画像分類・CNN
問題ID g_kentei_s04_0001
画像分類と他の視覚タスクを区別できる。
WEB問題 出題論点
ディープラーニング応用・生成AI
ディープラーニング応用・生成AIの公開中WEB問題150問を、5つの学習分野・15の細目に沿って確認できる。
全問題の論点と学習ポイント
3問
画像認識
「画像認識」の分野として、画像分類・CNN、代表的CNNアーキテクチャ、物体検出・セグメンテーションを扱う。
画像分類・CNN
問題ID g_kentei_s04_0002
画像分類にCNNを使う理由を説明できる。
画像分類・CNN
問題ID g_kentei_s04_0003
画像分類でのデータ拡張の目的を理解する。
画像分類・CNN
問題ID g_kentei_s04_0004
Top-k accuracyを説明できる。
画像分類・CNN
問題ID g_kentei_s04_0005
画像分類の転移学習を理解する。
画像分類・CNN
問題ID g_kentei_s04_0006
不均衡画像分類の評価を判断できる。
画像分類・CNN
問題ID g_kentei_s04_0007
画像分類の過学習を診断できる。
画像分類・CNN
問題ID g_kentei_s04_0008
入力正規化の意味を理解する。
画像分類・CNN
問題ID g_kentei_s04_0009
画像分類モデルの解釈用途を理解する。
画像分類・CNN
問題ID g_kentei_s04_0010
画像分類の実運用評価を理解する。
代表的CNNアーキテクチャ
問題ID g_kentei_s04_0011
AlexNetの歴史的意義を説明できる。
代表的CNNアーキテクチャ
問題ID g_kentei_s04_0012
VGGの設計特徴を理解する。
代表的CNNアーキテクチャ
問題ID g_kentei_s04_0013
Inception系の特徴を説明できる。
代表的CNNアーキテクチャ
問題ID g_kentei_s04_0014
ResNetの狙いを理解する。
代表的CNNアーキテクチャ
問題ID g_kentei_s04_0015
残差ブロックの演算を理解する。
代表的CNNアーキテクチャ
問題ID g_kentei_s04_0016
代表CNNを比較できる。
代表的CNNアーキテクチャ
問題ID g_kentei_s04_0017
VGG型深層化の利点を理解する。
代表的CNNアーキテクチャ
問題ID g_kentei_s04_0018
1×1畳み込みのアーキテクチャ上の用途を理解する。
代表的CNNアーキテクチャ
問題ID g_kentei_s04_0019
CNN発展史を整理できる。
代表的CNNアーキテクチャ
問題ID g_kentei_s04_0020
ResNetを事例へ適用して判断できる。
物体検出・セグメンテーション
問題ID g_kentei_s04_0021
物体検出の出力を説明できる。
物体検出・セグメンテーション
問題ID g_kentei_s04_0022
セマンティックセグメンテーションを理解する。
物体検出・セグメンテーション
問題ID g_kentei_s04_0023
インスタンスセグメンテーションを区別できる。
物体検出・セグメンテーション
問題ID g_kentei_s04_0024
RPNの役割を説明できる。
物体検出・セグメンテーション
問題ID g_kentei_s04_0025
一段階検出器を理解する。
物体検出・セグメンテーション
問題ID g_kentei_s04_0026
IoUの意味を理解する。
物体検出・セグメンテーション
問題ID g_kentei_s04_0027
NMSの役割を説明できる。
物体検出・セグメンテーション
問題ID g_kentei_s04_0028
U-Netの構造を理解する。
物体検出・セグメンテーション
問題ID g_kentei_s04_0029
小物体検出の課題を判断できる。
物体検出・セグメンテーション
問題ID g_kentei_s04_0030
セグメンテーションの評価を判断できる。
自然言語処理
「自然言語処理」の分野として、単語表現・分散表現、RNN・LSTM・Seq2Seq、Transformer・大規模言語モデルを扱う。
単語表現・分散表現
問題ID g_kentei_s04_0031
one-hotと分散表現を区別できる。
単語表現・分散表現
問題ID g_kentei_s04_0032
単語埋め込みの目的を説明できる。
単語表現・分散表現
問題ID g_kentei_s04_0033
Skip-gramの目的を理解する。
単語表現・分散表現
問題ID g_kentei_s04_0034
CBOWとSkip-gramを区別できる。
