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. ある試験で2問の正解が独立しているとします。各問題の正解確率が70%のとき、2問とも正解する確率はどれですか? 0.7 0.84 0.14 0.49 None 2. 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 3. A B C D None 4. 集合 A={1,2,3,4} と集合 B={3,4,5,6} の積集合 A∩B はどれですか? {1,2} {3,4} {5,6} {1,6} None 5. 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 6. 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 7. 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 8. A B C D None 9. 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 10. A B C D None 11. 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 12. A B C D None 13. 集合 A∪(B∩C) は次のうちどの式に等しいですか? (A∪B)∩(A∪C) (A∩B)∪C A∩B∪A∩C A∩(B∪C) None 14. A B C D None 15. 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 16. A B C D None 17. A B C D None 18. 集合 A={1,2,3} と集合 B={2,3,4} の和集合 A∪B はどのようになりますか? {1,2} {2,3} {1,2,3,4} {1,4} None 19. A B C D None 20. 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 21. 正解値を導入する方法が最も適用される学習方法はどれですか? 教師あり学習 教師なし学習 強化学習 半教師あり学習 None 22. P(A∩B)=0 である場合、事象 𝐴 と事象 𝐵 はどのような関係にありますか? 独立 同時発生 補集合 排反 None 23. Sigmoid関数の出力をバッチ正規化で調整することの利点は何ですか? 勾配消失問題を完全に解決できる Sigmoid関数の出力範囲が広がる 勾配爆発を防ぐ 各層の出力がゼロ中心に近づき、学習効率が向上する None 24. 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 25. 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 26. A B C D None 27. 二乗和誤差が適用されるのはどのようなタスクですか? 分類タスク 強化学習 クラスタリング 回帰タスク None 28. A B C D None 29. 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 30. 和集合 A∪B と積集合 A∩B の違いを説明する正しい選択肢はどれですか? 和集合はすべての要素を含むが、積集合は共通部分のみを含む 和集合は共通部分のみを含むが、積集合はすべての要素を含む 和集合は A の要素を含むが、積集合は B の要素を含む 和集合は B の要素を含むが、積集合は A の要素を含む None 31. 正解値の導入が難しい音声データセットにおいて、自己教師あり学習が有効である理由はどれですか? 音声データにラベルを自動で生成するため 音声データの特徴抽出を効率的に行えるため 音声データの前処理が不要なため 音声データのノイズを除去できるため None 32. A B C D None 33. A B C D None 34. 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 35. 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 36. 回帰問題において、MSEを使用する場合の最適化目標は何ですか? 誤差を最大化すること 正解値を増やすこと 誤差を最小化すること モデルの複雑さを増やすこと None 37. 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 38. ラベルノイズが含まれるデータセットにおいて、モデルの一般化能力を向上させるための手法はどれですか? データの正規化 データ拡張 正則化 ラベルスムージング None 39. 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 40. 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 41. 正解値が無い場合に用いることができるアプローチはどれですか? 教師なし学習 半教師あり学習 強化学習 生成的敵対ネットワーク None 42. 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 43. 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 44. 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 45. 二乗和誤差の代替指標として、外れ値に対してより頑健な指標はどれですか? ロジスティック損失 平均絶対誤差(MAE) クロスエントロピー損失 AUC None 46. 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 47. A B C D None 48. 二乗和誤差を使用する場合の欠点はどれですか? 計算が複雑である 誤差を無視する 正負の誤差を区別できない 誤差の単位がデータの単位と異なる None 49. 正解値を持たないデータに対して、最も適切な学習手法はどれですか? 教師あり学習 半教師あり学習 教師なし学習 強化学習 None 50. 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 51. MSEを使用する際に、データのスケーリングが重要である理由は何ですか? スケーリングを行うと、MSEが必ず0になるため データのスケールが大きいと、MSEが誤差を過大評価するため スケーリングはMSEに影響を与えないため データのスケーリングが小さいと、外れ値が無視されるため None 52. 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 53. P(A) が事象 𝐴 の確率を表すとき、次のうち必ず成り立つものはどれですか? 0≤P(A)≤1 P(A)≥1 P(A)≤0 P(A)=0 のみが可能 None 54. A B C D None 55. 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 56. 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 57. 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 58. 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 59. 正解値(ラベル)を導入する際に発生する代表的な問題はどれですか? データの次元削減 ラベルノイズ 勾配爆発 逆伝播法の失敗 None 60. 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 Time's up