HOME
JDLA E資格 (エンジニア)

「JDLA E資格 (エンジニア)」の記事一覧

最適化手法「SGD with Momentum」におけるモーメンタム項の役割はどれか。

物理的な慣性のように、過去の移動方向を維持する項を加えることで、ジグザグした動きを抑えて収束を早め…

2026年3月13日

ニューラルネットワークの学習において「プラトー（Plateau）」とはどのような状態か。

鞍点や局所解付近、あるいは勾配が小さい平坦な領域に入り込み、学習が進まなくなっている停滞期のこと。

2026年3月13日

活性化関数「Swish」の特徴はどれか。

Googleによって探索された関数で、非単調かつ滑らかな形状をしており、特に深いネットワークでReLUを超え…

2026年3月13日

サポートベクターマシン（SVM）で非線形分離を行うために用いられるテクニックはどれか。

データを高次元特徴空間に写像することで、元の空間では線形分離できないデータを線形分離可能にする手法。

2026年3月13日

時系列データ解析において、自己相関（Autocorrelation）を確認する目的はどれか。

自分自身の過去のデータとの相関を調べることで、周期性や過去への依存度合いを把握できる。

2026年3月13日

主成分分析（PCA）における「寄与率」の意味はどれか。

ある主成分の固有値を全固有値の和で割ったもので、その主成分が全体の情報の何割を保持しているかを示す。

2026年3月13日

アンサンブル学習の「スタッキング（Stacking）」の特徴はどれか。

1段階目のモデルたちの出力を特徴量として扱い、2段階目のモデル（メタ学習器）が最終判断を下す階層的な…

2026年3月13日

評価指標「AUC (Area Under the Curve)」が0.5となるモデルの性能はどのような状態か。

ROC曲線下の面積であるAUCが0.5というのは、識別能力がなく、コイン投げで決めるのと変わらない精度である…

2026年3月13日

ロジスティック回帰の損失関数において、正則化項が強すぎる（λが大きい）場合に起きる現象はどれか。

正則化を強くしすぎると、重みが0に近づきすぎてモデルが単純になりすぎ、データの特徴を捉えられなくなる…

2026年3月13日

k-means法における初期値依存性の問題を軽減するために改良された手法はどれか。

k-means++は、初期のクラスタ中心をランダムではなく、互いに距離が離れるように確率的に選ぶことで、収束…

2026年3月13日