AI実装検定A級～模擬試験③～ 2024年12月8日2024年12月8日 ailearn 1. 集合 A={1,2,3,4} と集合 B={3,4,5,6} の積集合と和集合の要素数を比較すると、どのような関係が成り立ちますか？ 和集合の要素数が積集合の要素数を上回る 和集合の要素数が積集合の要素数と等しい 和集合の要素数が積集合の要素数を下回る 和集合は空集合である None 2. A B C D None 3. 和集合 A∪B を表す正しい説明はどれですか？ A の要素のみを含む集合 A または B のいずれか、または両方の要素を含む集合 A と B の共通部分のみを含む集合 B の要素のみを含む集合 None 4. 正解値（ラベル）を導入することで、学習アルゴリズムが行う主なタスクはどれですか？ クラスタリング 分類 次元削減 強化学習 None 5. A B C D None 6. 正解値を導入せずに学習する「生成モデル」の代表的な手法はどれですか？ ロジスティック回帰 GAN（Generative Adversarial Network） サポートベクターマシン k-近傍法 None 7. Sigmoid関数の特性を持つ他の関数はどれですか？ ReLU Softmax Linear Tanh None 8. 二乗和誤差を最小化するために使用される最も一般的なアルゴリズムはどれですか？ 勾配降下法 サポートベクターマシン k-近傍法 ブースティング None 9. Sigmoid関数が活性化関数として用いられる場合の欠点はどれですか？ 出力が非連続的である 出力範囲が無限大である 勾配消失問題を引き起こす 出力が負の値を取る None 10. 正解値が誤っている場合にモデルに与える影響は何ですか？ モデルの精度が向上する モデルの過学習が進行する モデルの性能が低下する モデルの学習速度が向上する None 11. A B C D None 12. 積集合 A∩B とは何を表しますか？ A のみの要素を含む集合 B のみの要素を含む集合 A と B に共通する要素を含む集合 A または B の要素を含む集合 None 13. A B C D None 14. 深層ニューラルネットワークでSigmoid関数を複数層で使用することが推奨されない理由は何ですか？ 勾配消失問題が発生しやすいため 非線形性が失われるため 計算コストが高いため 出力が確率ではなくなるため None 15. 集合 A={1,2,3,4,5} に対して、部分集合 B={2,4} であるとき、 𝐵 は 𝐴 に含まれる集合です。このような関係を何と呼びますか？ 包含関係 同値関係 交わり 全射関係 None 16. 二乗和誤差（MSE）を損失関数として使用する際、学習率を高く設定しすぎた場合に発生する可能性がある問題はどれですか？ モデルが過学習する モデルのパラメータが大きくなりすぎる 勾配降下法が発散し、MSEが増加する MSEがゼロに収束する None 17. A={1,2,3}, B={2,3,4}, C={3,4,5} であるとき、積集合 A∩B∩C はどれですか？ {2,3,4} {1,2,3} {3} {1,5} None 18. A B C D None 19. Sigmoid関数とReLU関数の最大の違いはどれですか？ Sigmoid関数は出力が0から1の範囲であるが、ReLUは出力が0から無限大 ReLU関数は非線形性を持たない Sigmoid関数は負の入力に対して線形である ReLU関数は負の入力に対して非線形である None 20. A B C D None 21. 二乗和誤差（MSE）を最小化する際に、バッチサイズを変更することが学習プロセスに与える影響は何ですか？ バッチサイズを大きくすると学習速度が速くなり、誤差が減少する バッチサイズを大きくすると学習のばらつきが減少し、収束が安定する バッチサイズを小さくするとMSEが最小化されやすくなる バッチサイズを変更しても学習に影響はない None 22. 二乗和誤差が0になる状況はどれですか？ 予測値が常に実際の値より大きい場合 予測値が常に実際の値と一致する場合 予測値が常に実際の値より小さい場合 誤差がランダムである場合 None 23. Sigmoid関数の出力が1に非常に近い場合、微分の値はどうなりますか？ 非常に大きい 1 0 -1 None 24. 二乗和誤差（MSE）が最小化されると、回帰モデルにおいてどのような問題が発生する可能性がありますか？ モデルの過学習が発生する モデルのバイアスが大きくなる 外れ値に過度に影響される モデルの予測が不安定になる None 25. MSEを使用した最適化において、損失関数の局所最小値に陥るリスクを軽減するための手法はどれですか？ 初期化時にランダムな値を使用する データをスケーリングしない モデルの複雑さを増やす MSE以外の損失関数を使用する None 26. 二乗和誤差を計算する際に、誤差を二乗する理由は何ですか？ 計算を簡単にするため 誤差を大きく見積もるため 正負の誤差を区別せずに扱うため 誤差を無視するため None 27. 2つの集合 𝐴 と 𝐵 において、共通する要素を持つ集合を表す演算はどれですか？ 和集合 積集合 差集合 補集合 None 28. Sigmoid関数の入力 𝑥 x が0のときの出力は？ 0 0.5 1 無限大 None 29. Sigmoid関数を用いたロジスティック回帰モデルが、確率的解釈に優れている理由は何ですか？ 出力が連続値を取るため 出力が0から1の範囲に収まるため 出力が非線形であるため 入力に対して線形な応答を持つため None 30. Sigmoid関数の微分が0に近づくと、学習過程にどのような影響を与えますか？ 