Split (1)

train · 28.3k rows

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_U16	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	構造化データとは表形式のデータを構造化したデータ。言語データの例は、頻出言語、翻訳、検索、要約、対話、校正、トピック分析などがある。また、バベルの図書館とは架空の図書館で、A〜Zまでの全ての文字配列の４１０ページの本があれば、過去のどんな本も、未来の本もどこかには収納されているというものである。	C
C-2022-1_U16	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	ベクトルとは数字の組みのことで、画像とは深い関わりがある。というより画像そのものがベクトルである。それを扱う学問が線形代数であり、画像を活用したければ線形代数を学ぶのが有用である。	C
C-2022-1_U16	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_U16	10	4	質問があれば書いてください	特になし。	C
C-2022-1_U16	10	5	今日の授業の感想や反省を書いてください	線形代数を習っていて、こんな大量の数字の組みを処理して一体何がしたいんだと思っていましたが、画像は大量の数字の組みとみなすことができると知り、線形代数に少し親近感が湧きました。	C
C-2022-1_U68	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	非構造データ処理には言語処理、画像処理、音声/音楽処理の三つがある。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のことである。パターン認識は自動化技術、異常検出に応用されている。	B
C-2022-1_U68	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	人間は画像認識や音声認識を無意識・高精度・高速に実行でき、画像一枚から雰囲気などさまざまなことを読み取れるが、コンピュータにはまだ不可能である。また、コンピュータによるパターン認識では事前に決められたクラスしか認識できない。	B
C-2022-1_U68	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_U68	10	4	質問があれば書いてください	なし	B
C-2022-1_U68	10	5	今日の授業の感想や反省を書いてください	前回同様比較的理解しやすい内容だと感じた。グルーピングする際の「似てる具合」の測り方について深入りしていくと、どこまでも疑問が出てくるのは面白いと思ったが、私なら早い段階で思考を放棄してしまうと思う。	B
C-2022-1_U36	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	D
C-2022-1_U36	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	D
C-2022-1_U36	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	D
C-2022-1_U36	10	4	質問があれば書いてください	null	D
C-2022-1_U36	10	5	今日の授業の感想や反省を書いてください	null	D
C-2022-1_U52	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・　→文章、画像、音など(表形式にならない) 言語データ自然言語処理：言語データをコンピュータによって分析する技術頻出言語・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昔：「文法解析」に基づく翻訳↔️今：対訳データをAI に学習させる場合が主流そのほかの自然言語処理・検索：ある分に似た意味の文をネットなどから探す・長い文章を、内容を損なわない程度に短くする・対話：チャットbotのように会話したり、質問に回答する(アレクサ、siri) ・校正：より良い文章になるような書き換えを提案する(最近そういうサービスが流行ってる) ・トピック分析：その文章が、例...	A
C-2022-1_U52	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	パターン分析は最近のスマート家電と呼ばれるものたちに非常に多く使われていることがわかった。	A
C-2022-1_U52	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_U52	10	4	質問があれば書いてください	特にないです	A
C-2022-1_U52	10	5	今日の授業の感想や反省を書いてください	パターン分析がなければこれほどまでにAIが進歩することはなかったと思うので重要な発見だと思った。	A
C-2022-1_U82	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、画像、音などの表形式で表すことができないデータのことである。言語データとは、文字列で表されるデータのことである。日常的に自然言語処理（言語データをコンピュータで分析する技術）が多用されている。画像データは、ベクトルとして考えることができる。私たちが普段扱う画像データは、超高次元ベクトルである。音声をデータ化するときは、時々刻々と変わる音の波の高さを数値化することが必要になる。コンピュータでは、サウンドスペクトログラムによって音声分析を行っている。パターン認識とは、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のことである。人間とコンピュータを比較すると、人間の方がより簡単に、高精度...	B
