実践問題
解答＆解説は第1問から第10問までを列挙しています。
まず問題を解いてから解答&解説を見ることを推奨します。
第1問
教師あり学習の説明として、最も適切なものはどれか。
A. 正解データを用いずに学習する方式
B. 正解ラベル付きデータを用いて学習する方式
C. 強化報酬のみを利用する方式
D. 人手を全く必要としない方式
解答＆解説はこちら
第2問
教師なし学習の利用例として、最も適切なものはどれか。
A. メールのスパム判定
B. 手書き文字認識
C. 顧客データのクラスタリング
D. 音声認識
解答＆解説はこちら
第3問
強化学習の説明として、最も適切なものはどれか。
A. 正解データのみを学習する
B. 試行錯誤しながら報酬最大化を目指す
C. 必ず人間教師が必要
D. データ圧縮方式である
解答＆解説はこちら
第4問
過学習の説明として、最も適切なものはどれか。
A. 学習不足で全く予測できない状態
B. 学習データに過度適合し汎化性能が低下する状態
C. CPU性能不足
D. データ暗号化失敗
解答＆解説はこちら
第5問
ニューラルネットワークにおける「重み」の役割として、最も適切なものはどれか。
A. データ保存容量を決定する
B. 入力信号の重要度を調整する
C. HDD容量を制御する
D. 通信速度を決定する
解答＆解説はこちら
第6問
ディープラーニングの特徴として、最も適切なものはどれか。
A. 多層構造のニューラルネットワークを利用する
B. 必ず教師なし学習のみ利用する
C. CPUを必要としない
D. 数値計算が不要
解答＆解説はこちら
第7問
分類問題の例として最も適切なものはどれか。
A. 株価予測
B. 気温予測
C. 画像を犬と猫に分類する
D. 売上金額予測
解答＆解説はこちら
第8問
回帰問題の例として最も適切なものはどれか。
A. スパムメール分類
B. 顔認識
C. 売上金額予測
D. 文書カテゴリ分類
解答＆解説はこちら
第9問
機械学習における「特徴量」の説明として、最も適切なものはどれか。
A. 学習率そのもの
B. モデル評価指標
C. 学習対象データを表す属性や指標
D. CPUキャッシュ容量
解答＆解説はこちら
第10問
モデル性能評価に用いる「適合率」の説明として最も適切なものはどれか。
A. 正しく陽性判定した割合
B. 全データ中の正解率
C. 実際の陽性を検出した割合
D. 学習速度
解答＆解説はこちら
解答&解説
解答：第1問
正解：B
教師あり学習：
入力 + 正解ラベル
を学習する。
解答：第2問
正解：C
教師なし学習：
- クラスタリング
- 次元削減
など。
解答：第3問
正解：B
強化学習：
- 行動
- 報酬
- 試行錯誤
で学習。
解答：第4問
正解：B
過学習：
訓練データ◎
未知データ×
汎化性能低下。
解答：第5問
正解：B
重みは入力の重要度を表す。
学習で更新される。
解答：第6問
正解：A
ディープラーニング：
- 多層ニュートラルネットワーク
- 高精度画像認識など
で利用。
解答：第7問
正解：C
分類問題：
犬 or 猫
カテゴリ分類。
解答：第8問
正解：C
回帰問題：
連続値予測。
例：
- 売上
- 気温
解答：第9問
正解：C
特徴量：
- 年齢
- 身長
- 気温
など予測に利用する入力値。
解答：第10問
正解：A
適合率：
Precision=TP/(TP+FP)
陽性予測の正確さを表す。
TP（True Positive：真陽性）: 実際が「陽性」で、予測も「陽性」と正しく当たった場合。
FP（False Positive：偽陽性）: 実際は「陰性」なのに、誤って「陽性」と予測してしまった場合（誤検知）。
知識に自信ができた方は、今度は自身のキャリアアップに向けて準備してみませんか？
まずは無料でキャリア相談
コメント