np.array([1, 2, 3]) と b = np.array([4, 5, 6]) の外積を計算するための関数はどれですか？ np.dot() np.cross() np.outer() np.multiply() None 28. 重みの初期化手法として「Xavier初期化」が適しているのはどのような場合ですか？ 活性化関数としてReLUを使用する場合 勾配爆発を防ぐために、重みを大きく初期化する必要がある場合 活性化関数としてシグモイドやtanhを使用する場合 モデルの深さが非常に浅い場合 None 29. 順伝播の計算において、各層の出力を計算する際に必要となる要素は次のうちどれですか？ 入力データ、重み、バイアス、活性化関数 出力データ、学習率、活性化関数 勾配、学習率、重み バッチサイズ、重み、バイアス None 30. ニューラルネットワークの出力層でソフトマックス関数を使用する主な理由は何ですか？ 各クラスに属する確率を計算するため 勾配消失を防ぐため 非線形性を導入するため 特徴量を圧縮するため None 31. ニューラルネットワークの出力層のユニット数は何によって決まりますか？ モデルの入力データの次元数 モデルの目的とタスクの種類 活性化関数の種類 隠れ層のユニット数 None 32. DataFrameの行または列を再配置するための関数はどれですか？ df.sort_index() df.reindex() df.drop() df.shift() None 33. Pandasにおいて、複数のDataFrameを行方向に結合するために使用される関数はどれですか？ pd.concat() pd.merge() pd.join() pd.append() None 34. Numpy配列における行列積を計算するための関数はどれですか？ np.matmul() np.dot() np.product() np.cross() None 35. ニューラルネットワークで重みの「早期停止（Early Stopping）」が有効な理由は何ですか？ 過学習を防ぐため モデルのパラメータ数を削減するため 勾配消失を防ぐため モデルの重みを一時的に凍結するため None 36. 順伝播において、出力層で「ソフトマックス関数」を使用するのはどのような目的ですか？ モデルの出力を連続値に変換するため 出力を確率分布として解釈するため 勾配の計算をスムーズにするため 出力の次元を減らすため None 37. 3層ニューラルネットワークにおいて、入力層が4ユニット、中間層が5ユニット、出力層が3ユニットである場合、順伝播に必要な全ての重みの数は次のうちどれですか？ 15 20 35 27 None 38. 画像認識タスクにおける入力層の一般的なデータ形式は何ですか？ 3次元テンソル 1次元ベクトル 2次元画像 スカラー値 None 39. 順伝播において、活性化関数を「シグモイド関数」から「ReLU関数」に変更した場合、何が期待されますか？ 勾配消失が発生しやすくなる モデルがより非線形なパターンを学習できるようになる モデルの学習速度が向上する可能性がある 出力が負の値になることが多くなる None 40. Numpyにおいて、配列 a = np.array([1, 2, 3, 4, 5, 6]) を (2, 3) の形状に変換した場合、各要素の順序はどうなりますか？ [1, 2, 3, 4, 5, 6] のまま [[1, 2, 3], [4, 5, 6]] [[1, 3, 5], [2, 4, 6]] エラーが発生する None 41. 出力層において「回帰タスク」での予測誤差を最小化するために使用される損失関数として適切なのは次のうちどれですか？ クロスエントロピー損失 ハブ損失（Huber Loss） 平均二乗誤差（MSE） 対数損失 None 42. 勾配降下法を用いて重みを更新する際の「学習率」の役割は何ですか？ 重みの更新量を調整する モデルの出力を決定する 各層のニューロンの数を決定する 活性化関数を選択する None 43. Numpyにおいて、全ての要素がゼロである配列を作成するための関数はどれですか？ np.ones() np.zeros() np.empty() np.fill() None 44. 順伝播において、畳み込み層で使用される「フィルタ（カーネル）」はどのような役割を果たしますか？ ノード間の結合強度を決定する データの次元を縮小する 入力画像から特徴を抽出する 出力をスケーリングする None 45. Numpyにおいて、配列 a = np.array([[1, 2], [3, 4], [5, 6]]) の2番目の行を選択するスライス指定はどれですか？ a[1, :] a[:, 1] a[1] a[1:2, :] None 46. ニューラルネットワークにおける順伝播の基本的な流れはどれですか？ 入力層→出力層→中間層 入力層→中間層→出力層 出力層→入力層→中間層 中間層→入力層→出力層 None 47. PandasでNaN値を特定の値で置換するための関数はどれですか？ df.fillna() df.dropna() df.replace() df.assign() None 48. DataFrameの列に対して関数を適用し、新しい列を追加するための標準的な方法はどれですか？ df.assign('新しい列名', 関数) df.apply('新しい列名', 関数) df['新しい列名'] = df.apply(関数, axis=1) df.transform('新しい列名', 関数) None 49. Numpy配列の形状を変形するために使用される関数はどれですか？ np.reshape() np.resize() np.reform() np.shape() None 50. Numpyにおいて、np.linalg.inv() 関数を使用する際の条件は何ですか？ 行列が対角行列であること 行列の要素が整数であること 行列が正方行列であること 行列が非対称であること None 51. ニューラルネットワークの入力層の役割は何ですか？ モデルの予測を行う データの前処理を行う 外部からのデータをモデルに取り込む 勾配を計算する None 52. ニューラルネットワークで「重み共有」が使用される主な理由は何ですか？ モデルの学習率を向上させるため モデルのパラメータ数を削減し、効率的な計算を可能にするため 活性化関数の効果を強化するため 勾配消失を防ぐため None 53. 順伝播において、入力データがスパース（多くのゼロを含む）である場合、どのような対策が有効ですか？ 重みの初期化をランダムに行う 入力データに対して正規化を行う データを正規分布に従って再生成する スパース性を活かすような活性化関数（ReLUなど）を使用する None 54. 重みの初期化が不適切だとどのような問題が発生しますか？ 学習が停止する 学習速度が遅くなる 過学習が発生する 勾配消失や勾配爆発が発生する None 55. 順伝播で「バッチ正規化（Batch Normalization）」を使用する主な理由は次のうちどれですか？ 重みを初期化するため 各層の出力を一定の範囲に正規化し、学習を安定させるため モデルの計算コストを減らすため 出力の次元を減らすため None 56. 重み共有を行わない場合、畳み込みニューラルネットワーク（CNN）における主な問題は何ですか？ 勾配消失が発生する 特徴量が効果的に抽出されなくなる 出力層のユニット数が増加する モデルの計算コストが大幅に増加する None 57. 「重み減衰（Weight Decay）」の係数を過度に大きく設定すると、どのような影響が予想されますか？ モデルの表現力が低下し、十分な学習が行われなくなる モデルが過学習しやすくなる モデルの計算コストが増加する 勾配消失問題が発生する None 58. Pandasにおいて、列の要素を集計する際に使用される標準的な関数はどれですか？ df.apply() df.sum() df.concat() df.mean() None 59. 順伝播において、モデルの出力が連続値である場合、一般的に使用される活性化関数は次のうちどれですか？ ReLU ソフトマックス シグモイド 線形活性化関数 None 60. 順伝播の過程で、「活性化関数」が使用されないとどうなりますか？ モデルの出力が複雑すぎるものになる モデルが線形な変換のみを学習し、表現力が低下する 計算が無限ループに陥る モデルが過学習する None Time's up
