1.
モデルの学習でよく使われる「誤差関数（損失関数）」の一つである「平均二乗誤差（MSE）」は、どのように計算されますか？
2.
AIモデルの計算において、行列の掛け算が頻繁に使用される理由として正しいものはどれですか？
3.
ディープラーニングモデルにおける「バッチ正規化（Batch Normalization）」の主な利点は何ですか？
5.
ニューラルネットワークにおいて「活性化関数」が持つ主な役割は何ですか？
7.
ニューラルネットワークにおいて「勾配消失問題」を解決するために有効な手法はどれですか？
8.
勾配降下法の中でも「ミニバッチ勾配降下法」の利点は何ですか？
9.
「L2正則化」は、モデルのどのような問題に対処するために使用されますか？
10.
ニューラルネットワークの学習において、「早期終了（Early Stopping）」の目的は何ですか？
11.
データの標準化と正規化の違いとして正しいものはどれですか？
12.
ニューラルネットワークにおいて、重みの初期化方法が重要な理由は何ですか？
13.
ニューラルネットワークにおいて、勾配降下法の目的は何ですか？
14.
モデルのハイパーパラメータを最適化するための手法の一つとして、「グリッドサーチ」の特徴は何ですか？
16.
モデルの「ドロップアウト（Dropout）」の主な目的は何ですか？
17.
モデルの評価指標の一つである「精度（Accuracy）」は、次のどのように計算されますか？
18.
データの前処理で「次元削減」を行う主な理由は何ですか？
19.
機械学習における「クロスバリデーション」の目的は何ですか？
20.
データ整理において「正規化」を行う主な理由は何ですか？
