本文へスキップ
Studied
S!
G検定
/
演習問題集
この資格について
カリキュラム
学習教材
演習問題集
模擬試験
単語カード
クイズ
用語集
学習状況
習得マップ
論点別正答率
復習
出題カバレッジ
ブックマーク
ホーム
状況
教材
演習
模試
用語集
オリジナル問題
活性化関数
18
問
1
隠れ層で広く使われる活性化関数
Pro
2
多クラス分類の出力層で使う関数
Pro
3
ReLU関数とは
Pro
4
ソフトマックス関数の説明として不適切なものを選ぶ
Pro
5
活性化関数の役割
Pro
6
事例から活性化関数の欠如を読み取る
Pro
7
シグモイド関数の説明として不適切なものを選ぶ
Pro
8
tanh関数の説明として不適切なものを選ぶ
Pro
9
ReLU関数の説明として不適切なものを選ぶ
Pro
10
Leaky ReLU関数の説明として不適切なものを選ぶ
Pro
11
シグモイド関数の意味
Pro
12
tanh関数の意味
Pro
13
ReLU関数の意味
Pro
14
Leaky ReLU関数の意味
Pro
15
0から1へ押し込める活性化関数を表す用語
Pro
16
マイナス1からプラス1のS字関数を表す用語
Pro
17
マイナスを0にする単純な関数を表す用語
Pro
18
マイナス側に傾きを残した関数を表す用語
Pro
安全性とセキュリティ
16
問
1
敵対的サンプルを選ぶ
Pro
2
プロンプトインジェクションとジェイルブレイクを選ぶ
Pro
3
安全性とセキュリティの違いを選ぶ
Pro
4
Adversarial Attackの説明として不適切なものを選ぶ
Pro
5
データ汚染の説明として不適切なものを選ぶ
Pro
6
データ窃取の説明として不適切なものを選ぶ
Pro
7
モデル窃取の説明として不適切なものを選ぶ
Pro
8
モデル汚染の説明として不適切なものを選ぶ
Pro
9
データとモデルをねらう攻撃を選ぶ
Pro
10
セキュリティ・バイ・デザインとは何かを選ぶ
Pro
11
データ汚染とは何かを選ぶ
Pro
12
データ窃取とは何かを選ぶ
Pro
13
モデル窃取とは何かを選ぶ
Pro
14
モデル汚染とは何かを選ぶ
Pro
15
セキュリティ・バイ・デザインの説明として不適切なものを選ぶ
Pro
16
小さな細工で誤判断させる攻撃
Pro
AI開発委託契約
8
問
1
完成を約束しない契約の型
Pro
2
準委任契約とは何かを選ぶ
Pro
3
精度保証とNDAを選ぶ
Pro
4
請負契約とは何かを選ぶ
Pro
5
AI・データの利用に関する契約ガイドラインとは何かを選ぶ
Pro
6
準委任契約の説明として不適切なものを選ぶ
Pro
7
AI・データの利用に関する契約ガイドラインの説明として不適切なものを選ぶ
Pro
8
請負契約の説明として不適切なものを選ぶ
Pro
AIサービス提供契約
2
問
1
AIサービスの契約を選ぶ
Pro
2
SaaS型AIサービスの特徴
Pro
人工知能の定義
27
問
1
環境を知覚して行動する主体の呼び名
2
ダートマス会議の位置づけ
3
トイ・プロブレムという限界
4
議論の場面からシンギュラリティの立場を見分ける
5
ダートマス会議の説明として不適切なものを選ぶ
6
ルールベース機械翻訳の説明として不適切なものを選ぶ
7
分野としての人工知能
8
AI 効果とは何か
9
エージェントの意味
10
データからルールを見つける方法
11
特徴まで自分で見つける手法
12
ダートマス会議の内容
13
単純な問題しか解けない限界
14
シンギュラリティとは何か
15
ルールベース機械翻訳の方式
16
人工知能の意味
17
機械学習の意味
18
ディープラーニングの意味
19
トイ・プロブレムの意味
20
自動処理と受け取られる現象を表す用語
21
環境に応じて自ら行動する主体を表す用語
22
人工知能という言葉が生まれた会議を表す用語
23
変化が予測できなくなる転換点を表す用語
24
規則に従って翻訳する方式を表す用語
25
AI効果とは何かを選ぶ
26
人工知能の定義についての理解
27
事例から機械学習とディープラーニングの位置づけを判断する
国内外のガイドライン
9
問
1
AI倫理とは何かを選ぶ
Pro
2
ハードローとソフトローを選ぶ
Pro
3
リスクベースアプローチとAIガバナンスを選ぶ
Pro
4
価値原則とは何かを選ぶ
Pro
5
AI倫理の説明として不適切なものを選ぶ
Pro
6
価値原則の説明として不適切なものを選ぶ
Pro
7
EU AI法のリスク区分を選ぶ
Pro
8
EU AI法の域外適用を選ぶ
Pro
9
拘束力を持たない規律の呼び名
Pro
AIガバナンス
11
問
1
AIポリシーとは何かを選ぶ
Pro
2
ダイバーシティの説明として不適切なものを選ぶ
Pro
3
AIに対する監査の説明として不適切なものを選ぶ
Pro
4
モニタリングの説明として不適切なものを選ぶ
Pro
5
倫理アセスメントと人間の関与を選ぶ
Pro
6
トレーサビリティと再現性を選ぶ
Pro
7
ダイバーシティとは何かを選ぶ
Pro
8
AIに対する監査とは何かを選ぶ
Pro
9
モニタリングとは何かを選ぶ
Pro
10
AIポリシーの説明として不適切なものを選ぶ
Pro
11
導入前に倫理面を点検する取り組み
Pro
人工知能分野で議論される問題
24
問
1
関係あることだけを選び出す難しさ
2
知能が爆発的に高まるという議論
3
会話で見分ける催しの名前
4
強い AI と弱い AI の分け方
5
記号と意味が結びつかない問題
6
身体を通じた経験を重んじる考え方
7
フレーム問題とは何か
8
知識を人手で入れる限界
9
ローブナーコンテストの意味
10
シンボルグラウンディング問題の意味
11
身体性の意味
12
知識獲得のボトルネックの意味
13
会話で知能を判定する考え方を表す用語
14
記号操作と理解の違いを示す思考実験を表す用語
15
心を持つかで立場を分ける考え方を表す用語
16
関係することを選び出す難しさを表す用語
17
チューリングテストの考え方
18
シンボルグラウンディング問題の説明として不適切なものを選ぶ
19
身体性の説明として不適切なものを選ぶ
20
中国語の部屋が示すもの
21
事例からフレーム問題を見分ける
22
チューリングテストの説明として不適切なものを選ぶ
23
ローブナーコンテストの説明として不適切なものを選ぶ
24
強いAIと弱いAIの説明として不適切なものを選ぶ
AIプロジェクトの進め方
55
問
1
本格開発の前に見込みを確かめる工程
Pro
2
データ分析の標準的な進め方
Pro
3
PoC（概念実証）とは何かを選ぶ
Pro
4
他企業や他業種との連携の説明として不適切なものを選ぶ
Pro
5
BPR とは何かを選ぶ
Pro
6
AIのビジネス活用の進め方を選ぶ
Pro
7
AIプロジェクトの進め方の説明として不適切なものを選ぶ
Pro
8
PoCの説明として不適切なものを選ぶ
Pro
9
ウォーターフォールの説明として不適切なものを選ぶ
Pro
10
アジャイルの説明として不適切なものを選ぶ
Pro
11
オープン・イノベーションの説明として不適切なものを選ぶ
Pro
12
産学連携の説明として不適切なものを選ぶ
Pro
13
AIのビジネス活用の意味
Pro
14
AIプロジェクトの進め方を表す用語
Pro
15
PoCの意味
Pro
16
業務の見直しを表す用語
Pro
17
ウォーターフォールの意味
Pro
18
くり返し改善する開発の型を表す用語
Pro
19
オープン・イノベーションの意味
Pro
20
大学との協力を表す用語
Pro
21
他企業や他業種との連携の意味
Pro
22
CRISP-DMの意味
Pro
23
機械学習向けに広げた手順を表す用語
Pro
24
MLOpsの意味
Pro
25
環境ごと運ぶしくみを表す用語
Pro
26
クラウドの意味
Pro
27
外部から呼び出す窓口を表す用語
Pro
28
Pythonの意味
Pro
29
少しずつ試せる分析の道具を表す用語
Pro
30
AIで課題を解決し仕事を良くすることを表す用語
Pro
31
AIプロジェクトの進め方の意味
Pro
32
本格開発の前に小さく試す検証を表す用語
Pro
33
BPRの意味
Pro
34
上流から下流へ一度だけ進める開発の型を表す用語
Pro
35
アジャイルの意味
Pro
36
社外の力を取り入れて価値を生む考え方を表す用語
Pro
37
産学連携の意味
Pro
38
異なる企業や業種と手を組むことを表す用語
Pro
39
データ分析の代表的な手順を表す用語
Pro
40
CRISP-MLの意味
Pro
41
モデルを動かし続け手入れし続ける取り組みを表す用語
Pro
42
Dockerの意味
Pro
43
計算設備を借りて使うしくみを表す用語
Pro
44
Web APIの意味
Pro
45
最もよく使われる読みやすいプログラミング言語を表す用語
Pro
46
Jupyter Notebookの意味
Pro
47
Docker とは何かを選ぶ
Pro
48
MLOps の背景と役割を選ぶ
Pro
49
AIを動かす基盤の役割を選ぶ
Pro
50
データサイエンティストとは何かを選ぶ
Pro
51
CRISP-DMの説明として不適切なものを選ぶ
Pro
52
CRISP-MLの説明として不適切なものを選ぶ
Pro
53
Pythonの説明として不適切なものを選ぶ
Pro
54
Jupyter Notebookの説明として不適切なものを選ぶ
Pro
55
データサイエンティストの説明として不適切なものを選ぶ
Pro
自然言語処理
92
問
1
指示チューニングを選ぶ
Pro
2
DPO が RLHF と異なる点を選ぶ
Pro
3
構文解析の意味
Pro
4
未知語に強い単語ベクトルの手法を表す用語
Pro
5
文書要約の意味
Pro
