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 2. 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 3. 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 4. 「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 5. 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 6. 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 7. 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 8. 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 9. 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 10. 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 11. 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 12. 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 13. 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 14. 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 15. 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 16. 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 17. 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 18. ニューラルネットワークの「重み」とは何ですか？ モデルの出力を決定するための数値 モデルの学習率を制御するパラメータ 各層のノード間で学習されるパラメータ 活性化関数の一部 None 19. 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 20. 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 21. 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 22. 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 23. 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 24. 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 25. 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 26. 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 27. 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 28. ニューラルネットワークにおいて、出力層の活性化関数として「ReLU」を選択するのはどのような場合ですか？ 画像認識タスク バイナリ分類タスク 出力が非負の回帰タスク マルチクラス分類タスク None 29. 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 30. 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 31. 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 32. 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 33. 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 34. 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 35. 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 36. 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 37. 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 38. 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 39. 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 40. 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 41. 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 42. 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 43. 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 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. 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 46. 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 47. 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 48. 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 49. 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 50. 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 51. 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 52. 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 53. 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 54. 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 55. 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 56. 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 57. 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 58. 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 59. 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 60. Numpy配列 a = np.array([[1, 2], [3, 4]]) に対して np.dot(a, a) を実行した結果はどれですか？ [[7, 10], [15, 22]] [[1, 2], [3, 4]] [[1, 4], [9, 16]] エラーが発生する None Time's up
