AI実装検定A級～模擬試験①～ 2024年12月8日 ailearn 1. PandasのDataFrameにおいて、pivot_table()関数を使用する場合、最も一般的に指定される引数の組み合わせはどれですか？ rows, values, columns index, rows, values values, axis, index values, index, columns None 2. PandasのDataFrameにおいて、行数と列数を確認するための属性はどれですか？ df.size df.shape df.count() df.columns None 3. 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 4. 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 5. 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 6. 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 7. 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 8. 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 9. 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 10. 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 11. 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 12. 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 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. 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 15. ニューラルネットワークの重みが「ランダム初期化」される理由の一つに、次の現象の防止があります。それは何ですか？ 勾配消失 モデルの学習が停滞する ニューロンが同じ勾配を持つことによる「対称性の破れ」の欠如 活性化関数の不安定化 None 16. PandasのDataFrameにおいて、列のデータ型を確認するために使用される属性はどれですか？ df.dtype df.shape df.columns df.dtypes None 17. 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 18. 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 19. 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 20. 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 21. 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 22. 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 23. 出力層で「マルチラベル分類」を行う場合、適切な活性化関数は次のうちどれですか？ ソフトマックス ReLU 線形活性化関数 シグモイド None 24. 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 25. 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 26. 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 27. 順伝播での出力が期待通りに学習されない場合、どの要素が問題になる可能性が高いですか？ 活性化関数の選択 バッチサイズ 重みのランダム初期化 入力データの正規化 None 28. 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 29. 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 30. 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 31. ニューラルネットワークの入力層で「欠損データ」をそのまま使用すると、どのような問題が発生しますか？ モデルが過学習しやすくなる 勾配消失が発生する 計算が不安定になり、予測精度が低下する モデルのパラメータ数が増加する None 32. 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 33. 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 34. 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 35. 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 36. 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 37. 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 38. 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 39. Numpy配列 a = np.array([2, 4, 6, 8]) に対して、np.cumsum(a) を実行した場合、出力はどれですか？ [2, 4, 6, 8] [2, 6, 12, 20] [2, 6, 12, 18] [2, 8, 18, 32] None 40. 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 41. 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 42. 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 43. 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 44. 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 45. ニューラルネットワークの入力層にデータを正規化して入力する理由は何ですか？ モデルの複雑さを減らすため 計算の安定性と学習速度を向上させるため モデルのパラメータ数を増やすため 隠れ層のユニット数を減らすため None 46. 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 47. 順伝播の計算で「フィードフォワードネットワーク」が使われる理由は何ですか？ 循環する構造がないため、安定した学習が行えるから モデルの計算量が少なく、リアルタイム処理に適しているから リカレントニューラルネットワーク（RNN）の一部であるため 重みが固定されているため None 48. 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 49. 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 50. 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 51. Pandasでデータをソートする際に使用される関数はどれですか？ df.sort_values() df.sort_index() df.rank() df.arrange() None 52. Numpy配列 a = np.array([[1, 2], [3, 4]]) に対して a.T を実行した結果はどれですか？ [[1, 2], [3, 4]] [[2, 1], [4, 3]] エラーが発生する [[1, 3], [2, 4]] None 53. 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 54. 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 55. 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 56. 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 57. 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 58. 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 59. 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 60. 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 Time's up