6
位置だけ1のベクトルを表す用語
Pro
7
連続するn個のまとまりを表す用語
Pro
8
最小の単位に区切る処理を表す用語
Pro
9
密なベクトルに置きかえたものを表す用語
Pro
10
周りの語からベクトルを学ぶ手法を表す用語
Pro
11
真ん中から周りを当てる方式を表す用語
Pro
12
LSTMの記憶の担い手を表す用語
Pro
13
両方向から文脈を読む事前学習モデルを表す用語
Pro
14
大規模化で力を示した言語モデルを表す用語
Pro
15
気持ちを読み取る仕事を表す用語
Pro
16
質問に答えを返す仕事を表す用語
Pro
17
TF-IDFの意味
Pro
18
分散表現の意味
Pro
19
CBOWの意味
Pro
20
ELMoの意味
Pro
21
GLUEの意味
Pro
22
統計的機械翻訳の意味
Pro
23
情報検索の意味
Pro
24
BoWの意味
Pro
25
fastTextの意味
Pro
26
長い文章を要点だけに縮めることを表す用語
Pro
27
単語どうしの文法上のつながりを調べる処理を表す用語
Pro
28
ある言語の文を別の言語に翻訳することを表す用語
Pro
29
ワンホットベクトルの意味
Pro
30
語順を無視して文章を表す方法を表す用語
Pro
31
n-gramの意味
Pro
32
語の重要さを測る方法を表す用語
Pro
33
形態素解析の意味
Pro
34
単語埋め込みの意味
Pro
35
意味を数のベクトルで表す考え方を表す用語
Pro
36
word2vecの意味
Pro
37
周りの語から真ん中を当てる方式を表す用語
Pro
38
スキップグラムの意味
Pro
39
CECの意味
Pro
40
文脈に応じて表現を変える初期のモデルを表す用語
Pro
41
BERTの意味
Pro
42
言語モデルの実力をまとめて測る枠組みを表す用語
Pro
43
PaLMの意味
Pro
44
機械翻訳の意味
Pro
45
対訳データの統計にもとづく翻訳方式を表す用語
Pro
46
感情分析の意味
Pro
47
必要な文書を探し出すタスクを表す用語
Pro
48
質問応答の意味
Pro
49
言語モデルとは何かを選ぶ
Pro
50
BERT の特徴を選ぶ
Pro
51
事前学習済みモデルの型と得意を選ぶ
Pro
52
CECの説明として不適切なものを選ぶ
Pro
53
ELMoの説明として不適切なものを選ぶ
Pro
54
GLUEの説明として不適切なものを選ぶ
Pro
55
PaLMの説明として不適切なものを選ぶ
Pro
56
AIを審査員にする評価を選ぶ
Pro
57
自動評価指標の測れる面を選ぶ
Pro
58
単語の重要度を測る古典的手法
Pro
59
隠した単語を当てて事前学習するモデル
Pro
60
書き手の評価や気持ちを判定するタスク
Pro
61
単語を意味のベクトルにする手法
Pro
62
質問応答と情報検索の違いを選ぶ
Pro
63
文書要約の説明として不適切なものを選ぶ
Pro
64
検索拡張生成（RAG）を選ぶ
Pro
65
生成した文の自動評価を選ぶ
Pro
66
機械翻訳の説明として不適切なものを選ぶ
Pro
67
統計的機械翻訳の説明として不適切なものを選ぶ
Pro
68
感情分析の説明として不適切なものを選ぶ
Pro
69
情報検索の説明として不適切なものを選ぶ
Pro
70
質問応答の説明として不適切なものを選ぶ
Pro
71
LLMエージェントを選ぶ
Pro
72
RAG の検索のしくみを選ぶ
Pro
73
推論特化モデルの考え方を選ぶ
Pro
74
自己整合性を選ぶ
Pro
75
形態素解析とは何かを選ぶ
Pro
76
TF-IDF の考え方を選ぶ
Pro
77
古典的手法に共通する限界を選ぶ
Pro
78
ワンホットベクトルの説明として不適切なものを選ぶ
Pro
79
BoWの説明として不適切なものを選ぶ
Pro
80
n-gramの説明として不適切なものを選ぶ
Pro
81
形態素解析の説明として不適切なものを選ぶ
Pro
82
構文解析の説明として不適切なものを選ぶ
Pro
83
サブワード分割の狙いを選ぶ
Pro
84
バイト対符号化（BPE）のしくみを選ぶ
Pro
85
分散表現とは何かを選ぶ
Pro
86
分散表現とワンホットの違いを選ぶ
Pro
87
分散表現に現れる性質を選ぶ
Pro
88
単語埋め込みの説明として不適切なものを選ぶ
Pro
89
word2vecの説明として不適切なものを選ぶ
Pro
90
CBOWの説明として不適切なものを選ぶ
Pro
91
スキップグラムの説明として不適切なものを選ぶ
Pro
92
fastTextの説明として不適切なものを選ぶ
Pro
独占禁止法
2
問
1
自由な競争を妨げる行為の呼び名
Pro
2
競争制限と公正競争阻害性を選ぶ
Pro
Attention
31
問
1
Self-Attention の計算のしくみ
Pro
2
Transformer の構造の特徴
Pro
3
Attentionとは
Pro
4
自己注意とマルチヘッド注意
Pro
5
事例からTransformerの利点を判断する
Pro
6
Seq2Seqとは何かを選ぶ
Pro
7
Seq2Seqの説明として不適切なものを選ぶ
Pro
8
Source-Target Attentionの説明として不適切なものを選ぶ
Pro
9
Multi-Head Attentionの説明として不適切なものを選ぶ
Pro
10
Attentionの意味
Pro
11
Self-Attentionの意味
Pro
12
Source-Target Attentionの意味
Pro
13
Multi-Head Attentionの意味
Pro
14
キーの意味
Pro
15
クエリの意味
Pro
16
バリューの意味
Pro
17
位置エンコーディングの意味
Pro
18
Transformerの意味
Pro
19
関係する部分に重く注目するしくみを表す用語
Pro
20
系列内で注目し合うAttentionを表す用語
Pro
21
入力と出力をまたぐAttentionを表す用語
Pro
22
複数の視点で同時に注目するしくみを表す用語
Pro
23
情報の見出しにあたるものを表す用語
Pro
24
注目の問い合わせを表す用語
Pro
25
取り出される情報の中身を表す用語
Pro
26
並び順の情報を加えるしくみを表す用語
Pro
27
Attentionを主役にしたネットワークを表す用語
Pro
28
専門家の混合(MoE)の利点
Pro
29
事例からMoEの振り分けを判断する
Pro
30
位置エンコーディングの役割
Pro
31
事例から自己注意の計算を読み取る
Pro
音声処理
51
問
1
耳の感じ方に合わせた音声の特徴量
Pro
2
波形を直接生成する音声モデル
Pro
3
A-D変換とは何かを選ぶ
Pro
4
フォルマント周波数の説明として不適切なものを選ぶ
Pro
5
音素の説明として不適切なものを選ぶ
Pro
6
音韻の説明として不適切なものを選ぶ
Pro
7
高速フーリエ変換の役割を選ぶ
Pro
8
メル周波数ケプストラム係数を選ぶ
Pro
9
A-D変換の説明として不適切なものを選ぶ
Pro
10
パルス符号変調器の説明として不適切なものを選ぶ
Pro
11
スペクトル包絡の説明として不適切なものを選ぶ
Pro
12
フォルマントの説明として不適切なものを選ぶ
Pro
13
音素の意味
Pro
14
誰の声かを見分ける技術を表す用語
Pro
15
信号を数値の並びに変えることを表す用語
Pro
16
周波数成分に分解する計算を表す用語
Pro
17
聞こえ方に合わせた高さの尺度を表す用語
Pro
18
意味を区別する音のきまりの全体を表す用語
Pro
19
声を文字に変える技術を表す用語
Pro
20
見えない状態が音を生むと考えるモデルを表す用語
Pro
21
長さのずれを越えて対応づける方法を表す用語
Pro
22
パルス符号変調器の意味
Pro
23
スペクトル包絡の意味
Pro
24
フォルマント周波数の意味
Pro
25
メル周波数ケプストラム係数の意味
Pro
26
音声合成の意味
Pro
27
WaveNetの意味
Pro
28
とくに強く響く周波数の山を表す用語
Pro
29
話者識別の意味
Pro
30
意味を区別する最小の音の単位を表す用語
Pro
31
A-D変換の意味
Pro
32
一定間隔で測り記録する方式を表す用語
Pro
33
高速フーリエ変換の意味
Pro
34
周波数ごとの強さのおおまかな形を表す用語
Pro
35
フォルマントの意味
Pro
36
母音の違いに対応する周波数を表す用語
Pro
37
メル尺度の意味
Pro
38
声の特徴を少ない数でまとめた表現を表す用語
Pro
39
音韻の意味
Pro
40
音声認識の意味
Pro
41
文字から話し声を作るタスクを表す用語
Pro
42
隠れマルコフモデルの意味
Pro
43
波形を直接作り出す音声合成モデルを表す用語
Pro
44
CTCの意味
Pro
45
音声合成とは何かを選ぶ
Pro
46
CTC の役割を選ぶ
Pro
47
WaveNet のしくみを選ぶ
Pro
48
音声認識の説明として不適切なものを選ぶ
Pro
49
音声合成の説明として不適切なものを選ぶ
Pro
50
隠れマルコフモデルの説明として不適切なものを選ぶ
Pro
51
話者識別の説明として不適切なものを選ぶ
Pro
オートエンコーダ
13
問
1
確率分布で潜在表現を扱う発展形
Pro
2
オートエンコーダとは
Pro
3
変分オートエンコーダ(VAE)
Pro
4
事例からオートエンコーダを判断する
Pro
5
VQ-VAEとは何かを選ぶ
Pro
6
積層オートエンコーダの説明として不適切なものを選ぶ
Pro
7
VQ-VAEの説明として不適切なものを選ぶ
Pro
8
β-VAEの説明として不適切なものを選ぶ
