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-2021-1_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 | F |
C-2021-1_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 | F |
C-2021-1_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 | F |
C-2021-1_U5 | 10 | 4 | 質問があれば書いてください | null | F |
C-2021-1_U5 | 10 | 5 | 今日の授業の感想や反省を書いてください | null | F |
C-2021-1_U95 | 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 | 非構造データの処理→パターン認識について学習した。 | B |
C-2021-1_U95 | 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 | 実は、画像＝ベクトルであり、私たちは日頃から莫大なベクトルを扱っていることがわかった。
パターン認識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る。 | B |
C-2021-1_U95 | 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-2021-1_U95 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-1_U95 | 10 | 5 | 今日の授業の感想や反省を書いてください | 深層ニュートラルネットワークで、境界線を引くのが難しい場合は、空間を曲げることによって境界線を引くということを知って、この方法を思いついたことは画期的だと思いました。 | B |
C-2021-1_U107 | 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 | C |
C-2021-1_U107 | 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 | 非構造化データの分析方法。 | C |
C-2021-1_U107 | 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 | ベクトルのくだり | C |
C-2021-1_U107 | 10 | 4 | 質問があれば書いてください | null | C |
C-2021-1_U107 | 10 | 5 | 今日の授業の感想や反省を書いてください | 人間には簡単なことでもコンピュータには難しいことがあると聞いた、人間も捨てたもんじゃないと思った。 | C |
C-2021-1_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 | 構造化データと非構造化データがある。
そしてその非構造化データ処理には、言語処理、画像処理、音声/音楽処理がある。
パターン認識はとあるデータを対象とし、それが何であるかはを当てる方法。人間には簡単でコンピュータには難しく、何でも認識できるものでは無い。 | B |
C-2021-1_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 | 異常検出や自動運転がパターン認識の発展形、応用型だということ。
あと、似ている具合の判断が難しいということ。 | B |
C-2021-1_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 | なし | B |
C-2021-1_U40 | 10 | 4 | 質問があれば書いてください | なし | B |
C-2021-1_U40 | 10 | 5 | 今日の授業の感想や反省を書いてください | パターン認識は自由自在だと思っていた。その認識のためのデータは大量のデータにおいて境界線引くという機械学習のもとで成立するのだと知って驚いた。AIが強いという過信のしすぎは我ながら良くないと思った。 | B |
C-2021-1_U103 | 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「表形式」ではないものを指す。
また現在人間が当たり前のようにできているパターン認識はAIなど機械には難しいらしい。というのも似ているとは何かという基準があまりにも要素的に多いので難しいらしい。よって現在大量のデータをAIに学習させて認識の境界を作るのが主流らしい。
| B |
C-2021-1_U103 | 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 | 最近のAIの学習の仕方などがよく分かった。 | B |
C-2021-1_U103 | 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 | 特にありませんでした。 | B |
C-2021-1_U103 | 10 | 4 | 質問があれば書いてください | 特にありません | B |
C-2021-1_U103 | 10 | 5 | 今日の授業の感想や反省を書いてください | 最近の情報科学はAIについてが主で自分はAIに興味があるのでとても楽しいし、毎回人間がいかに良くできているのかを再確認しました。 | B |
C-2021-1_U80 | 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 | コンピュータの非構造データの分析と認識について学習した。非構造データは画像や音声など表には表せないデータのことであるがこのデータを認識・分析するのはやはりまだ難しいことがわかった。AIができないことがこの講義で少しずつ分かってきた。 | B |
C-2021-1_U80 | 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 | 非構造化データはコンピュータが表として表せないデータのことで画像や音声が含まれる。このようなデータを処理するためには高度な計算が必要となり、時間がかかる。このような場合に境界線を引くとき、深層ネットワークの活用で高次元に曲げることで境界線を引くことができる状況を作ることができる。 | B |
C-2021-1_U80 | 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 | ベクトルの次元が上がれば上がるほど基軸が増えていくのにどうやって似ているとかを判断するのかが分からない。感情認証の構造も境界線パターンなのかがわからない。 | B |
C-2021-1_U80 | 10 | 4 | 質問があれば書いてください | 上記の通り。 | B |
C-2021-1_U80 | 10 | 5 | 今日の授業の感想や反省を書いてください | 非構造データは表などの数値計算が簡単ではないため、複雑なベクトル計算が必要になると聞き意外だと驚いた。数値計算の方が私は難しいと思っていたら、画像処理の方が大変だということがわかっった。境界線の方法も深層ネットワークを利用するなど難しいので、まだAIなどは人間の頭には及ばないということがわかり、今のコンピュータ社会から考えると意外だった。 | B |
C-2021-1_U97 | 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、パターン認識についての説明。 | D |
C-2021-1_U97 | 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 | 画像はベクトルだということが分かった。 | D |
C-2021-1_U97 | 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-2021-1_U97 | 10 | 4 | 質問があれば書いてください | null | D |
C-2021-1_U97 | 10 | 5 | 今日の授業の感想や反省を書いてください | 大学で習った数学の知識も必要になってきたので、ついていけるように、数学ももっと復習しないといけないなと思った。 | D |
C-2021-1_U101 | 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で表されるデータのことで非構造化データとは表形式で表せない画像や音などのデータのことを言う。非構造データの処理方法は色々な種類があり、言語データを処理する言語処理、画像データを処理する画像処理、音を処理する音楽処理である。また、パターン認識は、コンピューターには難しく、人間には簡単である。コンピューターによるパターン認識の基本原理は、コンピューターにあらかじめ登録し、それに似ている画像を探すことで行われる。 | B |
