userid stringclasses 377
values | course_number int64 1 15 | question_number int64 1 5 | question_content stringclasses 5
values | answer_content stringlengths 1 4.12k ⌀ | grade stringclasses 5
values |
|---|---|---|---|---|---|
C-2022-1_U38 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 非構造データにはさまざまな種類がある。文字列、画像、音声などである。これらの処理は今現在、コンピュータを使う上で欠かせないものになっている。コンピュータがさまざまなデータを用いて何か特定のものを当てることをパターン認識という。コンピュータのパターン認識はまだ発展途中であり、似ているデータから推測することしかできない。たくさんのデータを機械学習によって覚えさせて、うまく境界線を引けるようにすることが重要である。 | B |
C-2022-1_U38 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 非構造データ
パターン認識
パターン認識のながれ | B |
C-2022-1_U38 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | なし | B |
C-2022-1_U38 | 10 | 4 | 質問があれば書いてください | なし | B |
C-2022-1_U38 | 10 | 5 | 今日の授業の感想や反省を書いてください | コンピュータの検索の仕組みが分かってよかった。 | B |
C-2022-1_U37 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 文章、画像、音などは非構造化データと言い、スマートフォンやパソコンで日々読んだり見たり聞いたりしているのもデータである。 | B |
C-2022-1_U37 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | パターン認識を正確に行うためには、大量のデータを必要とする。 | B |
C-2022-1_U37 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | ベクトルについての話がよく分からなかった。 | B |
C-2022-1_U37 | 10 | 4 | 質問があれば書いてください | null | B |
C-2022-1_U37 | 10 | 5 | 今日の授業の感想や反省を書いてください | 授業にしっかりとついていけるように、今までの内容を総復習していこうと思った。 | B |
C-2022-1_U57 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | パターン認識は、大量のデータと機械学習が必要で、境界線ができれば認識が可能になる。コンピュータには難しいが人間には簡単なのがパターン認識。 | A |
C-2022-1_U57 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | コンピュータが得意とする分野、不得意とする分野があり、人間よりもコンピュータが長けているデータ処理などは任せればいいけど、パターン認識などの人間の方が長けている分野は、これから先膨大なデータを機械学習させることで成長させないといけないんだなということがわかった。 | A |
C-2022-1_U57 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | 特にないです。 | A |
C-2022-1_U57 | 10 | 4 | 質問があれば書いてください | null | A |
C-2022-1_U57 | 10 | 5 | 今日の授業の感想や反省を書いてください | 「似ている」の基準を考えるところが1番面白かった。基準の設定って難しいなと感じた。 | A |
C-2022-1_U30 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 非構造化データとは文章や画像など表形式にならないデータのことである。非構造データは言語処理、画像処理、音声/音楽処理の３つの処理がある。言語処理について、言語データとは文字列で表されるデータでネット上に大量に生まれている。それらを翻訳したり検索、文章作成などを行う。画像右処理について、画像データとはカメラ画像、MRI、文字などであり、画像をベクトルと見て処理や認識を行う。音声処理について、コンピュータにとって音もデータであり、音声認識や楽曲分析を行う。 | B |
C-2022-1_U30 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 非構造データの処理方法について理解することができた。人間とコンピュータの認識方法の特徴について理解できた。コンピュータと人間のそれぞれについて、どのような認識方法が得意で苦手何かや、どういうふうにして認識をおこなっているのかがわかった。機械学習を行うことによって、コンピュータがより高度な認識を臨機応変にできるようになってきている。 | B |
C-2022-1_U30 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | null | B |
C-2022-1_U30 | 10 | 4 | 質問があれば書いてください | null | B |
C-2022-1_U30 | 10 | 5 | 今日の授業の感想や反省を書いてください | コンピュータには表形式ではないデータも認識可能なことを知った。人間はパターン認識や様々な認識を無意識で高度に実行することができるが、コンピュータでは高度に認識させることは不可能であることがなるほどなと感じた。コンピュータはそこにあるものの関係性や雰囲気を感じ取ることはできないし、知識や勘みたいなそういうのも雰囲気で使えないからである。 | B |
C-2022-1_U28 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 非構造化データについて | C |
C-2022-1_U28 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | AIのパターン認識が成り立つためには、あらかじめクラス分けされている必要があること | C |
C-2022-1_U28 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | 特になし
| C |
C-2022-1_U28 | 10 | 4 | 質問があれば書いてください | 特になし | C |