C-2022-1_U82	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	以前の講義で、データ分析の分野でベクトルの考え方を利用すると学んだが、画像データやパターン認識でその考え方が応用されていることがわかった。深層ニューラルネットワークについて、より深く理解し、イメージを持つことができた。	B
C-2022-1_U82	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	内容は大体わかったが、自分の言葉で説明できるかと言われたらまだ微妙なので、予習・復習を怠らないようにしたい。	B
C-2022-1_U82	10	4	質問があれば書いてください	null	B
C-2022-1_U82	10	5	今日の授業の感想や反省を書いてください	非構造化データには、言語、画像、音声以外にも色々なデータがあり、それらの分析は無意識に私たちの周りで行われていることに気づいた。また、画像データの分析のところでベクトルが利用されていることは今まで知らなかったし、今履修している線形代数も関わってくることがわかり、学習意欲がより高まった。パターン認識については、クラスタリングのところで学んだ「どこが」「どれくらい」似ているのかという考え方が大事だということがわかった。	B
C-2022-1_U70	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	今日の授業では、非構造化データとパターン認識について学習した。非構造化データとは表形式にまとめることができないデータのことで具体例としては画像や音や文章などがある。まず文字列関連の処理技術を自然言語処理といいそれと同様に画像関連の処理技術を画像処理、音声関連の処理技術を音楽処理という。それぞれの処理は無数のデータを利用して身近な場面で活用されている。パターン認識とはとある与えられたデータに対してそれが何であるかを認識して導き出すことであり、AIに比べて人間がはるかに得意とする分野である。コンピュータ上のパターン認識の性能向上には大量のデータと機械学習が必要とされる。大量のデータに対しそれらを分類する境界線を定め、対象物が境界線のどち...	A
C-2022-1_U70	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	私たちが普段ありがたく利用しているスマホの機能の多くが非構造化データの処理に基づいているのだとわかった。非構造データの方が定義が曖昧なものが多く、コンピュータにとっては認識のハードルが高い対象なのだとわかった。自分が普段利用している具体的なシチュエーションと結びつけながら学ぶことができた。	A
C-2022-1_U70	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	A
C-2022-1_U70	10	4	質問があれば書いてください	なし	A
C-2022-1_U70	10	5	今日の授業の感想や反省を書いてください	スマホがアップデートされるたびに顔認識の機能が向上していたり翻訳機やSiriのミスが減っていたりするのは日々非構造化データ分析の技術を研究開発しているからなのだと思った。スマホはあんなにコンパクトな機械でありながら大量のデータを活用する仕組みをバクなく運用する超優れものなのだと思った。今回も身近な事例の話が多く面白かった。画像処理は大量のベクトル解析からできていると知って少し驚いた。	A
C-2022-1_U41	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	データとパターン認識、機械学習	B
C-2022-1_U41	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	様々なデータの種類、パターン認識の種類	B
C-2022-1_U41	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_U41	10	4	質問があれば書いてください	null	B
C-2022-1_U41	10	5	今日の授業の感想や反省を書いてください	難しいので予習復習が大事だと感じた。	B
C-2022-1_U74	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	表っぽいデータ⇒構造化データ　それ以外が非構造化データ　種類と処理　パターン認識について	C
C-2022-1_U74	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	私たちがふだん意識せず見ているデータを非構造化データとよび、文字、画像、音声などの種類があること、パターン認識とは　画像認識　音声認識など似ているものを探すことを基本原理とした認識　自動化などの技術に応用されている。	C
C-2022-1_U74	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	ベクトルの話が？とちょっとなった　数学は苦手です　少し見直します。	C
C-2022-1_U74	10	4	質問があれば書いてください	特にありません	C
C-2022-1_U74	10	5	今日の授業の感想や反省を書いてください	言葉だけ聞くと難しそうだけれど、実は身近なところにあるのが面白いです	C
C-2022-1_U89	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	今回の授業では、非構造化データについてやそれらの処理、そしてパターン認識について学んだ。非構造化データとは構造化データの対義語で、文章、画像、音などがそうである。それらの中の言語データは文字列で表されるデータである。その言語データをコンピュータで分析する技術を自然言語処理という。頻出単語を探したりする機能、翻訳機能などが代表例である。さらに、検索、要約、対話、トピック分析、校正などもそうである。さらに、言語を数値化、ベクトルとして扱い言葉の計算を行うことができる意味解析、似た意味の文章を探すパラフレーズ解析、文章に潜む感情を推測するセンチメンタル解析、そして文章生成なども行っている。画像とは写真や文字や記号、人間の顔や指紋までもを指...	B
