HOME
ディープラーニングE資格エンジニア

「ディープラーニングE資格エンジニア」の記事一覧

SENet (Squeeze-and-Excitation Networks) の主な目的はどれか。

チャンネルごとの重要度（アテンション）を学習し、特徴マップを再構成する。

2026年4月3日

学習率のウォームアップ（Warmup）を行う目的はどれか。

最初は極小の学習率から始め、初期の急激な変化を避けて学習を安定させる。

2026年4月3日

Diffusion Model（拡散モデル）において、データにノイズを徐々に加えていく過程を何と呼ぶか。

元の画像にガウスノイズを段階的に付加して完全なノイズにする工程。

2026年4月3日

勾配降下法における「サドルポイント（鞍点）」の説明として正しいものはどれか。

高次元空間では極小値よりもサドルポイントに捕まる確率が高い。

2026年4月3日

線形回帰において、L1正則化とL2正則化の両方を組み合わせた手法を何と呼ぶか。

両方のペナルティを統合し、それぞれの利点（スパース性と安定性）を活かす。

2026年4月3日

最尤推定において、平均μ、分散σ^2の正規分布から得られたn個のデータに対する母分散の最尤推定値はどうなるか。

分散の最尤推定値は不偏分散(n-1で割る)ではなく、nで割ったものになる。

2026年4月3日

GPTシリーズのようなデコーダのみのモデルにおいて、未来の単語を見ないようにする手法はどれか。

未来のトークンに対するアテンションスコアを-∞にして隠蔽（マスキング）する。

2026年4月3日

行列 A が正則であれば、その行列式 det(A) と逆行列の行列式 det(A^-1) の積はどうなるか。

det(AA^-1) = det(I) = 1 より、互いの行列式は逆数の関係にある。

2026年4月3日

Layer NormalizationがBatch Normalizationと異なる最大の点は何か。

同一サンプルの各隠れ層ユニット間で正規化するため、RNNや小バッチに強い。

2026年4月3日

データの偏りを補正するために、少ない方のクラスのデータを複製して増やす手法はどれか。

マイナリティクラスを増幅させてクラスバランスを整える。

2026年4月3日