Pro
9
info VAEの説明として不適切なものを選ぶ
Pro
10
積層オートエンコーダの意味
Pro
11
変分オートエンコーダ (VAE) の意味
Pro
12
層を深く積んだオートエンコーダを表す用語
Pro
13
確率分布で潜在表現を持つオートエンコーダを表す用語
Pro
誤差逆伝播法
14
問
1
誤差逆伝播法を支える微分の規則
Pro
2
深い層で勾配が届かなくなる問題
Pro
3
勾配消失問題とは
Pro
4
連鎖律の役割
Pro
5
事例から勾配消失問題を読み取る
Pro
6
勾配爆発問題とは何かを選ぶ
Pro
7
信用割当問題の説明として不適切なものを選ぶ
Pro
8
勾配爆発問題の説明として不適切なものを選ぶ
Pro
9
連鎖律の意味
Pro
10
信用割当問題の意味
Pro
11
勾配消失問題の意味
Pro
12
変化の割合が積になる規則を表す用語
Pro
13
関わりの割り当ての難しさを表す用語
Pro
14
勾配が0へ近づき学習が止まる問題を表す用語
Pro
探索・推論
31
問
1
探索木とは
Pro
2
階層ごとに調べる探し方の名前
Pro
3
深さ優先探索とは
Pro
4
力任せに全部試す探し方の名前
Pro
5
探索で解ける問題の代表例
Pro
6
Mini-Max 法とは
Pro
7
無駄な枝を打ち切る工夫の名前
Pro
8
モンテカルロ法とは
Pro
9
積み木の世界の対話システム
Pro
10
状態を枝分かれで表した木を表す用語
Pro
11
幅優先探索の意味
Pro
12
深くたどって引き返す探し方を表す用語
Pro
13
ブルートフォースの意味
Pro
14
ハノイの塔の意味
Pro
15
相手の最善を想定して手を選ぶ探索法を表す用語
Pro
16
αβ 法の意味
Pro
17
ランダムな試行から見積もる方法を表す用語
Pro
18
SHRDLU の意味
Pro
19
相手の最善手を前提にする探索法
Pro
20
ランダムな試行で局面を評価する方法
Pro
21
幅優先探索と深さ優先探索の違い
Pro
22
SHRDLUの説明として不適切なものを選ぶ
Pro
23
STRIPSの説明として不適切なものを選ぶ
Pro
24
Mini-Max法とαβ法の関係
Pro
25
事例から探索の手法を見分ける
Pro
26
STRIPSとは何かを選ぶ
Pro
27
探索木の説明として不適切なものを選ぶ
Pro
28
幅優先探索の説明として不適切なものを選ぶ
Pro
29
深さ優先探索の説明として不適切なものを選ぶ
Pro
30
ブルートフォースの説明として不適切なものを選ぶ
Pro
31
ハノイの塔の説明として不適切なものを選ぶ
Pro
知識表現とエキスパートシステム
49
問
1
意味ネットワークとは
Pro
2
概念どうしのつながりの型
Pro
3
オントロジーとは
Pro
4
セマンティック Web とは
Pro
5
常識を書き込む知識構築の試み
Pro
6
データマイニングとは
Pro
7
世界初とされるエキスパートシステム
Pro
8
マイシン（MYCIN）とは
Pro
9
言葉をなぞって会話をまねたプログラム
Pro
10
インタビューシステムとは
Pro
11
知識をもとに質問へ答えるしくみ
Pro
12
大学入試突破を目指したプロジェクト
Pro
13
知識をつながりの網で表す方法を表す用語
Pro
14
概念どうしのつながりの型が表す関係
Pro
15
概念と関係を体系化したものを表す用語
Pro
16
Web の情報に意味の印をつける構想を表す用語
Pro
17
Cyc プロジェクトの意味
Pro
18
データから規則を掘り起こす手法を表す用語
Pro
19
DENDRAL の意味
Pro
20
感染症を診断した医療エキスパートシステムを表す用語
Pro
21
イライザ (ELIZA) の意味
Pro
22
専門家から知識を聞き出すしくみを表す用語
Pro
23
Question-Answering の意味
Pro
24
東ロボくんの意味
Pro
25
マイシン(MYCIN)とは何か
Pro
26
ワトソンの説明として不適切なものを選ぶ
Pro
27
東ロボくんの説明として不適切なものを選ぶ
Pro
28
エキスパートシステムの知識獲得の難しさ
Pro
29
事例からエキスパートシステムの限界を読み取る
Pro
30
ワトソンとは何かを選ぶ
Pro
31
DENDRALの説明として不適切なものを選ぶ
Pro
32
マイシンの説明として不適切なものを選ぶ
Pro
33
イライザの説明として不適切なものを選ぶ
Pro
34
インタビューシステムの説明として不適切なものを選ぶ
Pro
35
Question-Answeringの説明として不適切なものを選ぶ
Pro
36
初期の対話プログラムの名前
Pro
37
概念の約束事を定める研究
Pro
38
ナレッジグラフの強み
Pro
39
事例からナレッジグラフとLLMの組み合わせを判断する
Pro
40
意味ネットワークとは何か
Pro
41
データマイニングの説明として不適切なものを選ぶ
Pro
42
ウェブマイニングの説明として不適切なものを選ぶ
Pro
43
オントロジーとセマンティックWebの区別
Pro
44
事例から概念どうしの関係の型を見分ける
Pro
45
ウェブマイニングとは何かを選ぶ
Pro
46
意味ネットワークの説明として不適切なものを選ぶ
Pro
47
is-aの関係の説明として不適切なものを選ぶ
Pro
48
has-aの関係の説明として不適切なものを選ぶ
Pro
49
Cycプロジェクトの説明として不適切なものを選ぶ
Pro
機械学習
16
問
1
ビッグデータとは
Pro
2
迷惑メールを見分けるしくみ
Pro
3
レコメンデーションエンジンとは
Pro
4
統計で言葉を扱う考え方
Pro
5
桁違いに大量のデータを表す用語
Pro
6
スパムフィルタの意味
Pro
7
好みを学びおすすめを出すしくみを表す用語
Pro
8
統計的自然言語処理の意味
Pro
9
行動データからおすすめを出すしくみ
Pro
10
ビッグデータと機械学習の関係
Pro
11
次元の呪いとは何か
Pro
12
事例からルールと学習の違いを判断する
Pro
13
ビッグデータの説明として不適切なものを選ぶ
Pro
14
スパムフィルタの説明として不適切なものを選ぶ
Pro
15
レコメンデーションエンジンの説明として不適切なものを選ぶ
Pro
16
統計的自然言語処理の説明として不適切なものを選ぶ
Pro
ディープラーニング
20
問
1
ニューラルネットワークが手本にしたしくみ
Pro
2
ネオコグニトロンとは
Pro
3
手書き数字の認識で成果を上げたモデル
Pro
4
ImageNet とは
Pro
5
画像認識の精度を競った大会
Pro
6
囲碁でトップ棋士に勝った人工知能
Pro
7
人間の神経回路の意味
Pro
8
畳み込みの源流にあたる初期モデルを表す用語
Pro
9
LeNet の意味
Pro
10
ラベル付き大規模画像データセットを表す用語
Pro
11
ILSVRC の意味
Pro
12
アルファ碁 (AlphaGo) の意味
Pro
13
畳み込みの源流になったモデル
Pro
14
手書き数字を読んだ初期のCNN
Pro
15
ILSVRCとは何か
Pro
16
ImageNetとILSVRCの区別
Pro
17
事例からアルファ碁の特徴を読み取る
Pro
18
人間の神経回路の説明として不適切なものを選ぶ
Pro
19
ネオコグニトロンの説明として不適切なものを選ぶ
Pro
20
LeNetの説明として不適切なものを選ぶ
Pro
教師あり学習
62
問
1
回帰問題の意味
Pro
2
分類問題を表す用語
Pro
3
多クラス分類の意味
Pro
4
線形回帰を表す用語
Pro
5
単回帰分析の意味
Pro
6
重回帰分析を表す用語
Pro
7
ロジスティック回帰の意味
Pro
8
自己回帰モデルを表す用語
Pro
9
決定木の意味
Pro
10
サポートベクターマシンを表す用語
Pro
11
マージン最大化の意味
Pro
12
カーネルを表す用語
Pro
13
アンサンブル学習の意味
Pro
14
バギングを表す用語
Pro
15
ブースティングの意味
Pro
16
勾配ブースティングを表す用語
Pro
17
ランダムフォレストの意味
Pro
18
連続する数値を予測する問題を表す用語
Pro
19
分類問題の意味
Pro
20
種類が3つ以上ある分類を表す用語
Pro
21
線形回帰の意味
Pro
22
入力1つの最も単純な線形回帰を表す用語
Pro
23
重回帰分析の意味
Pro
24
確率に変換して分類する手法を表す用語
Pro
25
自己回帰モデルの意味
Pro
26
枝分かれで予測する木の形のモデルを表す用語
Pro
27
サポートベクターマシンの意味
Pro
28
余白を最大にする考え方を表す用語
Pro
29
カーネルの意味
Pro
30
複数モデルを組み合わせる方法を表す用語
Pro
31
バギングの意味
Pro
32
誤りを順に直していく方法を表す用語
Pro
33
勾配ブースティングの意味
Pro
34
決定木の多数決で予測する方法を表す用語
Pro
35
サポートベクターマシンの考え方
Pro
36
カーネルの役割
Pro
37
事例から決定木の特徴を読み取る
Pro
38
カーネルトリックとは何かを選ぶ
Pro
39
サポートベクターマシンの説明として不適切なものを選ぶ
Pro
40
マージン最大化の説明として不適切なものを選ぶ
Pro
41
カーネルトリックの説明として不適切なものを選ぶ
Pro
42
アンサンブル学習とは
Pro
43
バギングとブースティングの違い
Pro
44
事例からランダムフォレストを見分ける
Pro
45
ブートストラップサンプリングとは何かを選ぶ
Pro
46
アンサンブル学習の説明として不適切なものを選ぶ
