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} 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 2. 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 3. 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 4. 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 5. 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 6. 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 7. 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 8. 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 9. 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 10. 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 11. 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 12. 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 13. 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 14. 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 15. Sigmoid関数の特性を持つ他の関数はどれですか？ ReLU Softmax Linear Tanh None 16. A B C D None 17. Sigmoid関数の入力に非常に大きな値を与えると、出力がどのように変化するか説明してください。 出力は1に収束する 出力は指数的に増加する 出力はゼロに収束する 出力は飽和せず、無限大になる None 18. A B C D None 19. 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 20. 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 21. MSEが大きい場合、モデルのバイアスとバリアンスの関係はどのように評価されますか？ バイアスとバリアンスが共に高い バイアスが高く、バリアンスが低い バイアスが低く、バリアンスが高い バイアスとバリアンスが共に低い None 22. A B C D None 23. A B C D None 24. 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 25. A B C D None 26. 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 27. 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 28. A B C D None 29. 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 30. 5人のグループから3人を選ぶとき、異なる組み合わせは何通りあるか？ 10通り 5通り 20通り 15通り None 31. Sigmoid関数を活性化関数として使用した場合、どのようなデータ標準化手法が効果的ですか？ データの正規化（0から1へのスケーリング） データのZスコア正規化 入力値の絶対値正規化 データの対数変換 None 32. 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 33. A B C D None 34. 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 35. 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 36. A B C D None 37. 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 38. 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 39. 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 40. 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 41. A B C D None 42. A B C D None 43. 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 44. 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 45. 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 46. A B C D None 47. 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 48. 5人が順番に一列に並ぶ方法は何通りありますか？ 60通り 120通り 720通り 24通り None 49. 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 50. 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 51. 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 52. Sigmoid関数を使用した場合、出力が飽和することの最大のデメリットは何ですか？ モデルの精度が向上する モデルが勾配爆発を引き起こす パラメータ更新が非常に小さくなる 出力が負の値を取ることがある None 53. 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 54. 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 55. 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 56. 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 57. 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 58. A B C D None 59. 外れ値が多いデータセットにおいて、二乗和誤差を使用する際のリスクはどれですか？ モデルが過学習するリスクが高くなる 外れ値が無視され、正しい評価ができない 外れ値によって誤差が過大評価され、モデルのパフォーマンスが過小評価される データのスケールが無視される None 60. 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 Time's up