C-2022-1_U28 | 10 | 5 | 今日の授業の感想や反省を書いてください | 小テストのための復習ができていなかったので、良い点数を取ることができなかったことが悔しかった | C |
C-2022-1_U33 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | ・構造化データと非構造化データについて
・パターン認識について | A |
C-2022-1_U33 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 今日の授業で特に印象に残った新しい知識は、パターン認識はコンピュータには難しいということです。パターン認識というのはそもそもたくさんの種類があり、その時々で認識の仕方や程度も変わるため、コンピュータにすべてのパターンを認識させるのはほぼ不可能です。そのため、パターン認識は人間の方がコンピュータよりも得意なのだとわかりました。 | A |
C-2022-1_U33 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | 特にありません | A |
C-2022-1_U33 | 10 | 4 | 質問があれば書いてください | 特にありません | A |
C-2022-1_U33 | 10 | 5 | 今日の授業の感想や反省を書いてください | 今日の授業では、構造化データと非構造化データの違いについて知ることができました。そして、非構造化データについては具体的にさまざまなものがあることもわかりました。また、パターン認識について詳しく知ることができてよかったです。 | A |
C-2022-1_U24 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 今日は非構造データとパターン認識について説明を受けた。非構造データとは何かについての内容を少し復習したのちに、非構造データ処理の種類とその内容について、そして次にパターン認識とは何か、その内容と応用した実例等についての説明を受けた。 | C |
C-2022-1_U24 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 非構造データ処理には言語処理、画像処理、音声/音楽処理と言うものがあり、日常生活のさまざまな部分(SNS関連が多く感じた)に用いられていることがわかった。また、パターン認識とは画像や音声、テキストなど、さまざまなデータを対象として、それが「何」であるかを当てる方法であり、身近なさまざまな物に使われていることもわかった。 | C |
C-2022-1_U24 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | 特にはない。今回は予習時間が少し少なく感じられるほどではあったが、比較的理解しやすい物であったように思えた。 | C |
C-2022-1_U24 | 10 | 4 | 質問があれば書いてください | 特になし。 | C |
C-2022-1_U24 | 10 | 5 | 今日の授業の感想や反省を書いてください | 今回は予習時間が少なめではあったものの、わかりやすい内容に感じられたので前回までよりは理解できたと思う。しかしながら、次回以降は難しくなる可能性が高いので、予習時間をもう少し増やして講義に臨みたいと思う。 | C |
C-2022-1_U47 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | データ収集の方法には様々なものがあり、それぞれ特徴があるので、使い分ける必要がある。 | C |
C-2022-1_U47 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 個人情報について理解できた | C |
C-2022-1_U47 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | ないです。 | C |
C-2022-1_U47 | 10 | 4 | 質問があれば書いてください | ないです。 | C |
C-2022-1_U47 | 10 | 5 | 今日の授業の感想や反省を書いてください | 難しい内容もあったので、しっかり復習してテストにつなげていきたいです。 | C |
C-2022-1_U14 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 非構造化データとは表形式にならない文章や画像、音などのデータであり、わたしたちの身近にたくさんあるデータである。ベクトルは数字の組みのことである。３次元までは高校の時のように矢印で表せるが四次元以降は表せない。画像はベクトル（数字の組み）である。深層ニューラルネットワークは何次元ものデータを折り曲げていって、スパッと切って分類するイメージ。どのように折っていくかはコンピュータが学んでいく。 | B |
C-2022-1_U14 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 表形式にならない写真や音楽のような非構造化データの処理について色々な例を見ながら学んだ。頻出言語や翻訳、検索、楽曲推薦など身近なところで使われていることがわかった。人間では小さな子供でも比較的簡単にしているような画像を認識したり、音声を認識したりすることがコンピュータには難しい事なんだとわかった。 | B |
C-2022-1_U14 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | null | B |
C-2022-1_U14 | 10 | 4 | 質問があれば書いてください | null | B |
C-2022-1_U14 | 10 | 5 | 今日の授業の感想や反省を書いてください | パラフレーズ解析やセンチメント解析はどんなところで使われているのかなと思いました。コンピュータには教え込まないとできないような事（音や画像、雰囲気などの認識）を人間は知らないうちにできるようになっているから人間ってすごいなと改めて思いました。 | B |
C-2022-1_U71 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 構造化データと非構造化データの概要 | B |
C-2022-1_U71 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 非構造化データの種類、深層ニューラルネットワークの大まかな仕組みの理解 | B |
C-2022-1_U71 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | 一番最後の折り曲げの説明がもうちょっと詳しく欲しいです | B |
C-2022-1_U71 | 10 | 4 | 質問があれば書いてください | なぜ人間はコンピュータと違ってこれほどに簡単にものを認識できるのか | B |
C-2022-1_U71 | 10 | 5 | 今日の授業の感想や反省を書いてください | スライドが、例が多くて内容を掴みやすかった | B |