Pro
47
ブートストラップサンプリングの説明として不適切なものを選ぶ
Pro
48
勾配ブースティング木が強い場面
Pro
49
事例から手法の選択を判断する
Pro
50
多数の決定木の多数決で予測する手法
Pro
51
回帰という名前の分類手法
Pro
52
回帰問題と分類問題の違い
Pro
53
自己回帰モデルの説明として不適切なものを選ぶ
Pro
54
ベクトル自己回帰モデルの説明として不適切なものを選ぶ
Pro
55
ロジスティック回帰は何に使うか
Pro
56
事例から問題の種類を判断する
Pro
57
ベクトル自己回帰モデルとは何かを選ぶ
Pro
58
分類問題の説明として不適切なものを選ぶ
Pro
59
多クラス分類の説明として不適切なものを選ぶ
Pro
60
線形回帰の説明として不適切なものを選ぶ
Pro
61
単回帰分析の説明として不適切なものを選ぶ
Pro
62
重回帰分析の説明として不適切なものを選ぶ
Pro
モデルの選択・評価
62
問
1
平均二乗誤差の意味
Pro
2
元の単位に戻した誤差の指標を表す用語
Pro
3
結果を4通りに整理した表を表す用語
Pro
4
しきい値を動かして描く曲線を表す用語
Pro
5
過学習の意味
Pro
6
汎化性能を表す用語
Pro
7
交差検証の意味
Pro
8
k-分割交差検証を表す用語
Pro
9
ホールドアウト検証の意味
Pro
10
オッカムの剃刀を表す用語
Pro
11
赤池情報量規準の意味
Pro
12
平均二乗誤差を表す用語
Pro
13
二乗平均平方根誤差の意味
Pro
14
混同行列の意味
Pro
15
陽性と当てて的中したます目を表す用語
Pro
16
見逃しにあたるます目を表す用語
Pro
17
ROC曲線の意味
Pro
18
ROC曲線の下側の面積を表す用語
Pro
19
学習データに合わせすぎる現象を表す用語
Pro
20
汎化性能の意味
Pro
21
入れ替えながら性能を確かめる方法を表す用語
Pro
22
k-分割交差検証の意味
Pro
23
一度だけ分けて確かめる方法を表す用語
Pro
24
オッカムの剃刀の意味
Pro
25
あてはまりと複雑さのつり合いで選ぶ指標を表す用語
Pro
26
見逃しを減らしたいときに見る指標
Pro
27
データを無駄なく使う検証方法
Pro
28
適合率と再現率の意味
Pro
29
正解率の説明として不適切なものを選ぶ
Pro
30
適合率の説明として不適切なものを選ぶ
Pro
31
F値の説明として不適切なものを選ぶ
Pro
32
ROC曲線の説明として不適切なものを選ぶ
Pro
33
AUCの説明として不適切なものを選ぶ
Pro
34
混同行列と偽陽性・偽陰性
Pro
35
事例から適切な指標を選ぶ
Pro
36
平均絶対値誤差とは何かを選ぶ
Pro
37
平均二乗誤差の説明として不適切なものを選ぶ
Pro
38
二乗平均平方根誤差の説明として不適切なものを選ぶ
Pro
39
平均絶対値誤差の説明として不適切なものを選ぶ
Pro
40
真陽性の説明として不適切なものを選ぶ
Pro
41
真陰性の説明として不適切なものを選ぶ
Pro
42
過学習とは
Pro
43
交差検証の役割
Pro
44
事例から過学習を読み取る
Pro
45
ベイズ情報量規準とは何かを選ぶ
Pro
46
ホールドアウト検証の説明として不適切なものを選ぶ
Pro
47
k-分割交差検証の説明として不適切なものを選ぶ
Pro
48
オッカムの剃刀の説明として不適切なものを選ぶ
Pro
49
赤池情報量規準の説明として不適切なものを選ぶ
Pro
50
ベイズ情報量規準の説明として不適切なものを選ぶ
Pro
51
混同行列とは何か
Pro
52
真陽性の意味
Pro
53
偽陰性の意味
Pro
54
正解率の意味
Pro
55
F 値の意味
Pro
56
AUC の意味
Pro
57
真陰性を表す用語
Pro
58
偽陽性を表す用語
Pro
59
適合率を表す指標
Pro
60
再現率を表す指標
Pro
61
ROC 曲線を表す用語
Pro
62
混同行列を表す用語
Pro
教師なし学習
45
問
1
クラスタリングを表す用語
Pro
2
k-means 法の意味
Pro
3
ウォード法を表す用語
Pro
4
デンドログラムの意味
Pro
5
次元削減を表す用語
Pro
6
主成分分析の意味
Pro
7
特異値分解を表す用語
Pro
8
t-SNE の意味
Pro
9
トピックモデルを表す用語
Pro
10
潜在的ディリクレ配分法の意味
Pro
11
協調フィルタリングを表す用語
Pro
12
コンテンツベースフィルタリングの意味
Pro
13
クラスタリングの意味
Pro
14
k個のかたまりに分ける手法を表す用語
Pro
15
ウォード法の意味
Pro
16
まとまる過程を木で表した図を表す用語
Pro
17
次元削減の意味
Pro
18
ばらつきの大きい方向を軸に取り直す手法を表す用語
Pro
19
特異値分解の意味
Pro
20
近さを保って2次元に描く手法を表す用語
Pro
21
トピックモデルの意味
Pro
22
話題の混ざりを確率で表す手法を表す用語
Pro
23
協調フィルタリングの意味
Pro
24
商品の特徴からおすすめを選ぶ方法を表す用語
Pro
25
クラスタリングとは
Pro
26
多次元尺度構成法の説明として不適切なものを選ぶ
Pro
27
特異値分解の説明として不適切なものを選ぶ
Pro
28
主成分分析による次元削減
Pro
29
事例から教師なし学習を見分ける
Pro
30
多次元尺度構成法とは何かを選ぶ
Pro
31
k-means法の説明として不適切なものを選ぶ
Pro
32
ウォード法の説明として不適切なものを選ぶ
Pro
33
デンドログラムの説明として不適切なものを選ぶ
Pro
34
次元削減でばらつきを重んじる理由として不適切なものを選ぶ
Pro
35
t-SNEの説明として不適切なものを選ぶ
Pro
36
協調フィルタリングとは
Pro
37
協調とコンテンツベースの区別
Pro
38
事例から推薦の考え方を見分ける
Pro
39
コールドスタート問題とは何かを選ぶ
Pro
40
トピックモデルの説明として不適切なものを選ぶ
Pro
41
潜在的ディリクレ配分法の説明として不適切なものを選ぶ
Pro
42
コンテンツベースフィルタリングの説明として不適切なものを選ぶ
Pro
43
コールドスタート問題の説明として不適切なものを選ぶ
Pro
44
ばらつきの大きい方向に軸を取り直す手法
Pro
45
可視化のための次元削減の手法
Pro
強化学習
40
問
1
マルコフ決定過程の意味
Pro
2
割引率を表す用語
Pro
3
状態価値関数の意味
Pro
4
行動価値関数を表す用語
Pro
5
Q 学習の意味
Pro
6
方策勾配法を表す用語
Pro
7
REINFORCE の意味
Pro
8
Actor-Critic を表す用語
Pro
9
バンディットアルゴリズムの意味
Pro
10
ε-greedy 方策を表す用語
Pro
11
今の状態と行動だけで次が決まる枠組みを表す用語
Pro
12
割引率の意味
Pro
13
状態から先の報酬の見込みを表す関数を表す用語
Pro
14
行動価値関数の意味
Pro
15
行動価値を試行錯誤で学ぶ手法を表す用語
Pro
16
方策勾配法の意味
Pro
17
方策勾配法の基本手法を表す用語
Pro
18
Actor-Critic の意味
Pro
19
試すことと活かすことのつり合いを取る手法を表す用語
Pro
20
ε-greedy 方策の意味
Pro
21
ε-greedy方策とは
Pro
22
方策勾配法の考え方
Pro
23
事例から探索と活用のつり合いを判断する
Pro
24
UCB方策とは何かを選ぶ
Pro
25
REINFORCEの説明として不適切なものを選ぶ
Pro
26
Actor-Criticの説明として不適切なものを選ぶ
Pro
27
ε-greedy方策の説明として不適切なものを選ぶ
Pro
28
UCB方策の説明として不適切なものを選ぶ
Pro
29
最大の行動価値を仮定して更新する手法
Pro
30
探索と活用のバランスの取り方
Pro
31
強化学習の枠組み
Pro
32
マルコフ決定過程の説明として不適切なものを選ぶ
Pro
33
割引率の役割
Pro
34
事例から強化学習を見分ける
Pro
35
SARSAという名前の由来を選ぶ
Pro
36
マルコフ性という割り切りの説明として不適切なものを選ぶ
Pro
37
状態価値関数の説明として不適切なものを選ぶ
Pro
38
行動価値関数の説明として不適切なものを選ぶ
Pro
39
Q学習の説明として不適切なものを選ぶ
Pro
40
SARSAの説明として不適切なものを選ぶ
Pro
ニューラルネットワークとディープラーニング
22
問
1
単純パーセプトロンの意味
Pro
2
多層パーセプトロンの意味
Pro
3
入力層・隠れ層・出力層を表す用語
Pro
4
CPUの意味
Pro
5
GPUの意味
Pro
6
隠れ層を持たない基本のネットワークを表す用語
Pro
7
隠れ層を加えたネットワークを表す用語
Pro
8
入力層・隠れ層・出力層の意味
Pro
9
順にこなすのが得意な万能の計算装置を表す用語
Pro
10
並行の大量計算が得意な装置を表す用語
Pro
11
単純パーセプトロンと多層パーセプトロン
Pro
12
GPUが深層学習を支えた理由
Pro
13
事例から層の呼び名を判断する
Pro
14
TPUとは何かを選ぶ
Pro
15
入力層の説明として不適切なものを選ぶ
Pro
16
出力層の説明として不適切なものを選ぶ
Pro
17
CPUの説明として不適切なものを選ぶ
Pro
18
TPUの説明として不適切なものを選ぶ
Pro
19
パーセプトロンと計算資源の基礎
Pro
20
隠れ層を持つネットワーク
Pro
21