単語表現・分散表現
問題ID g_kentei_s04_0035
分布仮説を説明できる。
単語表現・分散表現
問題ID g_kentei_s04_0036
埋め込み類似度を理解する。
単語表現・分散表現
問題ID g_kentei_s04_0037
静的埋め込みの限界を理解する。
単語表現・分散表現
問題ID g_kentei_s04_0038
サブワードの目的を説明できる。
単語表現・分散表現
問題ID g_kentei_s04_0039
埋め込みのバイアス問題を理解する。
単語表現・分散表現
問題ID g_kentei_s04_0040
静的・文脈依存埋め込みを比較できる。
RNN・LSTM・Seq2Seq
問題ID g_kentei_s04_0041
RNNの系列処理を説明できる。
RNN・LSTM・Seq2Seq
問題ID g_kentei_s04_0042
RNNの長期依存問題を説明できる。
RNN・LSTM・Seq2Seq
問題ID g_kentei_s04_0043
LSTMのセル状態を理解する。
RNN・LSTM・Seq2Seq
問題ID g_kentei_s04_0044
忘却ゲートを説明できる。
RNN・LSTM・Seq2Seq
問題ID g_kentei_s04_0045
Seq2Seqの構造を理解する。
RNN・LSTM・Seq2Seq
問題ID g_kentei_s04_0046
固定長Seq2Seqの限界を理解する。
RNN・LSTM・Seq2Seq
問題ID g_kentei_s04_0047
Teacher Forcingを理解する。
RNN・LSTM・Seq2Seq
問題ID g_kentei_s04_0048
Seq2Seqの生成終了条件を理解する。
RNN・LSTM・Seq2Seq
問題ID g_kentei_s04_0049
双方向RNNの適用条件を判断できる。
RNN・LSTM・Seq2Seq
問題ID g_kentei_s04_0050
Beam Searchを説明できる。
Transformer・大規模言語モデル
問題ID g_kentei_s04_0051
Transformerの特徴を説明できる。
Transformer・大規模言語モデル
問題ID g_kentei_s04_0052
Q/K/Vの役割を理解する。
Transformer・大規模言語モデル
問題ID g_kentei_s04_0053
位置情報の必要性を説明できる。
Transformer・大規模言語モデル
問題ID g_kentei_s04_0054
Multi-Head Attentionを理解する。
Transformer・大規模言語モデル
問題ID g_kentei_s04_0055
BERTの特徴を説明できる。
Transformer・大規模言語モデル
問題ID g_kentei_s04_0056
自己回帰LMの学習目標を理解する。
Transformer・大規模言語モデル
問題ID g_kentei_s04_0057
プロンプトの役割を理解する。
Transformer・大規模言語モデル
問題ID g_kentei_s04_0058
LLMの限界を理解する。
Transformer・大規模言語モデル
問題ID g_kentei_s04_0059
コンテキスト長を理解する。
Transformer・大規模言語モデル
問題ID g_kentei_s04_0060
LLMの外部知識連携を理解する。
音声・強化学習・マルチモーダル
「音声・強化学習・マルチモーダル」の分野として、音声認識・音声処理、深層強化学習、マルチモーダルを扱う。
音声認識・音声処理
問題ID g_kentei_s04_0061
ASRを説明できる。
音声認識・音声処理
問題ID g_kentei_s04_0062
音響特徴の目的を理解する。
音声認識・音声処理
問題ID g_kentei_s04_0063
音声フレーム処理を理解する。
音声認識・音声処理
問題ID g_kentei_s04_0064
end-to-end ASRの特徴を理解する。
音声認識・音声処理
問題ID g_kentei_s04_0065
ASRと言語モデルの関係を理解する。
音声認識・音声処理
問題ID g_kentei_s04_0066
WERを説明できる。
音声認識・音声処理
問題ID g_kentei_s04_0067
音声認識の頑健化を判断できる。
音声認識・音声処理
問題ID g_kentei_s04_0068
音声認識の分布差を理解する。
音声認識・音声処理
問題ID g_kentei_s04_0069
ASRとTTSを区別できる。
音声認識・音声処理
問題ID g_kentei_s04_0070
ストリーミングASRの要件を理解する。
深層強化学習