C-2022-1_U40 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 非構造データには言語、画像、音があり、それぞれに自然言語処理、画像認識、音声認識といったデータ分析がある。パターン認識はデータを特定する方法であり、最近のトレンドは深層ニュートラルネットワークによるものである。 | A |
C-2022-1_U40 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 画像がベクトルである」、という話を聞いて画像データが身近に感じられた。またパターン認識の話もグルーピングの内容と結びつけることができ理解を深めることができた。 | A |
C-2022-1_U40 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | パターン認識の際の「似てる」といえる境界について
| A |
C-2022-1_U40 | 10 | 4 | 質問があれば書いてください | null | A |
C-2022-1_U40 | 10 | 5 | 今日の授業の感想や反省を書いてください | スマホなどで普段利用するデータの構造を学ぶことができ興味深かった。 | A |
C-2022-1_U63 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 非構造データには、文字列、画像、音声などがある。パターン認識とは、そのデータが何であるかを認識するものであるが、コンピュータにはまだ難しい部分も多い。 | C |
C-2022-1_U63 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | パターン認識では、何を持って似ているとみなすかによって、答えが変わってくる。あとは、大量のデータをコンピュータに分類させておいて、それをもとに認識するという方法もある。 | C |
C-2022-1_U63 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | null | C |
C-2022-1_U63 | 10 | 4 | 質問があれば書いてください | null | C |
C-2022-1_U63 | 10 | 5 | 今日の授業の感想や反省を書いてください | 人間同士でも似てる、似てないの感覚は人によって異なるので、コンピュータのパターン認識と似ていると感じた。コンピュータに人間と同じことをさせようとしている部分もあるのが大きい気もするが、やはり人間とコンピュータには似ている部分がある気がする。 | C |
C-2022-1_U64 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | コンピューターがどうやってパターン認識を行っているのか | C |
C-2022-1_U64 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | パターン認識は人間のほうが高性能でパソコンだと意外と難しい。 | C |
C-2022-1_U64 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | 深層ニュートラルネットワークにおける空間をねじ曲げるところ | C |
C-2022-1_U64 | 10 | 4 | 質問があれば書いてください | null | C |
C-2022-1_U64 | 10 | 5 | 今日の授業の感想や反省を書いてください | 付録が少し複雑だったけど、面白かったです | C |
C-2022-1_U4 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 非構造化データである言語は自然言語処理、画像はベクトルでの処理、音は音声認識や話者認識などの分析がされる。また、それが何であるかを当てるパターン認識は人間にとっては簡単なことであるが、コンピュータにとっては難しい。 | B |
C-2022-1_U4 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 非構造化データの処理のされ方が分かった。 | B |
C-2022-1_U4 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | 深層ニューラルネットワークによるパターン認識化のイメージは分かったが、実際には「空間を曲げる」がどういうことを意味するのかが気になった。 | B |
C-2022-1_U4 | 10 | 4 | 質問があれば書いてください | 上記と同じ。 | B |
C-2022-1_U4 | 10 | 5 | 今日の授業の感想や反省を書いてください | 普段当たり前に行っている認識がをコンピュータにさせることは決して簡単ではないことが分かり、人間の処理能力は不思議だと感じた。 | B |
C-2022-1_U48 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 非構造化データには文字列で表される言語データやベクトルである画像データ、音などがある。パターン認識とは様々なデータが何であるか当てる方法
| B |
C-2022-1_U48 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 非構造化データの種類や具体例について詳しく知ることができた。 | B |
C-2022-1_U48 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | 深層ニュートラルネットワークの例があまりピントこなかった。 | B |
C-2022-1_U48 | 10 | 4 | 質問があれば書いてください | null | B |
C-2022-1_U48 | 10 | 5 | 今日の授業の感想や反省を書いてください | 普段何気なく使っている画像検索などはパターン認識であるなど生活で使うものと学習内容が結びついて理解しやすかった。 | B |
C-2022-1_U77 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 表形式で表されない言語データや画像データ、音データなどを非構造化データという。言語データとは文字列で表されるデータのことを指す。言語データの分析には、翻訳や頻出語検索などの自然言語処理や要約などがある。また、自然言語処理を応用することで文章から感情を推測することや文章の生成が可能となる。次に、画像データを行と列で分割してできた格子を画素とするとどの画素が何色かというのを数値で表すことでベクトルとして捉えることができる。画像データの分析には、何が写っているかを調べる特徴抽出や写っているものを認識する画像認識などがある。音は時間とその時点での音の高さを数値で与えることでデータとなる。音は人間の声、音楽、環境音の三種類に分類される。
コ... | A |