スケーリング則とは
Pro
22
事例から創発能力の議論を判断する
Pro
誤差関数
18
問
1
平均二乗誤差関数の意味
Pro
2
交差エントロピーの意味
Pro
3
カルバック・ライブラー情報量を表す用語
Pro
4
Contrastive Lossの意味
Pro
5
回帰でよく使う誤差関数を表す用語
Pro
6
分類でよく使う誤差関数を表す用語
Pro
7
カルバック・ライブラー情報量の意味
Pro
8
距離の関係を学ばせる誤差関数を表す用語
Pro
9
分類の学習で使われる誤差関数
Pro
10
回帰で使う代表的な誤差関数
Pro
11
交差エントロピーの用途
Pro
12
損失関数と活性化関数の役割の違い
Pro
13
事例から適切な損失関数を選ぶ
Pro
14
Triplet Lossとは何かを選ぶ
Pro
15
平均二乗誤差関数の説明として不適切なものを選ぶ
Pro
16
カルバック・ライブラー情報量の説明として不適切なものを選ぶ
Pro
17
Contrastive Lossの説明として不適切なものを選ぶ
Pro
18
Triplet Lossの説明として不適切なものを選ぶ
Pro
正則化
19
問
1
正則化の意味
Pro
2
L0正則化の意味
Pro
3
L1正則化の意味
Pro
4
L2正則化の意味
Pro
5
ラッソ回帰を表す用語
Pro
6
リッジ回帰を表す用語
Pro
7
罰則で複雑さを抑える工夫を表す用語
Pro
8
重みの個数を罰則にする正則化を表す用語
Pro
9
絶対値の合計を罰則にする正則化を表す用語
Pro
10
2乗の合計を罰則にする正則化を表す用語
Pro
11
ラッソ回帰の意味
Pro
12
リッジ回帰の意味
Pro
13
重みをゼロにしやすい正則化
Pro
14
ニューロンを無効化する正則化
Pro
15
正則化のねらい
Pro
16
ラッソ回帰とリッジ回帰
Pro
17
事例から正則化の効果を判断する
Pro
18
L0正則化の説明として不適切なものを選ぶ
Pro
19
ドロップアウトの説明として不適切なものを選ぶ
Pro
最適化手法
69
問
1
勾配降下法の意味
Pro
2
確率的勾配降下法を表す用語
Pro
3
バッチ学習の意味
Pro
4
ミニバッチ学習の意味
Pro
5
オンライン学習の意味
Pro
6
イテレーションの意味
Pro
7
エポックの意味
Pro
8
モーメンタムの意味
Pro
9
AdaGradの意味
Pro
10
AdaDeltaの意味
Pro
11
RMSpropの意味
Pro
12
Adamの意味
Pro
13
AdaBoundの意味
Pro
14
AMSBoundの意味
Pro
15
鞍点の意味
Pro
16
局所最適解の意味
Pro
17
早期終了の意味
Pro
18
二重降下現象の意味
Pro
19
ノーフリーランチの定理の意味
Pro
20
ハイパーパラメータの意味
Pro
21
グリッドサーチの意味
Pro
22
勾配が下る方向へ重みを動かす方法を表す用語
Pro
23
確率的勾配降下法の意味
Pro
24
全体から勾配を求める進め方を表す用語
Pro
25
かたまりごとに更新する進め方を表す用語
Pro
26
届くたびに1件で学ぶ方法を表す用語
Pro
27
重みの一回更新を数える単位を表す用語
Pro
28
全データを使い切ったことを数える単位を表す用語
Pro
29
更新の勢いを引き継ぐ工夫を表す用語
Pro
30
歩幅を重みごとに自動調整する手法を表す用語
Pro
31
AdaGradの弱点を補った手法を表す用語
Pro
32
直近の勾配を重く見る手法を表す用語
Pro
33
勢いと歩幅調整を組み合わせた手法を表す用語
Pro
34
Adamに上限と下限を設けた手法を表す用語
Pro
35
AMSGrad由来の枠を持つ手法を表す用語
Pro
36
方向によって上りにも下りにもなる点を表す用語
Pro
37
全体では最も低くない浅いくぼみを表す用語
Pro
38
当たりが悪くなり始めたら打ち切る工夫を表す用語
Pro
39
性能が再び良くなる現象を表す用語
Pro
40
万能の手法は無いという考えを表す用語
Pro
41
人が前もって決める設定値を表す用語
Pro
42
組み合わせを総当たりで試す探し方を表す用語
Pro
43
勾配降下法とは
Pro
44
エポックとイテレーションの違い
Pro
45
事例から学習の進め方を見分ける
Pro
46
オンライン学習の説明として不適切なものを選ぶ
Pro
47
学習率の説明として不適切なものを選ぶ
Pro
48
確率的勾配降下法の性質
Pro
49
候補の組み合わせを全部試す調整法
Pro
50
慣性と学習率調整を併せ持つ手法
Pro
51
学習が停滞しやすい特別な点
Pro
52
モーメンタムの考え方
Pro
53
大域最適解の説明として不適切なものを選ぶ
Pro
54
Adamの位置づけ
Pro
55
事例から鞍点・局所最適解を判断する
Pro
56
大域最適解とは何かを選ぶ
Pro
57
AdaGradの説明として不適切なものを選ぶ
Pro
58
RMSpropの説明として不適切なものを選ぶ
Pro
59
AdaDeltaの説明として不適切なものを選ぶ
Pro
60
AdaBoundの説明として不適切なものを選ぶ
Pro
61
AMSBoundの説明として不適切なものを選ぶ
Pro
62
ハイパーパラメータとは
Pro
63
早期終了のねらい
Pro
64
事例からグリッドサーチを判断する
Pro
65
ランダムサーチとは何かを選ぶ
Pro
66
二重降下現象の説明として不適切なものを選ぶ
Pro
67
ノーフリーランチの定理の説明として不適切なものを選ぶ
Pro
68
ハイパーパラメータの説明として不適切なものを選ぶ
Pro
69
ランダムサーチの説明として不適切なものを選ぶ
Pro
畳み込み層
31
問
1
重みの意味
Pro
2
線形関数の意味
Pro
3
畳み込みニューラルネットワーク (CNN) の意味
Pro
4
畳み込み操作の意味
Pro
5
ストライドの意味
Pro
6
パディングの意味
Pro
7
フィルタの意味
Pro
8
特徴マップの意味
Pro
9
Atrous Convolutionの意味
Pro
10
Dilated Convolutionの意味
Pro
11
つながりの強さを表す数を表す用語
Pro
12
直線や平面になる関係の関数を表す用語
Pro
13
位置によらず特徴をとらえるネットワークを表す用語
Pro
14
特徴マップを作る一連の計算を表す用語
Pro
15
フィルタをずらす幅を表す用語
Pro
16
ふちに数値を補う工夫を表す用語
Pro
17
特徴を取り出す小さな重みの表を表す用語
Pro
18
特徴の強さを並べた出力を表す用語
Pro
19
すきまを空けて広く見わたす畳み込みを表す用語
Pro
20
Atrous Convolutionの別名を表す用語
Pro
21
フィルタをずらす幅の呼び名
Pro
22
入力の周囲に値を付け足す操作
Pro
23
畳み込みニューラルネットワークとは
Pro
24
Atrous Convolution（Dilated Convolution）の説明として不適切なものを選ぶ
Pro
25
Depthwise Separable Convolutionの説明として不適切なものを選ぶ
Pro
26
ストライドとパディング
Pro
27
事例から畳み込みの利点を判断する
Pro
28
Depthwise Separable Convolutionとは何かを選ぶ
Pro
29
線形関数の説明として不適切なものを選ぶ
Pro
30
畳み込み操作の説明として不適切なものを選ぶ
Pro
31
特徴マップの説明として不適切なものを選ぶ
Pro
正規化層
14
問
1
バッチ正規化の意味
Pro
2
レイヤー正規化の意味
Pro
3
グループ正規化の意味
Pro
4
インスタンス正規化の意味
Pro
5
束の中で数値をそろえる正規化を表す用語
Pro
6
束に左右されない正規化を表す用語
Pro
7
グループごとにそろえる正規化を表す用語
Pro
8
重なり1枚ごとにそろえる正規化を表す用語
Pro
9
ミニバッチ単位でそろえる正規化
Pro
10
正規化のはたらき
Pro
11
グループ正規化の説明として不適切なものを選ぶ
Pro
12
バッチ正規化の説明として不適切なものを選ぶ
Pro
13
レイヤー正規化の説明として不適切なものを選ぶ
Pro
14
インスタンス正規化の説明として不適切なものを選ぶ
Pro
プーリング層
13
問
1
最大値プーリングの意味
Pro
2
平均値プーリングの意味
Pro
3
グローバルアベレージプーリングを表す用語
Pro
4
不変性の獲得の意味
Pro
5
いちばん大きい値だけを残すプーリングを表す用語
Pro
6
平均をとるプーリングを表す用語
Pro
7
グローバルアベレージプーリングの意味
Pro
8
ずれに強くなる性質を得ることを表す用語
Pro
9
最大値プーリングの説明として不適切なものを選ぶ
Pro
10
平均値プーリングの説明として不適切なものを選ぶ
Pro
11
グローバルアベレージプーリングの説明として不適切なものを選ぶ
Pro
12
プーリングと不変性の獲得
Pro
13
領域の最大値を取り出す操作
Pro
回帰結合層
33
問
1
リカレントニューラルネットワーク (RNN) の意味
Pro
2
時系列データの意味
Pro
3
BPTTを表す用語
Pro
4
ゲート機構の意味
Pro
5
LSTMの意味
Pro
6
GRUの意味
Pro
7
双方向 RNN (Bidirectional RNN) の意味
Pro
8
エルマンネットワークの意味
Pro
9
ジョルダンネットワークの意味
Pro
10
順番のあるデータを流れとして扱うネットワークを表す用語
Pro
11
並ぶ順番が意味を持つデータを表す用語
Pro
12
