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_U54 | 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3種類がある。言語処理、画像処理、音楽処理の３つである。言語処理の代表例として、自然言語処理がある。これは、頻出単語、翻訳、検索、要約、対話、校正、トピック分析などである。これらは単なる文字列であったが、意味を考えると、意味解析、パラフレーズ解析、センチメント解析、文章生成などがでてくる。画像処理に使われる画像は、ベクトルであり、数字の組である。画像データのさまざまな分析課題として、画像認識、コンピュータビジョン、画像処理、画像生成、画像抽出などがある。音楽処理において、音もデータである。音声データの分析では、音声認識、話者認識、感情認識、音声合成がある。コンピュータは音声をサウンドスペクトログラムとして読み込む... | A |
C-2022-1_U54 | 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 | 身近に溢れてる非構造データ処理の例が沢山出てきたので、何かを理解するのが容易だった。 | A |
C-2022-1_U54 | 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が難しかった。 | A |
C-2022-1_U54 | 10 | 4 | 質問があれば書いてください | null | A |
C-2022-1_U54 | 10 | 5 | 今日の授業の感想や反省を書いてください | 身近にある非構造データ処理はどの分類に当てはまるのかが理解できたので、コンピュータを漠然とコンピュータとするのではなく、それぞれの役割に沿って理解することができた。 | A |
C-2022-1_U53 | 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
画像データ：n次元ベクトルで表す事ができる（nは画素数）
パターン認識：人にとっては簡単だが、コンピュータにとっては難しいものも多い | A |
C-2022-1_U53 | 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 | 人間とコンピュータの間のパターン認識の精度の差はまだまだ大きいのだなということが分かった。 | A |
C-2022-1_U53 | 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_U53 | 10 | 4 | 質問があれば書いてください | なし | A |
C-2022-1_U53 | 10 | 5 | 今日の授業の感想や反省を書いてください | バベルの図書館の例は、どんな文字列も存在はしているがとんでもなく莫大なものであるというのを表す例としてとても興味深く感じた。
音声認識などのパターン認識は今後研究で取り扱うかもしれない分野なので復習しておきたい。 | A |
C-2022-1_U49 | 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 | 非構造化データは文章、画像、音が代表例で表形式にならないため非構造化データと言われる。それぞれ処理の仕方は様々だが例えば言語処理では検索、翻訳、校正、トピック分析などがある。
パターン認識とは様々なデータを対象としそれがなにかあてることで、入力データのクラスを選ぶ処理とも言い換えることができる。似ている具合（どこが、どのくらい）に決まりがないため人間には簡単だがコンピューターにとっては難しい。コンピュータは境界線を引くことでパターン認識を行い境界線が簡単に引けない場合には空間を折り曲げ、スパッと切るという操作を行う。その折り方はわからないため試行錯誤する必要がありこれは深層ニュートラルネットワークと呼ばれる。 | B |
C-2022-1_U49 | 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 | 全てのデータ、パターンはベクトルで表されるという視点が驚きだった。 | B |
C-2022-1_U49 | 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 | 深層学習の補足のところで折り線で折り曲げた後の折り曲げる操作に対応する部分がわからなかった。 | B |
C-2022-1_U49 | 10 | 4 | 質問があれば書いてください | ありません | B |
C-2022-1_U49 | 10 | 5 | 今日の授業の感想や反省を書いてください | ルールベースのパターン認識はコロナかどうかを判別するときに利用されていると思い日常生活とのつながりを感じた。 | B |
C-2022-1_U19 | 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 | 非言語データには言語、画像、音声データなどが含まれる。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当てる方法をいう。基本原理は、数あるお手本の中でどれが一番似ているのかで判断することによる。似ている度合いの測り方が難しい。最近は大量のデータと機械学習によってコンピュータに境界線を引いてもらってパターン認識を行なっている。 | A |
C-2022-1_U19 | 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 | パターン認識をする機械が普及してきている現代ではパターン認識がいかに難しいか実感しにくいが、実際には人間にも劣ってパターン認識は機械にとって相当難しいことだということがわかった。 | A |
C-2022-1_U19 | 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 | A |