C-2022-1_U89	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	データ分析が本当に様々なところで使われていることを知りました。また、このデータ分析やパターン認識の分野でベクトルが使われているということも知りました。画像データがベクトルで表されているということは初耳で、ここでも数学が技術に応用されているのだと感じました。パターン認識は言葉こそ耳慣れないものでしたが、日頃から人間が無意識に行っているものであるということも知りました。思った以上に身近に感じるものが多く、これなら理解できそうだと思いました。	B
C-2022-1_U89	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	新しい言葉がとても多く出てきて、一部こんがらがりそうになりました。データ分析だけでもこんなにたくさんの種類があったので、言葉だけでなくそれらの意味についても理解できるようにしたいです。字面を見たときはそんなに難しくなさそうと思ってしまったのですが、いざ授業を受けてみると思った以上に混乱してしまったので復習します。	B
C-2022-1_U89	10	4	質問があれば書いてください	null	B
C-2022-1_U89	10	5	今日の授業の感想や反省を書いてください	バベルの図書館の話があって、本の組み合わせがぜんぶで恐ろしい数になっていたのが衝撃でした。もしかしたら意味の通じる本もあるのかもしれないのが興味深かったです。すべてのデータの組み合わせを集めるのは不可能であるという言葉も印象的でした。線形代数をしっかり学んだらデータへの理解が深まりそうなので、もっと真剣に勉強しようと思いました。ベクトルの計算も、情報分野などで使われていると知って、少し勉強へのモチベーションが上がりました。また、パターン認識は言葉こそしっかりした言葉であり、少し難しそうな雰囲気を感じますが、実際人間は無意識にやっていることであることを知って驚きました。	B
C-2022-1_U11	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言語データや画像データ、音声データなどがある。パターン認識とは、画像認識、音声認識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、人間にとっては簡単なことだが、コンピューターは認識できる対象が事前に決まっているため特定のものしか認識できない。また、似ているものについて境界線を作ることは難しいため、大量のデータを用いて機械学習によって判別の境界線を作ったり、深層ニューラルネットワークで境界線を作りやすいように空間を曲げて境界線を作ったりする。	A
C-2022-1_U11	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	非構造化データには言語、画像、音声などのデータがあるということ。パターン認識はコンピューターには似ている物どうしの境界線を作ることが難しく、多数のlデータを用いて機械学習させることで境界線を引いているのだということ。	A
C-2022-1_U11	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の空間を曲げるという考え方が分かりにくかった。	A
C-2022-1_U11	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_U11	10	5	今日の授業の感想や反省を書いてください	パターン認識は顔認識や音声認識など日常生活において使われている場面をよく目にするが、コンピューターはたくさん入力されてくる情報の中から学習済みの特定の情報しか認識できないので、人間しかできないことも多いということを講義を通してあらためて理解できた。	A
C-2022-1_U50	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	・自然言語処理とは言語データをコンピューター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、検索や要約などが挙げられる。さらには技術の発達により意味解析やパラフレーズ解析、センチメント解析や文章生成などの単なる文字列から意味の通る文章にも対応しつつある。・画像データに関しては画像認識や画像生成、画像処理など様々な分析課題がある。・音声データにおいては音声や話者、感情の認識や音声合成などの分析課題が存在する。・パターン認識とは画像や音声、テキストなど様々なデータを対象としてそれが何かを当てる方法であり、人間には簡単であるがコンピューターには未だ難しいとされるものである。このパターン認識の応用により自動運転や自動診断...	C
C-2022-1_U50	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	境界線の考え方で空間を曲げる（分けられる側の状況を工夫する）ことでパターン認識を簡単にする。この曲げ方（工夫の仕方）を試行錯誤により学ぶのが深層ニューラルネットワークの学習である。ベクトルを用いたデータへのアプローチの考え方。	C
C-2022-1_U50	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_U50	10	4	質問があれば書いてください	null	C
C-2022-1_U50	10	5	今日の授業の感想や反省を書いてください	現在線形代数を勉強していて理解が難しいものが多いですが、画像として考える考え方は興味深く印象的なので覚え方としてかなりいいものなのではないかと思いました。	C
C-2022-1_U62	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	様々なデータはベクトルであらわされられるということや、コンピュータがデータをどのように分析しているかというパターン認識の説明	B
C-2022-1_U62	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	色や形状がある物体はパターンとしてベクトルであらわされる	B
C-2022-1_U62	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	事象や要素はベクトルであらわされるのか	B
