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_U14 | 12 | 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 | ベクトルは数字の組みのこと。ベクトルでデータを分析することで多数のデータ間の関係が見えてくる。データ同士が近いか遠いか似てるか似てないかでデータを分析する。距離はデータがどれだけ離れているか。値が大きいほど似てない。反対に類似度はデータがどれだけ似ているか。値が大きい程似ている。しかし距離ほど厳密に定義されておらず、正の値も負の値もとる。距離にはユークリッド距離（高校の時によく出していた座標かんの距離の出し方）とmax距離（曲がるまでの直線の距離）とL距離（マンハッタン距離）（斜め横断せずにカクカク曲がって道を進んでいくイメージ）がある。max距離は１要素でも大きく違かったらそれは結構違うと表したい場合に使う。ハミング距離は、 | B |
C-2022-1_U14 | 12 | 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_U14 | 12 | 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 | 12 | 4 | 質問があれば書いてください | いろんな距離があるけれどどんなふうに使い分けるのかなともいました。 | B |
C-2022-1_U14 | 12 | 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_U71 | 12 | 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 | 情報をベクトルで数値化することで、類似度や距離を調べられるようにできる | B |
C-2022-1_U71 | 12 | 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 | ベクトルで表現することによって、データの「近さ」などを表すことができる | B |
C-2022-1_U71 | 12 | 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 | 近い、遠いの境界 | B |
C-2022-1_U71 | 12 | 4 | 質問があれば書いてください | null | B |
C-2022-1_U71 | 12 | 5 | 今日の授業の感想や反省を書いてください | テストも近くなってきたので、復習を進めていきたい | B |
C-2022-1_U40 | 12 | 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 | データの可視化とは適切な要素選択をしたうえでの図表化であり、図表化の手段は様々にある。分析したい観点ごとに手段を選ぶ必要があり、数値データの比較であれば棒グラフ、分布比較であれば箱ひげ図、割合把握であればパイチャート、傾向であれば折れ線グラフが適切である。また多次元データの可視化には2要素ずつ分割することも有効である。 | A |
C-2022-1_U40 | 12 | 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 | 図表化の手段ごとに注意事項があり、考慮しない場合、不適切な図表化になる恐れがある。具体的には棒グラフ・折れ線グラフの縦軸、ヒストグラムのビン幅、３Dパイチャートの用途などである。 | A |
C-2022-1_U40 | 12 | 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 | 多次元データの可視化の理解が難しかった。 | A |
C-2022-1_U40 | 12 | 4 | 質問があれば書いてください | null | A |
C-2022-1_U40 | 12 | 5 | 今日の授業の感想や反省を書いてください | データ分析の手法を整理できてよかった。
（前回のリフレクションを第13回の欄に記入してしまったので、今回のリフレクションの分をこの第12回の欄に記入しました。申し訳ありませんが、確認のほどよろしくお願いします。） | A |
C-2022-1_U63 | 12 | 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 | ベクトルとは、複数の数値をかたまりにしたもので、順番に意味がある。ベクトルはデータの組み合わせ。線形代数学や行列はベクトル表現されたデータに関わりがある。距離や類似度でデータの差異がわかる。 | C |
C-2022-1_U63 | 12 | 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 | データの距離の表し方にはユークリッド距離、Max距離、マンハッタン距離などがあり、状況に合わせて使い分ける。 | C |
C-2022-1_U63 | 12 | 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 | 12 | 4 | 質問があれば書いてください | null | C |
C-2022-1_U63 | 12 | 5 | 今日の授業の感想や反省を書いてください | 距離の表し方を、いつどんな時にどの表現方法を用いるかしっかり理解しておきたいと思った。 | C |
C-2022-1_U64 | 12 | 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 | ベクトルでデータを表す
データ解析における距離・類似度 | C |
C-2022-1_U64 | 12 | 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 | 身近なことや画像データもベクトルと考えることができる | C |
C-2022-1_U64 | 12 | 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 | 距離は１種類ではない | C |
C-2022-1_U64 | 12 | 4 | 質問があれば書いてください | null | C |
C-2022-1_U64 | 12 | 5 | 今日の授業の感想や反省を書いてください | 今日の話題は身近で分かりやすかった。そろそろ期末試験もせまってきているので復習も頑張りたい。 | C |
