| 383 |
膨大なテキストデータから汎用的な言語モデルを事前学習する際、教師データを作るコストを抑えつつ、モデルに言語の構造を理解させるために「マスク言語モデル」という手法がとられる。この手法の目的として最も適切なものはどれか。
|
解説
|
| 384 |
VAE（変分オートエンコーダ）が、通常のオートエンコーダと大きく異なる点は、潜在空間に確率分布（平均と分散）を導入する点である。この工夫によって可能になったこととして最も適切なものはどれか。
|
解説
|
| 386 |
ニューラルネットワークに対し、人間には元の画像と全く区別がつかないわずかなノイズ（摂動）を加えるだけで、誤ったクラスに高精度で分類させることが可能になる現象がある。この現象に関連する記述として最も適切なものはどれか。
|
解説
|
| 388 |
ニューラルネットワークの学習において、Adamが広く採用されている主な理由として不適切な記述はどれか。
|
解説
|
| 390 |
大規模なデータセットで事前学習されたモデルを、特定のデータセットに対して少量のデータで再度学習を行う手法について。この学習において、学習の過程で「層の重みを更新する範囲」を調整する理由として適切なものはどれか。
|
解説
|
| 391 |
機械学習モデルの評価において、データセットを分割して学習と検証を繰り返す「k分割交差検証」を行う最大の目的として、最も適切なものはどれか。
|
解説
|
| 393 |
Transformerにおける「マルチヘッドアテンション」の利点として、最も適切なものはどれか。
|
解説
|
| 394 |
BERT（Bidirectional Encoder Representations from Transformers）が従来の言語モデルと大きく異なる点として、「双方向」という性質がある。これが文章理解において有利に働く理由として適切なものはどれか。
|
解説
|
| 395 |
複数のモデルを組み合わせるアンサンブル学習において、「バギング（Bagging）」が過学習を抑制する仕組みとして正しいものはどれか。
|
解説
|
| 396 |
最適化手法の一つであるMomentum SGDにおいて、過去の勾配の蓄積を利用する目的として正しいものはどれか。
|
解説
|
| 397 |
画像内の「どのピクセルが何であるか」を識別するセマンティックセグメンテーションにおいて、U-Netなどの構造が用いられる理由として最も適切なものはどれか。
|
解説
|
| 399 |
L1正則化（Lasso回帰）が、L2正則化（Ridge回帰）と比べて特徴選択に適していると言われる理由として適切なものはどれか。
|
解説
|
| 400 |
ニューラルネットワークにおいて、Sigmoid関数が近年の中間層であまり使われず、ReLUが主流となった技術的な背景として最も適切なものはどれか。
|
解説
|
| 401 |
転移学習において、「モデルの再利用」がなぜ学習効率を大幅に向上させるのか、その理由として適切なものはどれか。
|
解説
|
| 402 |
GPTのような自己回帰（Autoregressive）モデルにおいて、推論時の仕組みとして適切なものはどれか。
|
解説
|
| 405 |
GAN（敵対的生成ネットワーク）において、生成器（Generator）と識別器（Discriminator）が対立して学習する過程を何と呼ぶか。
|
解説
|
| 406 |
機械学習において、モデルに与える入力データから本質的な情報を抽出する「特徴量エンジニアリング」が重要な理由として、最も適切なものはどれか。
|
解説
|
| 407 |
ニューラルネットワークの損失関数において、局所解よりも頻繁に発生し学習を妨げる要因とされる「サドルポイント（鞍点）」の特徴として、適切なものはどれか。
|
解説
|
| 410 |
ある犯罪検知モデルにおいて、検知漏れ（偽陰性）を極限まで減らしたい場合、評価指標として重視すべきなのはどれか。
|
解説
|
| 411 |
ドロップアウトが「共適応（Co-adaptation）」を抑制する仕組みとして、適切なものはどれか。
|
解説
|
| 412 |
拡散モデル（Diffusion Model）が従来のGANと比べて画像生成において優れていると言われる背景として、適切なものはどれか。
|
解説
|
| 414 |
主成分分析（PCA）において、寄与率が小さい主成分を捨てることの利点として、適切なものはどれか。
|
解説
|
| 415 |
バッチ正規化（Batch Normalization）が「学習率」を高く設定することを可能にする物理的な理由として、適切なものはどれか。
|
解説
|
| 416 |
Transformerのアテンション機構において、Query, Key, Valueの3つを用いる理由として、最も適切なものはどれか。
|
解説
|
| 418 |
ブースティング（Boosting）の最大の特徴として、適切なものはどれか。
|
解説
|
| 419 |
Leaky ReLUが通常のReLUより優れているとされる点として、適切なものはどれか。
|
解説
|
| 420 |
オートエンコーダが「次元圧縮」に用いられる際、その潜在空間（ボトルネック層）を小さくすることの目的として適切なものはどれか。
|
解説
|
| 421 |
ディープラーニングの学習時において、過学習を抑制するための手法として、層内のニューロンを確率的に無効化して学習させる手法はどれか。
|
解説
|
| 422 |
ミニバッチごとに中間層の出力を正規化し、学習の安定化と高速化を図る手法はどれか。
|
解説
|
| 423 |
ディープラーニングにおいて、勾配消失問題を軽減するために隠れ層で主に使用される活性化関数はどれか。
|
解説
|