C-2022-1_U19 | 10 | 4 | 質問があれば書いてください | null | A |
C-2022-1_U19 | 10 | 5 | 今日の授業の感想や反省を書いてください | パターン認識は幼児でもコンピュータに勝るという事実から、人間の脳のつくりの複雑さを改めて実感した。 | A |
C-2022-1_U92 | 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 | 非構造化データの処理の方法は３つある。 | D |
C-2022-1_U92 | 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はパターン認識が苦手なので大量のデータが必要になる。 | D |
C-2022-1_U92 | 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 | 寝坊して小テストが受けられなかった。 | D |
C-2022-1_U92 | 10 | 4 | 質問があれば書いてください | 特にないです。 | D |
C-2022-1_U92 | 10 | 5 | 今日の授業の感想や反省を書いてください | 内容の理解はできた。 | D |
C-2022-1_U3 | 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 | データには表形式で表せる構造化データと、表形式にできない非構造化データがある。非構造化データの処理には、言語処理、画像処理、音声/音楽処理などがある。ベクトルは数字の組み合わせで、データはベクトルで表すことができる。パターン認識とは、様々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、認識できるクラスは事前に決められている。最近のパターン認識では、大量のデータを準備して、機械学習によってコンピュータに境界線を引いてもらうという手法をとる。深層ニューラルネットワークによるパターン認識では、境界線を引くのが難しいベクトルの分布に対し、数をかけたり足したりしてパラメーターを操作し、空間を折り曲げることによって、境界線を単純にひ... | A |
C-2022-1_U3 | 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にはどのような種類があり、日常のどのような場面で活用されているのか知ることができた。例えば言語処理ではトピック分析で記事のテーマを分類したり、センチメンタル解析で文中に潜む感情を推測したりしている。画像処理ではコンピュータービジョンで、複数の視点からの画像により物体を立体視したり、明るさ補正などの画像処理を行なったりしている。音声データの分析では、話者や感情を認識したり、パターン認識を用いて楽曲推薦をしたりしている。
さらに、パターン認識の仕組みや、深層ニューラルネットワークがどのようなシステムで機能しているのかを、大まかに理解することができた。 | A |
C-2022-1_U3 | 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で空間を折り曲げるというイメージが概念的で難しかったが、補足説明のインフルエンザの例で、理解することができた。前回の数字をかけたり足したりしてパラメータを増やすという話も少しわかった。
| A |
C-2022-1_U3 | 10 | 4 | 質問があれば書いてください | null | A |
C-2022-1_U3 | 10 | 5 | 今日の授業の感想や反省を書いてください | 音声データの話者認識は詐欺防止などにおいて実用性が高そうだと思った。自分の子が泣いたら母親は別の部屋にいてもわかるとよく言うが、何回も泣き声を聞くうちに、声の高さや声色などの特徴を自然とパターン認識しているのだろうかと思った。まして大人は声そのものの要素だけでなく、その人特有の言い回しや間の取り方、方言などもあるので、AIにもパターン認識しやすそうだと思った。 | A |
C-2022-1_U22 | 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、構造化データの逆であり、表形式で表せないものである。言語データ、画像データ、音声データなどである。 | B |
C-2022-1_U22 | 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 | 自然言語処理により、頻出言語、翻訳、検索、要約、構成、対話、トピック分析などが可能。
画像データとは詰まるところベクトルである。画素とは各成分の要素であり、２ピクセルの画像＝２次元ベクトル。
音声データを用いて音声認識、話者認識、感情認識、音声合成などができる。 | B |
C-2022-1_U22 | 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_U22 | 10 | 4 | 質問があれば書いてください | null | B |
C-2022-1_U22 | 10 | 5 | 今日の授業の感想や反省を書いてください | バベルの図書館について、それはそうだろうとは思ったがいざ言われてみると、ああすげぇと思った。Jukeboxがすごく面白そうだったので自由に使えるのであればめっちゃ遊びたい。 | B |
C-2022-1_U73 | 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 | 非構造データとは、文章、画像、音などの表形式にならないデータのことである。非構造データ処理には、言語処理、画像処理、音声処理がある。言語データとは文字列で表されるデータのこと。自然言語処理とは、言語データをコンピュータによって分析する技術で、例として頻出単語と翻訳などがあり、面白い例としては意味解析によって言葉の計算が可能になる。画像＝ベクトル＝数字の組。パターン認識とは、画像や音声など様々なデータを対象として、それが何であるかを当てる方法。人間には簡単だが、コンピュータには難しい。自由になんでも認識できるわけではなく、認識できる対象は事前に決まっている。似ている具合は人によって、対象によって様々なのでコンピュータが似ているものを探... | B |