C-2022-1_U4 | 12 | 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 | ベクトルを用いれば、文書、画像、料理、体格など様々なものを表現することができる。多数のデータを用意すると見えてくる関係性もあるため、データの組み合わせであるベクトルをデータ解析に利用する。また、距離や類似度を用いるとデータのグルーピング、認識などが可能になる。 | B |
C-2022-1_U4 | 12 | 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 | 距離と類似度が反対の概念であることがわかった。また、距離に様々な種類があることが分かった。 | B |
C-2022-1_U4 | 12 | 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_U4 | 12 | 4 | 質問があれば書いてください | 特になし。 | B |
C-2022-1_U4 | 12 | 5 | 今日の授業の感想や反省を書いてください | マンハッタン距離、ＭＡＸ距離など、初めて聞く沢山の距離を知れた。距離がデータ解析で収容になるとは知らず、驚いた。 | B |
C-2022-1_U48 | 12 | 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 | 可視化とはデータを直感的に理解出来る図にすること。その図やグラフには様々な種類があるがそれぞれに特性があり向き不向きがある。 | B |
C-2022-1_U48 | 12 | 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 | 人に伝えたいデータの種類や量によって用いる図が異なり、どれが人に伝わりやすいかを考えることが重要だとわかった。 | B |
C-2022-1_U48 | 12 | 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。 | B |
C-2022-1_U48 | 12 | 4 | 質問があれば書いてください | null | B |
C-2022-1_U48 | 12 | 5 | 今日の授業の感想や反省を書いてください | 普段ニュースや教科書で見るグラフや図は元になるデータによって選ばれていたのだと分かった。ただ3Dパイグラフのように使い方によっては実際の数値より大きかったり小さかったりするように錯覚してしまうものもあるので情報リテラシーとしてそこは重要だと思った。 | B |
C-2022-1_U77 | 12 | 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 | ベクトルとは、複数の数値のかたまりであり、その順序にも意味がある。ベクトルで表現することで、要素同士で比較できるようになる。ベクトルは文章のある程度の内容を理解することに役立ったり、画像を表現するのに使われたりしている。ベクトルは一種のデータであるため、たくさんのベクトルを用意することでベクトルの要素間の関係性が見えてくる。これを利用するとパターン認識が可能になる。パターン認識は対象のものと持っているデータが似ているかで判断される。この場合似ているというのは、座標空間上でのベクトル同士の距離が近いかや類似度が高いことなどをさす。
距離にはいくつかの種類がある。まず、２つのベクトルの直線距離をユークリッド距離という。次に座標軸に並行... | A |
C-2022-1_U77 | 12 | 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 | 似ているという言葉の具体的な定義がわかった。 | A |
C-2022-1_U77 | 12 | 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 | マンハッタン距離が何に使われているか | A |
C-2022-1_U77 | 12 | 4 | 質問があれば書いてください | マンハッタン距離はどのような場面で使われるのでしょか。 | A |
C-2022-1_U77 | 12 | 5 | 今日の授業の感想や反省を書いてください | 「似ている」というのが状況によって様々な定義のされ方をするのが難しいなと思った。 | A |
C-2022-1_U59 | 12 | 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 | ベクトルとは→複数の数値を一つにしたもの （）のなかの書き、順番には意味が存在する。 これを用いることで、○くみの数値を○次元ベクトルとして表すことができる。
距離とは？→データ間の差異 距離が近い場合「似ている」 距離が遠い場合、「似ていない」となる
距離の公理 非退化性（同じものならば距離はゼロ） 対称性（X→Y Y→Xの距離は等しい） 三角不等式が成り立つ
モノをベクトルで表せば、さまざまな距離や類似度を用いることができる
クラスタリングは、近いデータをまとめてグループ（クラスタ）を見つける処理 | B |
C-2022-1_U59 | 12 | 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 | ベクトルのデータでの立ち位置や利用法がわかった。データ分析における距離の意味がわかった | B |
C-2022-1_U59 | 12 | 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_U59 | 12 | 4 | 質問があれば書いてください | null | B |
C-2022-1_U59 | 12 | 5 | 今日の授業の感想や反省を書いてください | 小テストで満点を取ることができた。引き続き頑張りたい。 | B |
C-2022-1_U31 | 12 | 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_U31 | 12 | 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_U31 | 12 | 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_U31 | 12 | 4 | 質問があれば書いてください | null | C |
C-2022-1_U31 | 12 | 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_U55 | 12 | 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 | 12 | 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 | 12 | 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 | 12 | 4 | 質問があれば書いてください | null | F |