C-2022-1_U77 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | パータン認識の方法はクラスタリングする上で必要な特徴がn個あるとすれば、n次元空間に大量のデータを配置し、クラスごとの領域を求める。それによって、対象のデータがどの領域に置かれるかで判別しているということ。 | A |
C-2022-1_U77 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | パターン認識に必要な特徴はどのようにして決めるのか。 | A |
C-2022-1_U77 | 10 | 4 | 質問があれば書いてください | パータン認識で必要となる特徴はコンピュータが勝手に決めるものなのですか。 | A |
C-2022-1_U77 | 10 | 5 | 今日の授業の感想や反省を書いてください | 自動運転やSiriが当たり前になっているけれど、そもそもそれらがどのような原理で動いているか知らなかったので面白いと感じた。最近は予習をした上で授業を受けるということができていなかったので、これからはきちんと予習をするようにする。 | A |
C-2022-1_U59 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | （復習）構造化データ→表形式化されるデータ 非構造データ→音や文字、画像など表形式化されないもの
自然言語処理の例→頻出言語（言語データの中で最も多く出てきた語を見つける処理） 翻訳 検索（ある文に似た意味の文をネットから探す） 要約（長い文章を内容を損なわない程度に簡略化） 対話（チャットボットのように質問に回答する） 校正（より良い文章になるよう修正を提案） トピック分析（その情報が何関連なのか分析する）
意味解析（各単語や文章を意味に合わせて数値化、言葉の計算が可能に） パラフレーズ分析（言葉として異なるが同じ意味を持つものの分析 ） センチメント分析（文章に潜む感情を分析）
画像処理の例→画像は「ベク... | B |
C-2022-1_U59 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | さまざまな情報の、データとしての表され方がわかった。身の回りの活用法が再発見できた。 | B |
C-2022-1_U59 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | ー | B |
C-2022-1_U59 | 10 | 4 | 質問があれば書いてください | 授業での連絡をよく確認しておらず、今までの講義で、日誌の「自分なりの言葉で説明する」という部分を十分に記入していませんでした。 そのため、第1回から第9回までの日誌の「自分なりの言葉で説明する」部分を再度全て書き直し、再投稿させていただきました。これからはこのような事態が起きぬよう肝に銘じます。申し訳ありませんでした。 | B |
C-2022-1_U59 | 10 | 5 | 今日の授業の感想や反省を書いてください | たくさんのことを新しく学んだので忘れないようにしたい | B |
C-2022-1_U31 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 非構造データ処理の言語処理、画像処理、音声/音楽処理について習った。自然言語処理というのは言語データをコンピュータによって分析する技術であり、その例として頻出言語や翻訳などがある。またそれが発達すると解析や文章生成などが可能となる。次に画像についてである画像＝ベクトルであり画像について何かしたい場合は線形代数を学ぶ必要がある。画像データの分析によって画像認識や画像処理、画像生成などが可能となる。最後に音声についてである。音声データの分析によって、音声認識や音声合成などができる。またパターン認識についても習った。コンピューターによって境界線を引いてもらい、そのどちらにあるかで認識が可能である。その応用によって自動運転や自動診断、異常検... | C |
C-2022-1_U31 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 自然言語処理
・頻出言語・・・言語データの中で最も多く出てきた単語を見つける処理
・翻訳・検索・要約・対話・校正（文章の書き換え提案）・トピック分析
画像処理
画像＝ベクトル
画像データに関する分析課題
・画像認識・コンピュータビジョン（3D立体視、追跡機能）・画像処理（色や明るさの補正）・画像生成・特徴抽出（個数のカウント、面積を測るなど）
音声/音楽処理
音声データの分析
・音声認識・話者認識・感情認識・音声合成
音楽データの分析
・楽曲分析・自動作曲および作曲支援・音響分析・音楽認識・楽曲推薦・音楽データ圧縮
環境音データの分析
・環境音認識・音源分離・音源同定（どこから鳴っているかを推定）・異常音検... | C |
C-2022-1_U31 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | 画像のベクトルの部分の理解が難しかった。
| C |
C-2022-1_U31 | 10 | 4 | 質問があれば書いてください | null | C |
C-2022-1_U31 | 10 | 5 | 今日の授業の感想や反省を書いてください | 画像がベクトルであるということは初耳だった。データ処理や分析能力が上がることでさまざまなことが可能になるのはとても興味深いことだと思った。個人的に無人化は実現すると面白いと思う。 | C |
C-2022-1_U55 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | null | F |
C-2022-1_U55 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | null | F |
C-2022-1_U55 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | null | F |
C-2022-1_U55 | 10 | 4 | 質問があれば書いてください | null | F |
C-2022-1_U55 | 10 | 5 | 今日の授業の感想や反省を書いてください | null | F |
C-2022-1_U5 | 10 | 1 | 今日の内容を自分なりの言葉で説明してみてください | null | C |
C-2022-1_U5 | 10 | 2 | 今日の内容で、分かったこと・できたことを書いてください | null | C |
C-2022-1_U5 | 10 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | null | C |
C-2022-1_U5 | 10 | 4 | 質問があれば書いてください | null | C |
C-2022-1_U5 | 10 | 5 | 今日の授業の感想や反省を書いてください | null | C |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.