1.
ワードエンベディングの技術として有名なものはどれですか？
2.
次の文章分類タスクにおいて、BERTモデルのファインチューニングが有効な理由として最も適切なのはどれですか？
3.
自然言語処理のタスクで、入力文が「文法的に正しいか」を判定するモデルを設計する際、次のディープラーニング技術の中で最も適切なのはどれですか？
4.
自然言語処理における「双方向LSTM（Bi-LSTM）」の利点は何ですか？
5.
自然言語処理でトランスフォーマーの「マルチヘッド・アテンション（Multi-Head Attention）」が有効な理由として最も適切なのはどれですか？
6.
自然言語処理で「データ拡張」を行う際、次の方法の中でディープラーニングに最も適したものはどれですか？
7.
次のうち、形態素解析に適しているモデルはどれですか？
8.
自然言語処理における「エンティティリンク」とは何ですか？
9.
次のうち、文章の感情分析に適した手法はどれですか？
10.
自然言語処理において、ELMo（Embeddings from Language Models）が提供する主な利点は何ですか？
11.
Word2Vecの「スキップグラムモデル」の特徴は何ですか？
12.
BERTモデルの事前学習において「次文予測（Next Sentence Prediction, NSP）」が行われる理由は何ですか？
13.
自然言語処理における「トピックモデル」として有名な手法はどれですか？
14.
BERTの「マスク言語モデル（MLM）」はどのように機能しますか？
15.
GPT（Generative Pretrained Transformer）の特徴はどれですか？
16.
機械翻訳において、入力シーケンスと出力シーケンスの長さが異なる場合、どのようなモデルがよく使われますか？
17.
「Attentionメカニズム」の主な役割は何ですか？
18.
次のうち、自然言語処理で「系列ラベリング」を行うタスクに該当するのはどれですか？
19.
自然言語処理における「ゼロショット学習（Zero-Shot Learning）」の主な特徴はどれですか？
20.
Transformerモデルにおける「位置エンコーディング」の目的は何ですか？
21.
次のうち、自然言語処理において「言語モデル」として使用されるものはどれですか？
22.
自然言語処理における「BLEUスコア」とは何を評価する指標ですか？
23.
自然言語処理における「BERT」とは何ですか？
24.
自然言語処理において「データスパースネス問題」とは何ですか？
25.
ディープラーニングを活用した自然言語処理において、「テキスト生成（Text Generation）」で使用される主な手法はどれですか？
26.
自然言語処理における「トークン化」とは何ですか？
