基本情報技術者試験「ディープラーニング」の問題
ニューラルネットワークを多層化した機械学習の手法であるディープラーニング(深層学習)に関する記述として、最も適切なものはどれか。
アif-then形式の規則を人手で記述し推論するエキスパートシステムである
イデータを類似度でグループ分けするクラスタリングである
ウ表計算上で集計関数を組み合わせる統計処理である
エ隠れ層を深く積み、人手によらず重要な特徴を自ら見いだして学ぶ
正解
エ．隠れ層を深く積み、人手によらず重要な特徴を自ら見いだして学ぶ
ディープラーニングは入力層と出力層の間の中間層(隠れ層)を多層に重ねたニューラルネットワークで、特徴量を人手で設計せず自動抽出して学習する。設問の説明に一致するため正しい。
?選択肢ごとの解説
ア ×if-then規則を人手で記述するのはエキスパートシステム(ルールベース)であり、多層ネットワークによる学習ではない。
イ ×類似度でグループ分けするのはクラスタリングであり、特徴を自動抽出する多層ネットワークの説明ではない。
ウ ×集計関数による統計処理は表計算上の分析であり、ニューラルネットワークを多層化した学習手法ではない。
エ ○ディープラーニングは入力層と出力層の間の中間層(隠れ層)を多層に重ねたニューラルネットワークで、特徴量を人手で設計せず自動抽出して学習する。設問の説明に一致するため正しい。
✎くわしく
ニューラルネットワークは脳の神経細胞を模した入力層・中間層・出力層から成る。ディープラーニングは中間層を深く重ねることで、従来は人手で行っていた特徴量設計を自動化した点が革新である。画像認識や自然言語処理で高い性能を発揮する。
✓本番での押さえどころ
試験のコツ
『多層ニューラルネット+特徴を自動抽出=ディープラーニング』と押さえる。人手で規則を書くのは旧来のAI。
覚え方
ディープ=深い=中間層を何層も深く積む、と層の深さで覚える。
よくある誤り
ルールベース(人手で規則記述)とディープラーニング(データから自動学習)を混同しやすい。特徴量の自動抽出が鍵。
技術要素の他の問題
ビッグデータの特性を表す3Vのうち、データが生成・流入する速さに着目した要素はどれか。小売店の大量の購買履歴を分析し『商品Aを買う客は商品Bも一緒に買う傾向が強い』といった併買の規則性を見つけ出す手法はどれか。あらかじめ正解ラベルを与えず、データ間の類似度に基づいて自動的にいくつかの群に分ける機械学習の手法はどれか。エージェントが環境の中で行動し、その結果として得られる報酬を最大化するように試行錯誤を通じて方策を学習する手法はどれか。機械学習モデルが訓練データには非常によく適合する一方、未知の新しいデータに対しては精度が低くなる現象を何というか。大量のテキストを学習し、入力された文章に続く自然な文を確率的に予測して新しい文章を生成する技術を最もよく表すものはどれか。
この問題を、AIの8-ways解説つきで。
無料ではじめる →基本情報技術者試験の演習を、一問ごとに「なぜ」まで。まずは無料で。
ukamiru 過去問 · 基本情報技術者試験 · fe-a3-0308