1.
次のうち、形態素解析に適しているモデルはどれですか？
2.
自然言語処理における「BERT」とは何ですか？
3.
自然言語処理でトランスフォーマーの「マルチヘッド・アテンション（Multi-Head Attention）」が有効な理由として最も適切なのはどれですか？
4.
GPT（Generative Pretrained Transformer）の特徴はどれですか？
5.
自然言語処理における「トークン化」とは何ですか？
6.
自然言語処理における「BLEUスコア」とは何を評価する指標ですか？
7.
自然言語処理において「データスパースネス問題」とは何ですか？
8.
ディープラーニングを活用した自然言語処理において、「テキスト生成（Text Generation）」で使用される主な手法はどれですか？
9.
機械翻訳において、入力シーケンスと出力シーケンスの長さが異なる場合、どのようなモデルがよく使われますか？
10.
自然言語処理における「トピックモデル」として有名な手法はどれですか？
11.
自然言語処理における「エンティティリンク」とは何ですか？
12.
BERTモデルの事前学習において「次文予測（Next Sentence Prediction, NSP）」が行われる理由は何ですか？
13.
自然言語処理のタスクで、入力文が「文法的に正しいか」を判定するモデルを設計する際、次のディープラーニング技術の中で最も適切なのはどれですか？
14.
「Attentionメカニズム」の主な役割は何ですか？
15.
自然言語処理で「データ拡張」を行う際、次の方法の中でディープラーニングに最も適したものはどれですか？
16.
BERTの「マスク言語モデル（MLM）」はどのように機能しますか？
17.
自然言語処理における「双方向LSTM（Bi-LSTM）」の利点は何ですか？
18.
次のうち、自然言語処理において「言語モデル」として使用されるものはどれですか？
19.
次のうち、文章の感情分析に適した手法はどれですか？
20.
Word2Vecの「スキップグラムモデル」の特徴は何ですか？
21.
ワードエンベディングの技術として有名なものはどれですか？
22.
自然言語処理において、ELMo（Embeddings from Language Models）が提供する主な利点は何ですか？
23.
次のうち、自然言語処理で「系列ラベリング」を行うタスクに該当するのはどれですか？
24.
次の文章分類タスクにおいて、BERTモデルのファインチューニングが有効な理由として最も適切なのはどれですか？
25.
自然言語処理における「ゼロショット学習（Zero-Shot Learning）」の主な特徴はどれですか？
26.
Transformerモデルにおける「位置エンコーディング」の目的は何ですか？