BPTTの意味
Pro
13
取り入れ・保持・忘却を調整するしくみを表す用語
Pro
14
記憶の通り道とゲートを持つRNNを表す用語
Pro
15
ゲートを減らして軽くしたRNNを表す用語
Pro
16
前後両方の文脈を使うRNNを表す用語
Pro
17
隠れ層の状態を引き継ぐ初期RNNを表す用語
Pro
18
出力の結果を引き継ぐ初期RNNを表す用語
Pro
19
リカレントニューラルネットワークとは
Pro
20
双方向RNNの説明として不適切なものを選ぶ
Pro
21
エルマンネットワークの説明として不適切なものを選ぶ
Pro
22
ジョルダンネットワークの説明として不適切なものを選ぶ
Pro
23
教師強制の説明として不適切なものを選ぶ
Pro
24
LSTMとゲート機構
Pro
25
事例から系列を扱う工夫を判断する
Pro
26
教師強制とは何かを選ぶ
Pro
27
時系列データの説明として不適切なものを選ぶ
Pro
28
BPTTの説明として不適切なものを選ぶ
Pro
29
GRUの説明として不適切なものを選ぶ
Pro
30
3種類のゲートを持つ回帰結合のしくみ
Pro
31
ゲートを2つに絞った軽いモデル
Pro
32
状態空間モデルが注目される理由
Pro
33
事例からMambaの工夫を判断する
Pro
データ拡張
39
問
1
Cropの意味
Pro
2
Cutoutの意味
Pro
3
Random Erasingの意味
Pro
4
Random Flipの意味
Pro
5
Rotateの意味
Pro
6
Contrastの意味
Pro
7
Brightnessの意味
Pro
8
noisingの意味
Pro
9
Mixupの意味
Pro
10
CutMixの意味
Pro
11
RandAugumentの意味
Pro
12
一部を切り取る水増しを表す用語
Pro
13
一部を四角く隠す水増しを表す用語
Pro
14
ランダムな範囲を消す水増しを表す用語
Pro
15
反転による水増しを表す用語
Pro
16
回転による水増しを表す用語
Pro
17
明暗の差を変える水増しを表す用語
Pro
18
全体の明るさを変える水増しを表す用語
Pro
19
雑音を加える水増しを表す用語
Pro
20
2枚を混ぜ合わせる水増しを表す用語
Pro
21
一部を貼りかえる水増しを表す用語
Pro
22
組み合わせを自動で選ぶ方法を表す用語
Pro
23
2枚の画像を混ぜ合わせる拡張手法
Pro
24
画像を反転させるデータ拡張
Pro
25
データ拡張とは
Pro
26
Cutoutの説明として不適切なものを選ぶ
Pro
27
Random Erasingの説明として不適切なものを選ぶ
Pro
28
CutMixの説明として不適切なものを選ぶ
Pro
29
noisingの説明として不適切なものを選ぶ
Pro
30
RandAugumentの説明として不適切なものを選ぶ
Pro
31
paraphrasingの説明として不適切なものを選ぶ
Pro
32
Mixupの考え方
Pro
33
事例からデータ拡張のねらいを判断する
Pro
34
paraphrasingとは何かを選ぶ
Pro
35
Cropの説明として不適切なものを選ぶ
Pro
36
Random Flipの説明として不適切なものを選ぶ
Pro
37
Rotateの説明として不適切なものを選ぶ
Pro
38
Contrastの説明として不適切なものを選ぶ
Pro
39
Brightnessの説明として不適切なものを選ぶ
Pro
画像認識
98
問
1
一般物体認識の意味
Pro
2
特定の物体を言い当てるタスクを表す用語
Pro
3
AlexNetの意味
Pro
4
小さなフィルタを重ねたネットワークを表す用語
Pro
5
GoogLeNetの意味
Pro
6
層を浅く幅を広げたモデルを表す用語
Pro
7
DenseNetの意味
Pro
8
特徴の重要さを学ぶしくみを表す用語
Pro
9
EfficientNetの意味
Pro
10
端末上で動く軽いネットワークを表す用語
Pro
11
MnasNetの意味
Pro
12
画像をパッチに分けて自己注意で捉える分類モデルを表す用語
Pro
13
一度で物体を探す検出手法を表す用語
Pro
14
関節の位置から姿勢を捉える手法を表す用語
Pro
15
構造を自動で探す手法を表す用語
Pro
16
決めた種類から見分けるタスクを表す用語
Pro
17
深層学習の転機になったネットワークを表す用語
Pro
18
異なる大きさの畳み込みを組み合わせたネットワークを表す用語
Pro
19
物体検出の意味
Pro
20
各層を密につなぐネットワークを表す用語
Pro
21
つり合いを取って拡大したモデルを表す用語
Pro
22
端末での速さも評価した自動設計モデルを表す用語
Pro
23
枠で囲んで種類も当てるタスクを表す用語
Pro
24
候補の抽出までネットワーク化した手法を表す用語
Pro
25
一度の処理で当てる検出手法を表す用語
Pro
26
画素ごとに塗り分けるタスクを表す用語
Pro
27
塗り分けと個体の区別を合わせたタスクを表す用語
Pro
28
左右対称の縮小と復元で塗り分けるネットワークを表す用語
Pro
29
場面全体を踏まえて塗り分けるネットワークを表す用語
Pro
30
領域候補の計算を共有した手法を表す用語
Pro
31
検出に塗り分けを加えた手法を表す用語
Pro
32
物体識別の意味
Pro
33
VGGの意味
Pro
34
Wide ResNetの意味
Pro
35
MobileNetの意味
Pro
36
Fast R-CNNの意味
Pro
37
FPNの意味
Pro
38
インスタンスセグメンテーションの意味
Pro
39
FCNの意味
Pro
40
U-Netの意味
Pro
41
Faster R-CNNの意味
Pro
42
DeepLabの意味
Pro
43
姿勢推定の意味
Pro
44
大きさの異なる特徴を組み合わせるしくみを表す用語
Pro
45
SSDの意味
Pro
46
セマンティックセグメンテーションの意味
Pro
47
個体ごとに塗り分けるタスクを表す用語
Pro
48
パノプティックセグメンテーションの意味
Pro
49
全結合層を使わないセグメンテーションの基礎を表す用語
Pro
50
SegNetの意味
Pro
51
細部を保つセグメンテーションのネットワークを表す用語
Pro
52
NASの意味
Pro
53
OpenPoseの意味
Pro
54
SENetの意味
Pro
55
Vision Transformerの意味
Pro
56
YOLOの意味
Pro
57
PSPNetの意味
Pro
58
隙間を空けた畳み込みを使うネットワークを表す用語
Pro
59
Mask R-CNNの意味
Pro
60
関節の位置から姿勢を求めるタスクを表す用語
Pro
61
画像分類が答えるものを選ぶ
Pro
62
GoogLeNetの説明として不適切なものを選ぶ
Pro
63
Wide ResNetの説明として不適切なものを選ぶ
Pro
64
DenseNetの説明として不適切なものを選ぶ
Pro
65
SENetの説明として不適切なものを選ぶ
Pro
66
EfficientNetの説明として不適切なものを選ぶ
Pro
67
MobileNetの説明として不適切なものを選ぶ
Pro
68
MnasNetの説明として不適切なものを選ぶ
Pro
69
NASの説明として不適切なものを選ぶ
Pro
70
深さの壁を越えたモデルを選ぶ
Pro
71
Vision Transformer のしくみを選ぶ
Pro
72
一般物体認識の説明として不適切なものを選ぶ
Pro
73
物体識別の説明として不適切なものを選ぶ
Pro
74
AlexNetの説明として不適切なものを選ぶ
Pro
75
VGGの説明として不適切なものを選ぶ
Pro
76
位置を枠で示しながら当てるタスク
Pro
77
セグメンテーションの種類の見分け方
Pro
78
1回の処理で検出まで行うモデル
Pro
79
小さなフィルタを深く重ねたモデル
Pro
80
物体検出が画像分類と違う点を選ぶ
Pro
81
Faster R-CNN の工夫を選ぶ
Pro
82
FPN の役割を選ぶ
Pro
83
物体検出の説明として不適切なものを選ぶ
Pro
84
Fast R-CNNの説明として不適切なものを選ぶ
Pro
85
YOLOの説明として不適切なものを選ぶ
Pro
86
SSDの説明として不適切なものを選ぶ
Pro
87
セマンティックセグメンテーションを選ぶ
Pro
88
PSPNetの説明として不適切なものを選ぶ
Pro
89
DeepLabの説明として不適切なものを選ぶ
Pro
90
姿勢推定の説明として不適切なものを選ぶ
Pro
91
OpenPoseの説明として不適切なものを選ぶ
Pro
92
U-Net の特徴を選ぶ
Pro
93
Mask R-CNN のしくみを選ぶ
Pro
94
セマンティックセグメンテーションの説明として不適切なものを選ぶ
Pro
95
インスタンスセグメンテーションの説明として不適切なものを選ぶ
Pro
96
パノプティックセグメンテーションの説明として不適切なものを選ぶ
Pro
97
FCNの説明として不適切なものを選ぶ
Pro
98
SegNetの説明として不適切なものを選ぶ
Pro
マルチモーダル
35
問
1
Unified-IOの意味
Pro
2
幅広い課題の土台になる大きなモデルを表す用語
Pro
3
マルチタスク学習の意味
Pro
4
画像と文章を同じ空間で結びつけるモデルを表す用語
Pro
5
少ない例で画像と文章の課題に応じるモデルを表す用語
Pro
6
文章から画像を生み出す課題を表す用語
Pro
7
さまざまな入出力を1つのモデルで扱う取り組みを表す用語
Pro
8
DALL-Eの意味
Pro
9
Image Captioningの意味
