AI実装検定A級～模擬試験①～ 2024年12月8日 ailearn 1. 順伝播の計算で「重み」と「バイアス」の役割は次のうちどれですか？ 入力データを増幅する 入力データの次元を減らす 出力を制限する ノード間の結合の強度を調整し、入力にオフセットを加える None 2. 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 3. 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 4. 順伝播における活性化関数の役割は次のうちどれですか？ ノード間の結合強度を調整する 非線形性を導入し、モデルの表現力を高める 勾配の計算を行う 出力の正規化を行う None 5. 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 6. 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 7. 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 8. 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 9. Pandasにおいて、条件に基づいてデータをフィルタリングする方法はどれですか？ df.query() df.sort() df.filter() df.loc[] None 10. 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 11. 画像認識タスクで、入力層のデータ形式として4次元テンソル（バッチサイズ×高さ×幅×チャネル数）を使用する理由は何ですか？ モデルの計算精度を向上させるため 複数の画像データを一度に処理し、バッチ学習を行うため 特徴量を圧縮するため 勾配消失を防ぐため None 12. 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 13. 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 14. 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 15. 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 16. Numpy配列 a = np.array([1, 2, 3, 4]) において、全ての要素が真（非ゼロ）の場合に真を返す関数はどれですか？ np.any() np.nonzero() np.truth() np.all() None 17. 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 18. 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 19. 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 20. 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 21. 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 22. PandasでNaN値を特定の値で置換するための関数はどれですか？ df.fillna() df.dropna() df.replace() df.assign() None 23. 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 24. 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 25. 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 26. 順伝播の過程で、「活性化関数」が使用されないとどうなりますか？ モデルの出力が複雑すぎるものになる モデルが線形な変換のみを学習し、表現力が低下する 計算が無限ループに陥る モデルが過学習する None 27. 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 28. 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 29. 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 30. 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 31. 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 32. 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 33. 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 34. 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 35. 「重み減衰（Weight Decay）」の係数を過度に大きく設定すると、どのような影響が予想されますか？ モデルの表現力が低下し、十分な学習が行われなくなる モデルが過学習しやすくなる モデルの計算コストが増加する 勾配消失問題が発生する None 36. 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 37. Numpyにおいて、配列 a = np.array([1, 2, 3, 4, 5, 6]) を (2, 3) の形状に変換した場合、各要素の順序はどうなりますか？ [1, 2, 3, 4, 5, 6] のまま [[1, 2, 3], [4, 5, 6]] [[1, 3, 5], [2, 4, 6]] エラーが発生する None 38. 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 39. 順伝播の計算で使用される活性化関数「ReLU」の利点は次のうちどれですか？ 勾配消失を防ぐことができる 出力を0〜1の範囲に制限できる 非線形だが計算コストが高い 常に正の出力を保証する None 40. 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 41. 順伝播における「スカラー乗算」とは何を指しますか？ ノード間の重みを各入力に掛け合わせる操作 出力を正規化する操作 活性化関数を適用する操作 入力データの次元を縮小する操作 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. 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 44. 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 45. 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 46. 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 47. 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 48. 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 49. 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 50. 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 51. 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 52. 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 53. 順伝播において、活性化関数を「シグモイド関数」から「ReLU関数」に変更した場合、何が期待されますか？ 勾配消失が発生しやすくなる モデルがより非線形なパターンを学習できるようになる モデルの学習速度が向上する可能性がある 出力が負の値になることが多くなる None 54. 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 55. 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 56. 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 57. 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 58. 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 59. 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 60. 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 Time's up