C-2022-1_U55 | 12 | 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 | 12 | 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 | データはベクトルによって表すことが可能で行列など線形代数も使われている。ユークリッド距離が代表。集合がどれくらい共通しているのかを示すのが類似度。 | C |
C-2022-1_U5 | 12 | 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 | データにベクトルの考え方がどの様に役立っているのかがわかった。 | C |
C-2022-1_U5 | 12 | 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 | データでの距離の概念が少し難しく感じた。 | C |
C-2022-1_U5 | 12 | 4 | 質問があれば書いてください | null | C |
C-2022-1_U5 | 12 | 5 | 今日の授業の感想や反省を書いてください | ユークリッドやハミング距離が出てきて、初めて別単元で繋がったなと感じた。Aの方のスライドも見て思い出さないといけないなと感じた。 | C |
C-2022-1_U16 | 12 | 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 | 画像、その人の身体的特徴さらには料理まで、ベクトルによって表現することができる。そしてなぜベクトルでデータ分析するかというと、１つの組み合わせではわからないことも多数のデータ間で傾向が見えてくるからである。 | C |
C-2022-1_U16 | 12 | 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 | ベクトルによるデータ解析においての「距離」とはさまざまな意味を持たすことができ、その意味に応じてデータ解析の容貌は異なる。例として、座標間の距離はユークリッド距離と呼ばれたりする。 | C |
C-2022-1_U16 | 12 | 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 | 12 | 4 | 質問があれば書いてください | 特になし。 | C |
C-2022-1_U16 | 12 | 5 | 今日の授業の感想や反省を書いてください | ベクトルの演算はややこしくて嫌いですが、このデータ表現が優秀であることは理解できました。 | C |
C-2022-1_U68 | 12 | 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 | ベクトルはデータの組み合わせであり、一つの組み合わせではわからないことでも多数のデータを組み合わせることで、データ間の関係が見えてくるのでベクトルはデータ分析に使用される。 | B |
C-2022-1_U68 | 12 | 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、複数の数値を塊にしたもので、順番には意味がある。データ解析における距離とは、データ間の差異を指し、短いほど似ているといえる。類似度は距離の反対の概念であり、大きければ大きいほど似ているといえる。 | B |
C-2022-1_U68 | 12 | 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 | 12 | 4 | 質問があれば書いてください | なし | B |
C-2022-1_U68 | 12 | 5 | 今日の授業の感想や反省を書いてください | ベクトルや距離・類似度について理解することができた。三次元のユークリッド距離で最初つまずいたけど、ピタゴラスの定理に似ているので、思ったより簡単で安心した。 | B |
C-2022-1_U36 | 12 | 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 | 12 | 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 | 12 | 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 | 12 | 4 | 質問があれば書いてください | null | D |
C-2022-1_U36 | 12 | 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 | 12 | 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 | ベクトルを使用することでさまざまなものを表現することができる。
ベクトルはデータの組み合わせ→一つの組み合わせではわからないことも、多数のデータを用意することで、データ間の関係が見えてくる
類似度：距離
→ユークリッド距離、マンハッタン距離、max距離
他にも、ハミング距離、編集距離、Jaccard係数、コサイン類似度
これらを用いることで、、、
データ集合のグルーピング、データの異常度、データの「認識」 | A |
C-2022-1_U52 | 12 | 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 | データの類似度を測るためにはベクトルが用いられている。さまざまなものを数字に置き換えることでもの同士の関係性を図ることができる。線形代数の応用 | A |
C-2022-1_U52 | 12 | 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 | 多次元になった際の距離というものを図形的に理解することが難しいと思いました | A |
C-2022-1_U52 | 12 | 4 | 質問があれば書いてください | null | A |
C-2022-1_U52 | 12 | 5 | 今日の授業の感想や反省を書いてください | Twitterやyoutubeであなたへのおすすめとしてさまざまなものがレコメンドされるが、それらは今日習ったベクトルを用いてお薦めされているのだと知って面白いと思った | A |