C-2022-1_U73 | 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 | 非構造データとは、文章、画像、音などの表形式にならないデータのこと。画像＝ベクトル＝数字の組であるということ。パターン認識とは、画像や音声など様々なデータを対象として、それが何であるかを当てる方法。人間には簡単だが、コンピュータには難しい。自由になんでも認識できるわけではなく、認識できる対象は事前に決まっている。似ている具合によって分けるのは人間にとっても難しいのでコンピュータにとってはもっと難しい。 | B |
C-2022-1_U73 | 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は空間を数回に分けて折りまげてスパッと切るというのがわかりそうでわからない。 | B |
C-2022-1_U73 | 10 | 4 | 質問があれば書いてください | null | B |
C-2022-1_U73 | 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だがコンピュータには難しいというのを学んで、たとえコンピュータが人間よりパターン認識ができるようになったとしても、人間よりできるという事実を人間が理解している時点でコンピュータは人間を超えていないことになるので、コンピュータのパターン認識能力が速さにおいて人間を超えることはあっても、正確さで超えることはないのでは。と思った。 | B |
C-2022-1_U15 | 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では表せないデータのことを指す。言語データはその一つであり、言語データをコンピューターで分析する技術を自然言語処理という。また画像データも非構造化データの一つであり、数字の組みであるベクトルを用いて画像を表すことができる。さらには音も波の高さを数値化するとデータと捉えることができ、これによって音声や音楽、そして環境音までデータとして分析することが可能になる。パターン認識とは画像や音声などの様々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る。最近のパターン認識では大量のデータをAIに機械学習させる方法があり、コンピューターが大量のデータに境界線を引いていくという方法である。パターン認識を応用していくと... | B |
C-2022-1_U15 | 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 | 表形式では表せない非構造化データについてや、それらのデータを一つ一つ特定していくパターン認識といった技術についてわかった。 | B |
C-2022-1_U15 | 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_U15 | 10 | 4 | 質問があれば書いてください | null | B |
C-2022-1_U15 | 10 | 5 | 今日の授業の感想や反省を書いてください | null | B |
C-2022-1_U13 | 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 | 非構造データは言語処理、画像処理、音楽処理により分析される。言語処理を行う際自然言語処理（言語データをコンピュータによって分析する技術）をすることで、意味解析、パラフレーズ解析などが可能になる。
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」であるかを当てる方法。最近のコンピュータのパターン認識は大量のデータに境界線を聞くことで区別している。境界線は深層ニューラルネットワークが引いており、その境界線の引き方は直線で引きやすいようにするため空間を折り曲げる。機械学習が必要である。パターン認識の応用として異常検出などがある。 | A |
C-2022-1_U13 | 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 | 画像処理名などを行う際、ベクトルが利用されるということ。ここで言うベクトルは数字の組のことで、４００万画素の画像を分析するときは４００万次元のベクトルを用いるということ。ベクトルの各成分（要素）のことを特徴といい、軸は特徴の数だけある。また、その軸の取り方は経験的に決められたものでるということ。
パターン認識は人間にはとても簡単なことであるが、コンピュータには難しい。パターン認識における境界線は、空間を折り曲げて引きやすいように機械が行う。その引き方は当然様々であるということ。
| A |
C-2022-1_U13 | 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 | 深層学習のところがまだ理解できていないので復習します。 | A |
C-2022-1_U13 | 10 | 4 | 質問があれば書いてください | 入力データとして例えば「みかん」という既存のものが入力されず、全く新しい未知のものが入力されたとき、コンピュータは新しいものとして座標に加えるのか、全く別物であっても少しでも似ているグループに属させるのか、どういう処理が行われるのですか。 | A |
C-2022-1_U13 | 10 | 5 | 今日の授業の感想や反省を書いてください | 今日の授業を聞いて1番印象に残っているのは、コンピュータのパターン検出の際の境界線の引き方です。人間にとっては何の問題もなく区別することが出来てもコンピュータにとってみれば、まだ難しいことであるのに、それを機械学習で工夫して境界線を引くことが出来るのは本当にすごいなと思いまた。まだまだ機械が難しいことは私が思っていたよりたくさんあるけど、その代わりに人間が不得意なことが機械は得意だったりします。なので、それぞれの得意分野が何かをきちんと理解して発展させていくことが重要だなと改めて感じました。 | A |
