AI実装検定A級～模擬試験①～ 2024年12月8日 ailearn 1. 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 2. 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 3. 順伝播における「スカラー乗算」とは何を指しますか？ ノード間の重みを各入力に掛け合わせる操作 出力を正規化する操作 活性化関数を適用する操作 入力データの次元を縮小する操作 None 4. Pandasにおいて、欠損値（NaN）を削除するために使用される関数はどれですか？ df.fillna() df.replace() df.remove() df.dropna() None 5. 順伝播において、出力層での計算結果は何を表していますか？ 各層でのエラーメッセージ モデルが学習した重み モデルの最終的な予測値 入力データの正規化 None 6. 順伝播において、正規化手法が使用される主な理由は次のうちどれですか？ 学習率の設定を不要にするため モデルの出力を0〜1に制限するため 勾配消失や勾配爆発を防ぎ、学習を安定させるため 隠れ層のニューロン数を増やすため None 7. ニューラルネットワークの入力層で扱われるデータの次元数はどのように決まりますか？ モデルの構造に依存する 入力データの次元数に依存する 中間層の数に依存する 出力層のサイズに依存する None 8. 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 9. Pandasのgroupby()メソッドを使って、DataFrameをグループ化した後に合計を計算する標準的な方法はどれですか？ df.groupby('列名').mean() df.groupby('列名').count() df.groupby('列名').sum() df.groupby('列名').apply() None 10. Pandasにおいて、指定した列をインデックスに設定するために使用される関数はどれですか？ df.set_index() df.loc[] df.reindex() df.assign() None 11. 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 12. 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 13. 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 14. 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 15. 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 16. 勾配消失問題は、主にどのような状況で発生しますか？ 重みが非常に大きな値を取る場合 深層ニューラルネットワークで、勾配が層を通じて次第に小さくなる場合 活性化関数としてReLUが使用されている場合 モデルが過学習している場合 None 17. Pandasにおいて、Datetime列の月ごとの集計を行うために最も適切な関数はどれですか？ df.resample('M').sum() df.groupby('月').sum() df.todatetime() df.month().sum() None 18. 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 19. 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 20. 3次元のNumpy配列 a の形状が (3, 4, 5) のとき、a.reshape(5, -1) とした場合の新しい形状はどれですか？ (5, 12) (5, 15) (5, 20) エラーが発生する None 21. 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 22. 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 23. 「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 24. 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 25. 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 26. 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 27. ニューラルネットワークの重み更新において、「学習率減衰（Learning Rate Decay）」が効果的である理由は何ですか？ 過学習を防ぎ、学習の安定性を向上させるため モデルの収束を速めるため 出力層の精度を向上させるため 勾配消失を防ぐため None 28. 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 29. 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 30. Numpy配列を作成するために使用される関数はどれですか？ np.array() np.matrix() np.list() np.tuple() None 31. 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 32. 出力層で多クラス分類問題にソフトマックス関数を適用する際、出力が適切な確率分布となるための前提条件は次のうちどれですか？ 出力層のユニット数が入力層と同じである 隠れ層の数が十分に多い 出力層のユニット数が1である 出力層のユニット数が分類するクラス数と等しい None 33. 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 34. 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 35. Numpy配列において、次元数を確認するための属性はどれですか？ .size .shape .ndim .dtype None 36. 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 37. 「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 38. 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 39. Numpyにおいて、np.arange(1, 10, 2) の出力はどれですか？ [1, 2, 3, 4, 5, 6, 7, 8, 9] [1, 3, 5, 7, 9] [1, 2, 4, 6, 8] [1, 3, 6, 9] None 40. 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 41. 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 42. 次のうち、回帰問題で一般的に使用される出力層の活性化関数はどれですか？ ReLU ソフトマックス シグモイド 線形活性化関数 None 43. 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 44. ニューラルネットワークの入力層で、テキストデータを処理する際に一般的に行われる前処理は次のうちどれですか？ 標準化 単語のベクトル化（Embedding） プーリング チャネル数の増加 None 45. ニューラルネットワークの出力層の役割は何ですか？ データを内部で処理する データの特徴を学習する モデルの予測結果を外部に出力する 勾配を伝播させる None 46. ニューラルネットワークにおいて、過学習を防ぐための正則化手法として、次のうちどれが重みの制御に関与しますか？ ドロップアウト（Dropout） バッチ正規化（Batch Normalization） 重み減衰（Weight Decay） 勾配クリッピング（Gradient Clipping） None 47. 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 48. 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 49. 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 50. Numpy配列 a = np.array([1, 2, 3, 4]) に対して、a + 2 の結果はどれですか？ [1, 2, 3, 4, 2] [1, 2, 3, 4] [3, 4, 5, 6] エラーが発生する None 51. 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 52. 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 53. 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 54. 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 55. ニューラルネットワークの入力層において、異なる次元の特徴量が混在している場合の対処法として適切なのはどれですか？ 全ての特徴量を削除する 特徴量ごとに適切なスケーリングを行う 特徴量をそのまま入力する 高次元の特徴量を削減する None 56. 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 57. 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 58. 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 59. 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 60. 順伝播の計算で使用される活性化関数「ReLU」の利点は次のうちどれですか？ 勾配消失を防ぐことができる 出力を0〜1の範囲に制限できる 非線形だが計算コストが高い 常に正の出力を保証する None Time's up