学習率が増加する モデルが過学習する 勾配降下法の収束速度が向上する パラメータ更新が大幅に減少する None 31. A B C D None 32. Sigmoid関数のロジスティック回帰での使用において、出力が確率を意味するために満たすべき条件は何ですか？ モデルの重みがゼロに初期化されていること コスト関数がクロスエントロピー損失を使用していること 入力データが正規分布していること 入力が正規化されていること None 33. A B C D None 34. 3つの独立なイベント A,B,C の確率がそれぞれ P(A)=0.6, P(B)=0.7, P(C)=0.8 であるとき、これらのイベントがすべて発生する確率はどれですか？ 0.336 0.048 0.672 0.420 None 35. 正解値が不完全で、かつデータ量が少ない状況でモデルの精度を高めるために最も適した手法はどれですか？ 正則化とハイパーパラメータチューニング データ拡張と転移学習 強化学習 データのランダムサンプリング None 36. 集合 A={1,3,5,7} と集合 B={1,2,3,4,5,6} において、集合 A∪B はどのようになりますか？ {1,3,5} {2,4,6,7} {1,2,3,4,5,6,7} {1,2,3,4,5,6} None 37. A B C D None 38. 2つの集合 A と B が互いに排反であるとき、次のうち正しいのはどれですか？ A∩B=∅ A∩B=A∪B A∪B=∅ A=B None 39. Sigmoid関数を多層パーセプトロンの隠れ層で用いた際、勾配消失問題が発生する可能性が高い状況はどれですか？ 入力データがゼロ中心の分布でない場合 層が深くなる場合 学習率が大きすぎる場合 データの標準化が行われていない場合 None 40. MSEを損失関数として用いる回帰モデルで、出力が連続値でない場合、どのような影響が生じますか？ 誤差が無視される モデルが誤った出力を学習する MSEがゼロになる 損失関数が収束しない None 41. Sigmoid関数を使用する際のデメリットとして、勾配消失以外の問題点はどれですか？ 出力が負の値を取ること 出力が確率を表さないこと 出力の値が極端な場合に学習が遅くなること 出力が分布に従わないこと None 42. A B C D None 43. Sigmoid関数の出力範囲はどれですか？ -1から1 0から1 0から無限大 -無限大から無限大 None 44. 正解値を導入する際の「アノテーション」とは何を指しますか？ データの前処理 特徴量の選択 モデルの評価 ラベル付けの作業 None 45. 正解値が曖昧である場合、モデルに対してどのようなアプローチを採用するのが最適ですか？ 正則化を強化する 損失関数にラベルスムージングを組み込む 高い学習率で訓練する クラスタリング手法を使う None 46. A B C D None 47. ラベル付け作業を自動化するためのアプローチとして有効なのはどれですか？ クラウドソーシング ラベルスムージング 弱教師あり学習 自己教師あり学習 None 48. A B C D None 49. 正解値の導入が適用されるのはどのようなタイプの問題ですか？ 回帰問題 生成モデル 強化学習 クラスタリング None 50. 和集合 A∪B∪C の要素数を求めるには、どの式を使用すべきですか？ ∣A∪B∪C∣=∣A∣+∣B∣+∣C∣ ∣A∪B∪C∣=∣A∣+∣B∣+∣C∣−∣A∩B∣−∣B∩C∣−∣C∩A∣ ∣A∪B∪C∣=∣A∣+∣B∣+∣C∣−∣A∩B∣−∣B∩C∣+∣A∩B∩C∣ ∣A∪B∪C∣=∣A∪B∣+∣C∣ None 51. A B C D None 52. 正解値を持つデータセットにおけるモデルの性能評価指標として最も適切なのはどれですか？ 分散 平均二乗誤差 精度 分類損失 None 53. 正解値が間違ってラベル付けされているデータセットに対して、モデルの性能を向上させるために最も効果的なアプローチはどれですか？ クロスエントロピー損失関数を使用する 学習率を減少させる ノイズ除去技術を用いた前処理を行う 過学習を防ぐためにアーリーストッピングを使用する None 54. 半教師あり学習における正解値の導入が有効な理由はどれですか？ ラベルが存在しないデータを完全に無視できる 少量のラベル付きデータで高精度なモデルが学習できる 正解値を持たないデータを使用しない ラベル付きデータとラベル無しデータを完全に分離して学習できる None 55. 二乗和誤差が使用される場合、勾配降下法において最適化が収束しない理由として考えられるのはどれですか？ 学習率が小さすぎる 損失関数が不適切 データが均一でないため 学習率が大きすぎる None 56. Sigmoid関数をロジスティック回帰で使用する理由は何ですか？ 非線形性を導入するため 計算が容易なため 勾配消失を防ぐため 確率を出力するため None 57. 2つの集合 𝐴 と 𝐵 が独立であるとき、次の関係式はどれですか？ P(A∩B)=P(A)+P(B) P(A∩B)=P(A)−P(B) P(A∩B)=P(A)P(B) P(A∩B)=P(A)/P(B) None 58. 正解値が曖昧なデータセットに対して、モデルの精度を向上させるために使用できるもう一つの手法はどれですか？ データの分散を高める 正解ラベルを無視して学習を行う 教師なし学習を併用する 確率的アンサンブル学習を用いる None 59. 集合 A={1,2,3} と集合 B={4,5,6} の積集合 A∩B はどのような集合になりますか？ {1,2,3,4,5,6} ∅ {1,4} {3,5} None 60. 正解値の導入が行われる典型的な応用例はどれですか？ クラスタリング 主成分分析 ロジスティック回帰 K平均法 None Time's up