Pro
10
Visual Question Answeringの意味
Pro
11
基盤モデルの意味
Pro
12
Zero-shotの意味
Pro
13
例を示さず指示だけで課題をこなすことを表す用語
Pro
14
複数の課題を同時にこなせるよう学ぶことを表す用語
Pro
15
CLIPの意味
Pro
16
文章から画像を生み出すモデルを表す用語
Pro
17
Flamingoの意味
Pro
18
画像を説明する文章を作るタスクを表す用語
Pro
19
Text-To-Imageの意味
Pro
20
画像についての質問に答える課題を表す用語
Pro
21
画像と文章を同じ空間で結ぶモデル
Pro
22
画像の内容を文章で説明するタスク
Pro
23
マルチモーダルとは何かを選ぶ
Pro
24
Unified-IOの説明として不適切なものを選ぶ
Pro
25
基盤モデルの説明として不適切なものを選ぶ
Pro
26
マルチタスク学習の説明として不適切なものを選ぶ
Pro
27
CLIP の学習を選ぶ
Pro
28
Zero-shot のしくみを選ぶ
Pro
29
DALL-Eの説明として不適切なものを選ぶ
Pro
30
Flamingoの説明として不適切なものを選ぶ
Pro
31
Image Captioningの説明として不適切なものを選ぶ
Pro
32
Text-To-Imageの説明として不適切なものを選ぶ
Pro
33
Visual Question Answeringの説明として不適切なものを選ぶ
Pro
34
マルチモーダルLLMのしくみを選ぶ
Pro
35
マルチモーダルLLMの苦手を選ぶ
Pro
モデルの解釈性
17
問
1
説明可能AIの意味
Pro
2
CAMの意味
Pro
3
多くのモデルに使える画像向け可視化手法を表す用語
Pro
4
LIMEの意味
Pro
5
各特徴の貢献を公平に割り当てる手法を表す用語
Pro
6
入れ替えで重要度を測る手法を表す用語
Pro
7
入力の近くだけを単純なモデルで近似して理由を読む手法を表す用語
Pro
8
判断の理由を人に分かる形で示す取り組みの全体を表す用語
Pro
9
Grad-CAMの意味
Pro
10
Permutation Importanceの意味
Pro
11
SHAPの意味
Pro
12
画像のどこに注目したかを色の濃淡で示す手法を表す用語
Pro
13
どの特徴が効いたかを示す手法を選ぶ
Pro
14
説明を鵜呑みにできない理由を選ぶ
Pro
15
注目した場所を可視化する手法
Pro
16
説明可能AI（XAI）の対象を選ぶ
Pro
17
説明可能AIの手法を選ぶ
Pro
モデルの軽量化
18
問
1
モデル圧縮の意味
Pro
2
プルーニングの意味
Pro
3
量子化の意味
Pro
4
先生の知識を生徒に移す手法を表す用語
Pro
5
小さな部分ネットワークの存在を説く仮説を表す用語
Pro
6
手元の機器でAIを動かすことを表す用語
Pro
7
効いていない重みやつながりを取り除いて小さくする手法を表す用語
Pro
8
モデルを小さく速くする手法の総称を表す用語
Pro
9
エッジAIの意味
Pro
10
蒸留の意味
Pro
11
宝くじ仮説の意味
Pro
12
数値を粗い精度へ置きかえて情報量を減らす手法を表す用語
Pro
13
大きなモデルをお手本にする軽量化
Pro
14
プルーニングと宝くじ仮説を選ぶ
Pro
15
量子化が成り立つ理由を選ぶ
Pro
16
モデルの軽量化における蒸留を選ぶ
Pro
17
エッジAIの説明として不適切なものを選ぶ
Pro
18
モデル圧縮の説明として不適切なものを選ぶ
Pro
深層強化学習
64
問
1
連続値制御の意味
Pro
2
複数のエージェントが同時に学ぶ枠組みを表す用語
Pro
3
価値と行動差を分けて学ぶ改良を表す用語
Pro
4
複数の改良を束ねた手法を表す用語
Pro
5
幅広いゲームで人を超えた手法を表す用語
Pro
6
並行して学び結果を集める手法を表す用語
Pro
7
人の好みを報酬にする学習を表す用語
Pro
8
リアルタイム戦略ゲームでの取り組みを表す用語
Pro
9
条件をばらつかせて現実に備える工夫を表す用語
Pro
10
既存の制御に補正を足す考え方を表す用語
Pro
11
報酬の与え方の工夫を表す用語
Pro
12
ダブル DQN の意味
Pro
13
ノイジーネットワークの意味
Pro
14
APE-X の意味
Pro
15
PPO の意味
Pro
16
OpenAI Five の意味
Pro
17
sim2real の意味
Pro
18
オフライン強化学習の意味
Pro
19
状態表現学習の意味
Pro
20
画面から直接ゲームを学んだ手法を表す用語
Pro
21
マルチエージェント強化学習の意味
Pro
22
行動が連続した値をとる制御を表す用語
Pro
23
DQNの意味
Pro
24
価値の見積もりすぎをやわらげた改良を表す用語
Pro
25
デュエリングネットワークの意味
Pro
26
雑音を加えて探索をうながす改良を表す用語
Pro
27
Rainbowの意味
Pro
28
多数の担い手で経験を集める手法を表す用語
Pro
29
Agent57の意味
Pro
30
A3Cの意味
Pro
31
更新を穏やかに保ち安定して学ぶ手法を表す用語
Pro
32
RLHFの意味
Pro
33
複雑な対戦ゲームに挑んだ取り組みを表す用語
Pro
34
アルファスターの意味
Pro
35
模擬環境の方策を現実へ移す考え方を表す用語
Pro
36
ドメインランダマイゼーションの意味
Pro
37
経験データだけから方策を学ぶ方法を表す用語
Pro
38
残差強化学習の意味
Pro
39
行動の判断に役立つ状態の表し方を学ぶことを表す用語
Pro
40
報酬成形の意味
Pro
41
画面の画像から価値を学ぶ手法
Pro
42
人の評価で出力を整える強化学習
Pro
43
方策ベースの考え方を選ぶ
Pro
44
オフライン強化学習の説明として不適切なものを選ぶ
Pro
45
残差強化学習の説明として不適切なものを選ぶ
Pro
46
状態表現学習の説明として不適切なものを選ぶ
Pro
47
報酬成形の説明として不適切なものを選ぶ
Pro
48
マルチエージェント強化学習の説明として不適切なものを選ぶ
Pro
49
PPO の特徴を選ぶ
Pro
50
RLHF の進め方を選ぶ
Pro
51
A3Cの説明として不適切なものを選ぶ
Pro
52
OpenAI Fiveの説明として不適切なものを選ぶ
Pro
53
アルファスターの説明として不適切なものを選ぶ
Pro
54
sim2realの説明として不適切なものを選ぶ
Pro
55
ドメインランダマイゼーションの説明として不適切なものを選ぶ
Pro
56
深層強化学習の考え方を選ぶ
Pro
57
Agent57の説明として不適切なものを選ぶ
Pro
58
DQN の安定化の工夫を選ぶ
Pro
59
価値ベースと連続値制御の関係を選ぶ
Pro
60
ダブルDQNの説明として不適切なものを選ぶ
Pro
61
デュエリングネットワークの説明として不適切なものを選ぶ
Pro
62
ノイジーネットワークの説明として不適切なものを選ぶ
Pro
63
Rainbowの説明として不適切なものを選ぶ
Pro
64
APE-Xの説明として不適切なものを選ぶ
Pro
データ生成
33
問
1
文章生成の意味
Pro
2
対なしで作風を変換するGANを表す用語
Pro
3
雑音を取り除く過程から生むモデルを表す用語
Pro
4
新しい画像を作ることを表す用語
Pro
5
DCGANの意味
Pro
6
Pix2Pixの意味
Pro
7
NeRFの意味
Pro
8
音声生成の意味
Pro
9
生成と識別を競わせて本物らしく作る生成モデルを表す用語
Pro
10
文章を作り出すことを表す用語
Pro
11
敵対的生成ネットワークの意味
Pro
12
画像生成を安定させたGANを表す用語
Pro
13
CycleGANの意味
Pro
14
対になる画像から変換を学ぶGANを表す用語
Pro
15
Diffusion Modelの意味
Pro
16
複数の写真から立体の見え方を学ぶ手法を表す用語
Pro
17
画像生成の意味
Pro
18
新しい音声を作り出すタスクを表す用語
Pro
19
潜在拡散モデルの工夫を選ぶ
Pro
20
拡散トランスフォーマ（DiT）を選ぶ
Pro
21
2つの網を競わせる生成モデル
Pro
22
ノイズを取り除きながら生成するモデル
Pro
23
生成モデルとは何かを選ぶ
Pro
24
画像生成の説明として不適切なものを選ぶ
Pro
25
音声生成の説明として不適切なものを選ぶ
Pro
26
文章生成の説明として不適切なものを選ぶ
Pro
27
敵対的生成ネットワークのしくみを選ぶ
Pro
28
拡散モデルのしくみを選ぶ
Pro
29
DCGANの説明として不適切なものを選ぶ
Pro
30
Pix2Pixの説明として不適切なものを選ぶ
Pro
31
CycleGANの説明として不適切なものを選ぶ
Pro
32
Diffusion Model（拡散モデル）の説明として不適切なものを選ぶ
Pro
33
NeRFの説明として不適切なものを選ぶ
Pro
転移学習・ファインチューニング
24
問
1
半教師あり学習の意味
Pro
2
ごく少数の例から課題をこなすことを表す用語
Pro
3
One-shotの意味
Pro
4
正解ラベルなしでデータ自身から学ぶことを表す用語
Pro
5
応用に使える状態にしてあるモデルを表す用語
Pro
6
破滅的忘却の意味
Pro
7
事前学習の意味
Pro
8
少量のラベル付きと大量のラベルなしで学ぶ方法を表す用語
Pro
9
Few-shotの意味
Pro
10
1つの例から課題をこなすことを表す用語
Pro
11
自己教師あり学習の意味
Pro
12