C-2022-1_U62	10	4	質問があれば書いてください	認識できる対象であるクラスが何をもって何を対象にするかを決めているのか。また、なんでも認識できるパターン認識機はないのか。	B
C-2022-1_U62	10	5	今日の授業の感想や反省を書いてください	音響のことに関して興味があるので音に関するデータの分析は面白そうだなと思った。哲学の分野には踏み入ってみたいが自分に理解できるか不安なのでなかなか手が出せないが、どれくらい似ているかという問題をどのように考えるのか気になった	B
C-2022-1_U32	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、パターン認識について	B
C-2022-1_U32	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、パターン認識を学ぶことで、AIのできることや難しいことを学んだ。	B
C-2022-1_U32	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_U32	10	4	質問があれば書いてください	null	B
C-2022-1_U32	10	5	今日の授業の感想や反省を書いてください	ベクトルの４次元以上のことが今までよくわからなかったけれど、今回の授業で、それぞれの次元で特徴を表していると考えれば、図示できなくてもそのベクトルのことがわかるようになったのでよかった。	B
C-2022-1_U58	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	非構造データ処理には言語処理、画像処理、音声／音楽処理がある。言語データは文字列で表されるデータである。SNSやネットでは、言語データが日々大量に生まれている。言語データをコンピュータによって分析する技術を自然言語処理という。自然言語処理の例としては頻出言語と翻訳が挙げられる。頻出言語は言語データの中で最も多くが出てきた単語を見つける処理である。翻訳は昔は「文法解析」に基づくものが主流であったが、今は対話データをAIに学習させる場合が主流である。また、他の例としては次のものが挙げられる。ある文に似た意味の文をネットなどから探す検索。長い文章を、内容を損なわない程度に短くする要約。チャットボットのように会話した...	A
C-2022-1_U58	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	非構造データ処理とは何かを知ることができた。	A
C-2022-1_U58	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	ベクトルの話が少しわかりづらかった。	A
C-2022-1_U58	10	4	質問があれば書いてください	null	A
C-2022-1_U58	10	5	今日の授業の感想や反省を書いてください	前回の日誌が反映されず消えていたので書き直す。	A
C-2022-1_U65	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	今回は主に非構造化データ解析について学んだ。非構造化データ解析には言語処理、画像処理、音声・音楽処理などがあり、それらはすべてデータとして扱われる。またデータ分析においてベクトルを考えることはとても重要である。言語処理について、言語データとは文字列で表せるデータであり、自然言語処理を用いて翻訳や校正など、様々なものに用いられている。画像処理については、画像は複数のピクセルの集まりなのでベクトルとして処理される。音声処理についても、時間で変化する音の波の高さを数値化してデータとして処理することができる。画像や音声などのデータを、コンピュータにそれが何であるかを当てさせることをパターン認識という。画像認識や音声認識の他に、行...	B
C-2022-1_U65	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	非構造化データ解析について、言語処理、画像処理、音声処理の仕組みがわかった。また、パターン認識について、「当てはまるものを探す」という行為はベクトルを用いていることを理解できた。パターン認識の探し出す仕組みを初めて知り、「似ている」という定義が曖昧なものでも要素に分けて座標上で表すことによって似ているものを見つけることができるのだとわかった。	B
C-2022-1_U65	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	B
C-2022-1_U65	10	4	質問があれば書いてください	null	B
C-2022-1_U65	10	5	今日の授業の感想や反省を書いてください	パターン認識にベクトルが用いられていることを知り、こんなところでもベクトルが活躍しているのだと身近な例が知れて良かった。また、境界線を引くために空間を曲げるという発想はなかったので、それに関してもとても面白いと思った。パターン認識やデータ解析は奥が深いとわかったので、他にも使われているところをインターネットなどで調べてみようと思う。	B
C-2022-1_U39	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	言語データとは文字で表せるデータのこと。SNSとかで日々生まれている。そういったものを処理する手法が自然言語処理（頻出単語を分析したり、翻訳、検索、要約、トピック分析etc....）。ベクトル…数字の組。画像なども１と０の並びでベクトル表記できる、というかベクトル。400万画素のカメラ＝400万次元ベクトル。画像を作るとはベクトルを操作することに対応するから、線形代数音もデータである。音の波の高さを数値化すればデータになる。音声データは時系列の情報になるから、時系列解析が必要になってくる。時間と音の強さがデータとしてあらわれるものになる。音声データの分析は、音声認識とか、話者認識、感情認識、音声合成などがある。音楽データの分...	C
C-2022-1_U39	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、データ分析の種類などについてわかった。	C