問題ID g_kentei_s04_0071
深層強化学習を説明できる。
深層強化学習
問題ID g_kentei_s04_0072
DQNの出力を理解する。
深層強化学習
問題ID g_kentei_s04_0073
Experience Replayの役割を理解する。
深層強化学習
問題ID g_kentei_s04_0074
Target Networkを説明できる。
深層強化学習
問題ID g_kentei_s04_0075
探索と活用を説明できる。
深層強化学習
問題ID g_kentei_s04_0076
DQNの適用範囲を判断できる。
深層強化学習
問題ID g_kentei_s04_0077
Actor-Criticを理解する。
深層強化学習
問題ID g_kentei_s04_0078
報酬設計のリスクを理解する。
深層強化学習
問題ID g_kentei_s04_0079
シミュレーション学習の利点と限界を理解する。
深層強化学習
問題ID g_kentei_s04_0080
深層RLの評価を判断できる。
マルチモーダル
問題ID g_kentei_s04_0081
マルチモーダルAIを説明できる。
マルチモーダル
問題ID g_kentei_s04_0082
画像キャプションを説明できる。
マルチモーダル
問題ID g_kentei_s04_0083
CLIPの学習方法を理解する。
マルチモーダル
問題ID g_kentei_s04_0084
CLIPのゼロショット転移を理解する。
マルチモーダル
問題ID g_kentei_s04_0085
モダリティ融合を理解する。
マルチモーダル
問題ID g_kentei_s04_0086
VQAを説明できる。
マルチモーダル
問題ID g_kentei_s04_0087
欠損モダリティのリスクを理解する。
マルチモーダル
問題ID g_kentei_s04_0088
マルチモーダルデータ品質を判断できる。
マルチモーダル
問題ID g_kentei_s04_0089
共通埋め込みの用途を理解する。
マルチモーダル
問題ID g_kentei_s04_0090
視覚言語モデルの構造を理解する。
データ生成・生成AI
「データ生成・生成AI」の分野として、GAN、VAE・潜在変数モデル、拡散モデル・生成AIを扱う。
GAN
問題ID g_kentei_s04_0091
GANの生成器と識別器の役割を区別できる。
GAN
問題ID g_kentei_s04_0092
GANの識別器の目的を説明できる。
GAN
問題ID g_kentei_s04_0093
GANにおける潜在変数の役割を理解する。
GAN
問題ID g_kentei_s04_0094
GANの代表的な学習上の問題を説明できる。
GAN
問題ID g_kentei_s04_0095
条件付き生成の基本を理解する。
GAN
問題ID g_kentei_s04_0096
敵対的学習の安定性を説明できる。
GAN
問題ID g_kentei_s04_0097
GANの理論的均衡を理解する。
GAN
問題ID g_kentei_s04_0098
主要生成モデルの学習原理を比較できる。
GAN
問題ID g_kentei_s04_0099
潜在空間操作の意味を理解する。
GAN
問題ID g_kentei_s04_0100
生成モデルの評価上の注意を判断できる。
VAE・潜在変数モデル
問題ID g_kentei_s04_0101
VAEのエンコーダの役割を説明できる。
VAE・潜在変数モデル
問題ID g_kentei_s04_0102
VAEのデコーダの役割を理解する。
VAE・潜在変数モデル
問題ID g_kentei_s04_0103
VAEのELBOの構成を理解する。
VAE・潜在変数モデル
問題ID g_kentei_s04_0104
再パラメータ化トリックの目的を説明できる。
VAE・潜在変数モデル
問題ID g_kentei_s04_0105
VAEと通常AEを比較できる。
VAE・潜在変数モデル
問題ID g_kentei_s04_0106
VAEの損失項の役割を判断できる。
VAE・潜在変数モデル
問題ID g_kentei_s04_0107
VAEの生成手順を説明できる。
VAE・潜在変数モデル
問題ID g_kentei_s04_0108
ELBOの統計的意味を理解する。
VAE・潜在変数モデル
問題ID g_kentei_s04_0109
VAEの発展的損失設計を理解する。
VAE・潜在変数モデル
問題ID g_kentei_s04_0110
潜在変数モデルとしてVAEを理解する。
拡散モデル・生成AI
問題ID g_kentei_s04_0111
拡散モデルの順方向過程を説明できる。