先に土台を学ばせる学習を表す用語
Pro
13
事前学習済みモデルの意味
Pro
14
前に学んだことを失う現象を表す用語
Pro
15
低ランク適応（LoRA）を選ぶ
Pro
16
QLoRA の工夫を選ぶ
Pro
17
前のタスクの力が落ちる現象
Pro
18
データ自身から正解を作る学び方
Pro
19
転移学習とは何かを選ぶ
Pro
20
自己教師あり学習を選ぶ
Pro
21
破滅的忘却を選ぶ
Pro
22
Few-shotの説明として不適切なものを選ぶ
Pro
23
One-shotの説明として不適切なものを選ぶ
Pro
24
半教師あり学習の説明として不適切なものを選ぶ
Pro
データの収集・加工・分析・学習
13
問
1
アノテーションの意味
Pro
2
言葉を集めた文章のまとまりを表す用語
Pro
3
オープンデータセットの意味
Pro
4
データに正解の目印をつける作業を表す用語
Pro
5
コーパスの意味
Pro
6
誰でも使えるように公開されたデータを表す用語
Pro
7
学習データに正解を付ける作業
Pro
8
評価だけ良くなる落とし穴
Pro
9
アノテーションとは何かを選ぶ
Pro
10
コーパスとは何かを選ぶ
Pro
11
データリーケージを選ぶ
Pro
12
アノテーションの説明として不適切なものを選ぶ
Pro
13
オープンデータセットの説明として不適切なものを選ぶ
Pro
AIに必要な数理・統計知識
78
問
1
確率変数の意味
Pro
2
値の出やすさの全体を表す用語
Pro
3
確率密度の意味
Pro
4
見込みの平均を表す用語
Pro
5
条件付き確率の意味
Pro
6
つりがね型に広がる分布を表す用語
Pro
7
二項分布の意味
Pro
8
1回きりの試行の分布を表す用語
Pro
9
平均の意味
Pro
10
並べ替えた真ん中の値を表す用語
Pro
11
最頻値の意味
Pro
12
散らばりの大きさを表す用語
Pro
13
標準偏差の意味
Pro
14
区間ごとの個数をまとめた表を表す用語
Pro
15
外れ値の意味
Pro
16
2つの量が一緒に動く度合いを表す用語
Pro
17
相関係数の意味
Pro
18
他の影響を除いた相関を表す用語
Pro
19
疑似相関の意味
Pro
20
ベクトルの向きの近さを表す用語
Pro
21
ユークリッド距離の意味
Pro
22
散らばり方を踏まえた距離を表す用語
Pro
23
最尤法の意味
Pro
24
差の2乗を最小にする方法を表す用語
Pro
25
帰無仮説の意味
Pro
26
結果を数で表したものを表す用語
Pro
27
確率分布の意味
Pro
28
連続値の確からしさの詰まり具合を表す用語
Pro
29
期待値の意味
Pro
30
前提のもとで別の事柄が起きる確率を表す用語
Pro
31
正規分布の意味
Pro
32
成功回数の分布を表す用語
Pro
33
ベルヌーイ分布の意味
Pro
34
すべて足して個数で割った代表値を表す用語
Pro
35
中央値の意味
Pro
36
最も多く現れる値を表す用語
Pro
37
分散の意味
Pro
38
分散を元の単位に戻した散らばりを表す用語
Pro
39
度数分布の意味
Pro
40
他の値から大きく離れた極端な値を表す用語
Pro
41
共分散の意味
Pro
42
直線的な関係の強さをマイナス1から1で表す指標を表す用語
Pro
43
偏相関係数の意味
Pro
44
別の要因で相関があるように見えることを表す用語
Pro
45
コサイン類似度の意味
Pro
46
2点間のまっすぐな隔たりを表す用語
Pro
47
マハラノビス距離の意味
Pro
48
データが最も起こりやすくなるようモデルを定める方法を表す用語
Pro
49
最小二乗法の意味
Pro
50
差や効果がないと仮に置く主張を表す用語
Pro
51
疑似相関とは何かを選ぶ
Pro
52
相関係数とは何かを選ぶ
Pro
53
データどうしの近さのはかり方を選ぶ
Pro
54
相互情報量とは何かを選ぶ
Pro
55
偏相関係数の説明として不適切なものを選ぶ
Pro
56
疑似相関の説明として不適切なものを選ぶ
Pro
57
相互情報量の説明として不適切なものを選ぶ
Pro
58
中央値とは何かを選ぶ
Pro
59
標準偏差とは何かを選ぶ
Pro
60
外れ値と中心の指標を選ぶ
Pro
61
移動平均とは何かを選ぶ
Pro
62
最頻値の説明として不適切なものを選ぶ
Pro
63
度数分布の説明として不適切なものを選ぶ
Pro
64
移動平均の説明として不適切なものを選ぶ
Pro
65
検定とは何かを選ぶ
Pro
66
最尤法とは何かを選ぶ
Pro
67
帰無仮説と対立仮説を選ぶ
Pro
68
最小二乗法の説明として不適切なものを選ぶ
Pro
69
外れ値に強い代表値
Pro
70
見かけだけの相関の呼び名
Pro
71
釣り鐘型の確率分布
Pro
72
関係の強さを表す統計の指標
Pro
73
確率分布とは何かを選ぶ
Pro
74
期待値とは何かを選ぶ
Pro
75
代表的な確率分布を選ぶ
Pro
76
確率密度の説明として不適切なものを選ぶ
Pro
77
条件付き確率の説明として不適切なものを選ぶ
Pro
78
正規分布の説明として不適切なものを選ぶ
Pro
著作権法
13
問
1
AI生成物と著作権の基本
Pro
2
情報解析のための利用を認める規定
Pro
3
著作物とは何かを選ぶ
Pro
4
著作権の発生と保護対象を選ぶ
Pro
5
AI生成物と著作権を選ぶ
Pro
6
創作性とは何かを選ぶ
Pro
7
著作権侵害とは何かを選ぶ
Pro
8
利用規約とは何かを選ぶ
Pro
9
創作性の説明として不適切なものを選ぶ
Pro
10
著作権侵害の説明として不適切なものを選ぶ
Pro
11
利用規約の説明として不適切なものを選ぶ
Pro
12
生成AIと著作権の基本の見方を選ぶ
Pro
13
第30条の4と生成物の類似を選ぶ
Pro
民主主義
2
問
1
似た意見の中で考えが強まる現象
Pro
2
フィルターバブルとエコーチェンバーを選ぶ
Pro
環境保護
3
問
1
AIと環境保護の論点
Pro
2
モデル学習の電力消費と気候変動を選ぶ
Pro
3
モデル学習の電力消費の説明として不適切なものを選ぶ
Pro
労働政策
4
問
1
AIとの協働とスキルの喪失を選ぶ
Pro
2
労働力不足とは何かを選ぶ
Pro
3
労働力不足の説明として不適切なものを選ぶ
Pro
4
任せきることで技能が衰える懸念
Pro
その他の重要な価値
5
問
1
人間の自律性を選ぶ
Pro
2
インクルージョンの説明として不適切なものを選ぶ
Pro
3
軍事利用の説明として不適切なものを選ぶ
Pro
4
死者への敬意の説明として不適切なものを選ぶ
Pro
5
だれも取り残さないという考え方
Pro
公平性
10
問
1
属性の代わりに差別を生む変数
Pro
2
公平さの両立できなさを選ぶ
Pro
3
公平性の定義の説明として不適切なものを選ぶ
Pro
4
サンプリングバイアスの説明として不適切なものを選ぶ
Pro
5
データの偏りの説明として不適切なものを選ぶ
Pro
6
アルゴリズムバイアスを選ぶ
Pro
7
センシティブ属性と代理変数を選ぶ
Pro
8
データの偏りとは何かを選ぶ
Pro
9
サンプリングバイアスとは何かを選ぶ
Pro
10
公平性の定義について正しい説明を選ぶ
Pro
プライバシー
6
問
1
差分プライバシーを選ぶ
Pro
2
プライバシー・バイ・デザインを選ぶ
Pro
3
カメラ画像利活用ガイドブックの説明として不適切なものを選ぶ
Pro
4
カメラ画像利活用ガイドブックとは何かを選ぶ
Pro
5
プライバシー・バイ・デザインの説明として不適切なものを選ぶ
Pro
6
設計段階から保護を組み込む考え方
Pro
全結合層
1
問
1
全結合層の重みの数の数え方
Pro
悪用
2
問
1
実在の人物の偽動画の呼び名
Pro
2
ディープフェイクとフェイクニュースを選ぶ
Pro
スキップ結合
2
問
1
事例からスキップ結合の効果を判断する
Pro
2
スキップ結合で深さの壁を越えたモデル
Pro
特許法
7
問
1
出願前に知られていないという要件
Pro
2
特許権とは何かを選ぶ
Pro
3
新規性と進歩性を選ぶ
Pro
4
発明者と職務発明を選ぶ
Pro
5
知的財産権とは何かを選ぶ
Pro
6
特許権の説明として不適切なものを選ぶ
Pro
7
知的財産権の説明として不適切なものを選ぶ
Pro
個人情報保護法
18
問
1
個人情報とは何かを選ぶ
Pro
2
個人データとは何かを選ぶ
Pro
3
保有個人データとは何かを選ぶ
Pro
4
個人識別符号とは何かを選ぶ
Pro
5
個人データの説明として不適切なものを選ぶ
Pro
6
保有個人データの説明として不適切なものを選ぶ
Pro
7
個人識別符号の説明として不適切なものを選ぶ
Pro
8
匿名加工情報の説明として不適切なものを選ぶ
Pro
9
仮名加工情報の説明として不適切なものを選ぶ
Pro
10
利用目的の説明として不適切なものを選ぶ
Pro
11
GDPRの説明として不適切なものを選ぶ
Pro
12
要配慮個人情報を選ぶ
Pro
13
第三者提供と委託の違いを選ぶ
Pro
14
匿名加工情報とは何かを選ぶ
Pro
15
利用目的とは何かを選ぶ
Pro
16
GDPRとは何かを選ぶ
Pro
17
社内分析を想定した加工情報の呼び名
Pro
18
取得に本人の同意が要る個人情報
Pro
透明性
5
問
1
判断の過程が見えない状態の呼び名
Pro
2
ブラックボックスと説明可能性を選ぶ
Pro
3
データの来歴を選ぶ
Pro
4
ブラックボックスの説明として不適切なものを選ぶ
Pro
5
説明可能性の説明として不適切なものを選ぶ
Pro
不正競争防止法
3
問
1
営業秘密の三要件
Pro
2
営業秘密の三要件を選ぶ
Pro
3
限定提供データを選ぶ
Pro