C-2022-1_U39	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_U39	10	4	質問があれば書いてください	特になし	C
C-2022-1_U39	10	5	今日の授業の感想や反省を書いてください	バベルの図書館の内容が面白かった。確かに…と思った。グーグルで調べてみたら本が出てきたから読んでみようと思った。（名前だけで内容は違うかもしれないけど）また、確かにとは思ったけど、画像の話で線形代数がつながるとは思わなかった。デジタルで絵を描いているからRGBなどはけっこうなじみがあるけど、講義でデータの話を聞くと、画像として描いた絵が見えていることが不思議になった。	C
C-2022-1_U72	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	言語データ、画像、音声データとはなにか、パターン認識がどのように行われているかについて	C
C-2022-1_U72	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	パターン認識とは、数多くの情報を含むデータの中から、一定の規則に従って対象を選別する処理であるということ。	C
C-2022-1_U72	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_U72	10	4	質問があれば書いてください	特になし	C
C-2022-1_U72	10	5	今日の授業の感想や反省を書いてください	自分は大学でグラフィックについて深く学び研究したいと考えているので、線形代数の勉強を頑張ろうと思いました。	C
C-2022-1_U21	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	非構造データには次の三つがある。①言語処理　言語データはSNSやインターネットなど身の回りに溢れてる　②画像処理　カメラはわかりやすい例である。そのほか人体認証や医療に使われるX線やCTなどがある　③音声・音楽処理　人間や生き物の声、音楽、環境音を数値化すればデータになるパターン認識とは画像や音声テキストなど様々なデータを対象としてそれが何かを当てる	C
C-2022-1_U21	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	言語データをコンピュータによって分析する技術である自然言語処理の例として、頻出言語と翻訳があり、そういえばツイッターなどでトレンドとか出てくるな、と気づきました。翻訳も同時通訳などありふれてるなと思いました。また自然言語処理によって単なる文字列が意味をなすようになるのは面白いなと思いました	C
C-2022-1_U21	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_U21	10	4	質問があれば書いてください	null	C
C-2022-1_U21	10	5	今日の授業の感想や反省を書いてください	パターン認識は人間には簡単でコンピュータには難しい、というのは確かに！って思ったし、これからのコンピュータの課題なのかなと思いました。ですが現在様々な認識ができるようになってきているので今後のコンピュータの活躍に期待しているところです。	C
C-2022-1_U18	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_U18	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_U18	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_U18	10	4	質問があれば書いてください	null	C
C-2022-1_U18	10	5	今日の授業の感想や反省を書いてください	null	C
C-2022-1_U69	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データのことで、文章、画像、音などがその代表例である。言語データをコンピュータによって分析する技術を自然言語処理といい、SNSやgoogle翻訳、検索などに使われている。画像データはベクトルで表すことができ、画像を認識したり、生成したりすることができる。音声は周波数によって分析され、音楽や話し声、環境音などを分析する。また、画像や音声、テキストなどのデータを、それが何であるかを当てる方法をパターン認識といい、機械は大量のデータを学習し領域ごとに境界線を引くことで似ているものをを判断している。	B
C-2022-1_U69	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	紙を折り曲げて境界線を引くという説明がわかりやすく、深層ニューラルネットワークによるパターン認識がどのようなものなのかイメージできた。	B
C-2022-1_U69	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。	B
C-2022-1_U69	10	4	質問があれば書いてください	ときどきネットを使っていたら「あなたはロボットですか？」という質問と「この中から自転車を選んでください」というような質問をされるけれど、ロボットであればこの質問には答えられないということですか？パターンは決まっているし、最新の技術を持ってすれば（もしくは学習させれば）ロボットでも答えられるような気がします。	B
C-2022-1_U69	10	5	今日の授業の感想や反省を書いてください	最近では写真のアプリでかなり正確に同一人物を見分けられたりして驚かされたけれど、私の飼っているうさぎの写真は犬とか猫とか鳥とかに分類されることが多く、機械にも苦手分野があることがわかって親近感が湧いた。	B

Subsets and Splits

No community queries yet

The top public SQL queries from the community will appear here once available.