C-2022-1_U82 | 12 | 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 | ベクトルとは、複数の数値をかたまりにしたもので、（）の中にカンマで区切って書く。ベクトルは数値の順番に意味がある。例えば、健康状態や文書、画像などをベクトルで表すことができる。データ間の関係を見るためには、ベクトルによって多数のデータを組み合わせることが必要となる。
データ分析では、「近い/遠い」「似てる/似てない」と言う概念に基づく。「距離」とは、データ間の差異を意味する。数学的には、非退化性、対称性、三角不等式（距離の公理）を満たすd（x,y）を距離と言う。これに対し、「類似度」は、満たすべき条件は特になく、大きければ大きいほどデータ同士が似ていると言えるため、「距離」とは反対の概念である。「距離」は1種類ではなく、データ解析... | B |
C-2022-1_U82 | 12 | 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 | ベクトルについては入門線形代数の講義で学んでいるが、講義で計算として扱うだけでなくちゃんと意味があるものだとあらためて認識することができた。距離に関しては、ユークリッド距離は馴染みがあったものの、マンハッタン距離やmax距離は最初どういうことかわからなかった。ユークリッド距離、マンハッタン距離、max距離を等距離面にそれぞれ表した図をもう一度しっかり見てでみると、理解できたのでよかった。 | B |
C-2022-1_U82 | 12 | 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 | 類似度のところで出てきた、コサイン類似度がいまいちよくわからなかったので、調べてみようと思う。 | B |
C-2022-1_U82 | 12 | 4 | 質問があれば書いてください | null | B |
C-2022-1_U82 | 12 | 5 | 今日の授業の感想や反省を書いてください | データと線形代数との繋がりが感じられより身近になったことで、難しく考えすぎなくて良いのだとわかった。（線形代数が苦手なので…）今日の講義で、ベクトルに対するイメージがはっきりとしたような気がする。また、距離は距離でも本当に様々な種類があり、少し驚いたし、講義を受ける前は正直よくわからなかった。しかし、講義を受けて復習をする段階で意味がわかった部分もあったので、今日理解できたことを忘れないようにしたいと思う。 | B |
C-2022-1_U70 | 12 | 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、ベクトルとデータ間の距離の表し方を学んだ。ベクトルは複数の数値をあるかたまりとして表現したもので、括弧内の数値の順番には意味がある。画像や文章などさまざまなデータをベクトルで表すことができ、データ分析の際には線形代数が活用できる。データ同士の似ている度合いを「距離」と表現し類似度を割り出す助けになる。距離には最も代表的なユークリッド距離の他にマンハッタン距離やmax距離、ハミング距離などがあり、多様な測り方をすることによってデータの特徴をより正確に分析することが可能になる。 | A |
C-2022-1_U70 | 12 | 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 | まず第一に、今大学数学で「線形代数」を学んでいることが決して無駄ではないとわかった。また、データ解析において距離を測る方法はいろいろあってどう測るかによって、炙り出される特徴が変わるのだとわかった。手書き文字のデータ認識やgoogleの画像検索などの技術は、実はシステムの裏側で膨大な量のベクトルを処理しているのだと思うと、ベクトルをより身近に捉えることができた。 | A |
C-2022-1_U70 | 12 | 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 | 12 | 4 | 質問があれば書いてください | なし | A |
C-2022-1_U70 | 12 | 5 | 今日の授業の感想や反省を書いてください | ここ最近の内容は私たちの身近な話題に近い話が多いので、興味深い。ベク鳥の長さを表す二重絶対値の「ノルム」という呼び名は初めて聞いた言葉だった。マンハッタン距離やmax距離、ハミング距離、編集距離など耳馴染みのない距離の測り方についてぬかく理解することができ嬉しかった。 | A |
C-2022-1_U41 | 12 | 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 | ベクトルや様々な距離、類似度について | B |
C-2022-1_U41 | 12 | 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 | ベクトルでデータ分析する理由や距離には何種類もあるということ | B |
C-2022-1_U41 | 12 | 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 | 12 | 4 | 質問があれば書いてください | null | B |
C-2022-1_U41 | 12 | 5 | 今日の授業の感想や反省を書いてください | 小テストは微妙であった。ベクトルについてよく知れたと思う。 | B |
C-2022-1_U74 | 12 | 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 | ベクトル いろんなもので表してみると？ ベクトルで分析すること データにおける距離、類似度について | C |
C-2022-1_U74 | 12 | 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 | ベクトルは、データの組み合わせ ベクトルを使うと、より詳細なデータ分析が可能になる
距離と類似度は反対の関係で、距離は1種類ではない(ハミング距離、ユークリッド距離など) | C |
C-2022-1_U74 | 12 | 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複雑だった。
それぞれの距離がいろいろあって大変だった。 | C |
C-2022-1_U74 | 12 | 4 | 質問があれば書いてください | 大丈夫です。 | C |
C-2022-1_U74 | 12 | 5 | 今日の授業の感想や反省を書いてください | 後半の話が数学などが挟まってきて難しかったです。 | C |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.