C-2022-1_U42 | 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大まかな復習
・非構造化データ処理
・パターン認識 | B |
C-2022-1_U42 | 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 | ・構造化データとは表形式のデータのことで、非構造化データとは表形式でない文や画像、音などのことをいう。
・非構造化データ処理には３種類があり、自然言語処理、画像処理、音声/音楽処理である。自然言語処理の例として頻出言語や翻訳、検索、要約、対話、校正などがある。画像処理の例として画像認識、コンピュータビジョンなどがある。音声/音楽処理についてであるが、音には３種類あり、私たち人の声、音楽、環境の音であり、各々に処理がる。音声の処理では音声認識、話者認識、感情認識などがある。音楽の処理では楽曲分析、音響分析などがある。環境音の処理では環境音認識、音源分離などがある。
・パターン認識とは画像や音声、テキストなどを対象にそれが「何で」あ... | B |
C-2022-1_U42 | 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 | B |
C-2022-1_U42 | 10 | 4 | 質問があれば書いてください | 特にないです | B |
C-2022-1_U42 | 10 | 5 | 今日の授業の感想や反省を書いてください | 深層ニューラルネットワークがいまいちイメージがつかめませんでしたが、今回の境界線を引く時に折り畳んでやっていたのをみて、大体のイメージがつきました。 | B |
C-2022-1_U56 | 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 | 表形式のデータを構造化データといい、表形式にならない文章、画像、音などを非構造化データという。文字列で表せられるデータを言語データといい、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。また画像や音声、テキストなどさまざまなデータを対象として、それが何かを当てる方法をパターン認識といい、技術の発展に従い身近になりつつある。 | B |
C-2022-1_U56 | 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 | 構造化データと非構造化データの違いや自然言語処理のさまざまな種類を知ることができた。 | B |
C-2022-1_U56 | 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_U56 | 10 | 4 | 質問があれば書いてください | 特になし。 | B |
C-2022-1_U56 | 10 | 5 | 今日の授業の感想や反省を書いてください | 今まであまり知らずに使っていた言葉の意味を知ることができてよかった。コンピュータによるパターン認識の基本原理である似ているという基準も曖昧でありその似ている具合によって分類が変わってくるところが面白かった。 | B |
C-2022-1_U60 | 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_U60 | 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_U60 | 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_U60 | 10 | 4 | 質問があれば書いてください | null | F |
C-2022-1_U60 | 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_U12 | 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 | コンピューターはなんでも認識できるわけではない。大量のデータと機械学習によりパターンを認識している。 | C |
C-2022-1_U12 | 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 | 今まで何気なく触れていたデータの本質がわかった気がします。 | C |
C-2022-1_U12 | 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_U12 | 10 | 4 | 質問があれば書いてください | 特になし | C |
C-2022-1_U12 | 10 | 5 | 今日の授業の感想や反省を書いてください | ちゃんと理解することができました。 | C |
C-2022-1_U94 | 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 | 非構造データ処理といっても三種類ある。言語処理と画像処理と音楽処理である。 | C |
C-2022-1_U94 | 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 | 画像とベクトルが同じである。音もデータであることは、驚いた。 | C |
C-2022-1_U94 | 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_U94 | 10 | 4 | 質問があれば書いてください | null | C |
C-2022-1_U94 | 10 | 5 | 今日の授業の感想や反省を書いてください | コンピュータやアプリにパターン認識されてると思うと少し怖い。 | C |
C-2022-1_U67 | 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、非構造化データ、また、その処理について。 | C |