拡散モデル・生成AI
問題ID g_kentei_s04_0112
逆拡散による生成手順を理解する。
拡散モデル・生成AI
問題ID g_kentei_s04_0113
拡散モデルの代表的な学習目的を理解する。
拡散モデル・生成AI
問題ID g_kentei_s04_0114
拡散モデルの計算特性を判断できる。
拡散モデル・生成AI
問題ID g_kentei_s04_0115
条件付き生成AIの基本を理解する。
拡散モデル・生成AI
問題ID g_kentei_s04_0116
潜在拡散の目的を理解する。
拡散モデル・生成AI
問題ID g_kentei_s04_0117
GANと拡散モデルを比較できる。
拡散モデル・生成AI
問題ID g_kentei_s04_0118
生成AI出力の性質を適切に判断できる。
拡散モデル・生成AI
問題ID g_kentei_s04_0119
拡散過程の設計要素を理解する。
拡散モデル・生成AI
問題ID g_kentei_s04_0120
生成AIを多面的に評価できる。
発展的応用
「発展的応用」の分野として、転移学習・ファインチューニング、モデルの解釈性、モデルの軽量化を扱う。
転移学習・ファインチューニング
問題ID g_kentei_s04_0121
転移学習の基本を理解する。
転移学習・ファインチューニング
問題ID g_kentei_s04_0122
固定特徴抽出の方法を理解する。
転移学習・ファインチューニング
問題ID g_kentei_s04_0123
ファインチューニングの定義を理解する。
転移学習・ファインチューニング
問題ID g_kentei_s04_0124
タスク類似性と転移効果を判断できる。
転移学習・ファインチューニング
問題ID g_kentei_s04_0125
少量データ時の転移学習の利点を説明できる。
転移学習・ファインチューニング
問題ID g_kentei_s04_0126
ファインチューニングの設定理由を判断できる。
転移学習・ファインチューニング
問題ID g_kentei_s04_0127
転移学習方式を比較できる。
転移学習・ファインチューニング
問題ID g_kentei_s04_0128
線形プロービングの意味を理解する。
転移学習・ファインチューニング
問題ID g_kentei_s04_0129
負の転移を識別できる。
転移学習・ファインチューニング
問題ID g_kentei_s04_0130
層別転移の考え方を理解する。
モデルの解釈性
問題ID g_kentei_s04_0131
局所説明と大域説明を区別できる。
モデルの解釈性
問題ID g_kentei_s04_0132
特徴量重要度の目的を理解する。
モデルの解釈性
問題ID g_kentei_s04_0133
LIMEの基本原理を理解する。
モデルの解釈性
問題ID g_kentei_s04_0134
SHAPの基本概念を理解する。
モデルの解釈性
問題ID g_kentei_s04_0135
画像モデルの解釈法を理解する。
モデルの解釈性
問題ID g_kentei_s04_0136
Attentionと説明可能性の関係を適切に判断できる。
モデルの解釈性
問題ID g_kentei_s04_0137
解釈性と因果性を区別できる。
モデルの解釈性
問題ID g_kentei_s04_0138
説明手法の評価軸を理解する。
モデルの解釈性
問題ID g_kentei_s04_0139
反実仮想説明の考え方を理解する。
モデルの解釈性
問題ID g_kentei_s04_0140
解釈性の位置づけを総合的に理解する。
モデルの軽量化
問題ID g_kentei_s04_0141
プルーニングの基本を理解する。
モデルの軽量化
問題ID g_kentei_s04_0142
量子化の基本を理解する。
モデルの軽量化
問題ID g_kentei_s04_0143
知識蒸留の基本を理解する。
モデルの軽量化
問題ID g_kentei_s04_0144
軽量畳み込みの仕組みを理解する。
モデルの軽量化
問題ID g_kentei_s04_0145
軽量CNNアーキテクチャの特徴を理解する。
モデルの軽量化
問題ID g_kentei_s04_0146
軽量化指標の違いを判断できる。
モデルの軽量化
問題ID g_kentei_s04_0147
量子化手法を比較できる。
モデルの軽量化
問題ID g_kentei_s04_0148
構造化プルーニングを理解する。
モデルの軽量化
問題ID g_kentei_s04_0149
ハードウェア指向の軽量化評価を理解する。
モデルの軽量化
問題ID g_kentei_s04_0150
軽量化を総合的に設計・評価できる。