C-2022-1_U67 | 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、画像、音声、それぞれのデータを効率の良い方法で、認識、分析していることがわかりました。 | C |
C-2022-1_U67 | 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 | パターン認識はどれほどの量の情報を入力すると正確になるのか、わかりませんでした。私のスマホは割と新しいのですが、まだ顔認証があいまいなことがしばしばあるので、早く正確に認知してほしいです。 | C |
C-2022-1_U67 | 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_U67 | 10 | 5 | 今日の授業の感想や反省を書いてください | 私がコンピュータに普段入力しているデータは、非構造化データが多いのかなと思いました。文字も、音声もいつもほとんど正確に、そして早く処理されていて、それが当たり前になっていたので、その仕組みをしれて面白かったです。 | C |
C-2022-1_U96 | 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 | B |
C-2022-1_U96 | 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 | B |
C-2022-1_U96 | 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_U96 | 10 | 4 | 質問があれば書いてください | null | B |
C-2022-1_U96 | 10 | 5 | 今日の授業の感想や反省を書いてください | null | B |
C-2022-1_U26 | 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 | 構造化データは表形式のデータ、一方非構造化データは文章画像音がその代表
言語データをコンピューターで処理する技術を自然言語処理といい、頻出言語や翻訳検索要約などさまざまな種類がある。パターン認識とはデータを対象にそれが何かをコンピューターが当てる方法のこと。基本的に予め学習している物体の中からもっとも似ている物を探すが似ているが定義しにくくコンピューターにとっては難しい。
最近のパターン認識では大量のデータを用意して境界線をひいてもらうことで認識している。 | C |
C-2022-1_U26 | 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 | 身の回りの画像データはカメラ画像だけじゃなく顔指紋などもあるということ。
コンピューターにとっては音もデータになるということ。 | C |
C-2022-1_U26 | 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_U26 | 10 | 4 | 質問があれば書いてください | null | C |
C-2022-1_U26 | 10 | 5 | 今日の授業の感想や反省を書いてください | 当たり前にインターネットで画像検索したり、最近ではお店でカメラによって体温を測る機会が多いがそれは素晴らしい技術の進歩のおかげだと思った。人間が認識できない異常も検知してくれるコンピュータの存在はインターネットで社会において大切だと思う。 | C |
C-2022-1_U51 | 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 | パターン認識はコンピュータには難しいが人間には簡単である | C |
C-2022-1_U51 | 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 | 認識できる物は事前に決められており、何でもかんでもできるわけではない | C |
C-2022-1_U51 | 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 | 画像認識をどうやって行っているのか | C |
C-2022-1_U51 | 10 | 4 | 質問があれば書いてください | null | C |
C-2022-1_U51 | 10 | 5 | 今日の授業の感想や反省を書いてください | 遅れてしまって申し訳ないです | C |
C-2022-1_U78 | 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非構造化データは、主に言語、画像、音声がある。AIがベクトルの演算でデータを分析している。人間がものを認識する基準は曖昧なので、比較的はっきりとした基準が必要なコンピュータがものを認識するのはまだまだ難しい。 | A |
C-2022-1_U78 | 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 | データは全てベクトルで表される。ベクトルは何百万次元といった多次元ベクトルを扱うことも多々ある。 | A |
C-2022-1_U78 | 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 | 折り曲げの境界線を引く数式 | A |
C-2022-1_U78 | 10 | 4 | 質問があれば書いてください | null | A |
C-2022-1_U78 | 10 | 5 | 今日の授業の感想や反省を書いてください | 私は日頃TwitterやDeepLを利用するが、これらに自然言語処理が使われていると分かり、感心した。しかし、翻訳はまだまだAIでは不十分だと思うので、これからの進化を楽しみに思う。 | A |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.