C-2021-1_U101 | 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 | 表で表せない非構造化データも、それぞれのデータの処理方法を用いたらデータ処理をすることができることがわかった。その処理も、翻訳など私たちが常日頃からお世話になっているものだと言うことを初めて知り、驚いた。また、コンピューターが行っているパターン認識は、人間のやっていることのように見えて、そうではないものだと言うことを初めて知った。また、コンピューターがパターン認識をする上で重要なデータは現代社会の膨大なデータ量のおかげで性能が向上していると言うことがよくわかった。 | B |
C-2021-1_U101 | 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-2021-1_U101 | 10 | 4 | 質問があれば書いてください | 特になし | B |
C-2021-1_U101 | 10 | 5 | 今日の授業の感想や反省を書いてください | 前回の深層ニューラルネットワークの説明だけでは深層ニューラルネットワークについてよくわからなかったけど、今回深層ニューーラルネットワークとパターン認識を組み合わされて解説してもらったことでちょっとわかった気がして面白かった。 | B |
C-2021-1_U66 | 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 | AIの現在可能な「認識」について | D |
C-2021-1_U66 | 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、というか生物の脳はかなり凄いことがわかりました。 | D |
C-2021-1_U66 | 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 | 数学的捉え方と形而的な感覚が混在していて少し混乱しました。 | D |
C-2021-1_U66 | 10 | 4 | 質問があれば書いてください | null | D |
C-2021-1_U66 | 10 | 5 | 今日の授業の感想や反省を書いてください | 毎回詰めの甘さが小テストで見られるのでもう少し概要把握を聴きながら行いたいです。 | D |
C-2021-1_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 | AIはいくつかの段階に分かれて分析を行なってパターン分析を行なっている。 | B |
C-2021-1_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 | 認識による分類は人間気さえ難しいことがある。 | B |
C-2021-1_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-2021-1_U65 | 10 | 4 | 質問があれば書いてください | 特になし。 | B |
C-2021-1_U65 | 10 | 5 | 今日の授業の感想や反省を書いてください | パターン分析は線形代数が関わってきていることに興味が湧いた。 | B |
C-2021-1_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 | 第10回
・非構造データ
文章、画像、音がその代表例
スマホやパソコンで見ているデータも含まれる
・言語処理
文字のデータ→自然言語処理
・画像処理
画像＝ベクトル
・パターン学習
人間には簡単でコンピュータには難しい
認識できる対象は事前に決められている
それでも身近になりつつある
大量データと機械学習
その中の今のトレンド深層ニューラルネットワーク
| C |
C-2021-1_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 | 私たちが見たり聞いたりしているものの多くはデータであるということ。
機械がパターン学習するのは人間よりも難しく、機械学習が必要であるということ。 | C |
C-2021-1_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 | 深層ニューラルネットワークについての理解 | C |
C-2021-1_U89 | 10 | 4 | 質問があれば書いてください | null | C |
C-2021-1_U89 | 10 | 5 | 今日の授業の感想や反省を書いてください | 今回の授業は割とわかりやすく、興味深いものがおおかった。 | C |
C-2021-1_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 | 非構造化データの代表例やパターン認識の概要や身の周りの例 | B |
C-2021-1_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 | 非構造化データの代表例として、言語データ、画像、音・音声データがあり、コンピュータによって様々な処理や分析がされているとわかった。また、データを対象として、それが何なのかを当てるパターン認識を大まかに知れた。最近のパターン認識は大量のデータで機械学習が行われ自動化技術や異常検出に応用されているとわかった。 | B |
C-2021-1_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 | B |
C-2021-1_U28 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-1_U28 | 10 | 5 | 今日の授業の感想や反省を書いてください | 言語データ、画像、音・音声データの例を通して、非構造化データの理解を深めることができた。また、画像処理においてベクトルが用いられていると知り、数学的なイメージと違って意外だった。さらに、深層ニュートラルネットワークの説明が簡略化されてわかりやすかった。 | B |
C-2021-1_U84 | 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 | パターン認識の仕方やパターン認識の応用によってどのようなことが可能であるかを学ぶことができた。 | B |
C-2021-1_U84 | 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がどのようにものを認識しているかであったり画像がベクトルによって成り立っていることなどが分かった。 | B |
C-2021-1_U84 | 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-2021-1_U84 | 10 | 4 | 質問があれば書いてください | なし | B |
C-2021-1_U84 | 10 | 5 | 今日の授業の感想や反省を書いてください | 集中して受けることができたしちゃんと小テストも満点を取ることができたので良かった。来週もこの調子で頑張りたい。
| B |
C-2021-1_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 | 非構造データには、自然言語処理というものがあり、文字列で表されるデータをコンピュータで分析する。
画像は複数のピクセルの集まりだから、画像を作ることはベクトルを作ること。
パターン認識とは膨大なデータからパターンを識別して取り出す処理のこと。 | B |
C-2021-1_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 | 翻訳機能は対訳データを機械に大量に認識させてAIに学習させているということが分かった。
画像は複数のピクセルの集まりだから、ベクトルと関係が深いということが分かった。
パターン認識は大量のデータから学習することで新しいものに対応していることが分かった。 | B |
C-2021-1_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 | B |
C-2021-1_U94 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-1_U94 | 10 | 5 | 今日の授業の感想や反省を書いてください | 画像が複数のピクセルの集まりということや、０と１での白黒の表し方は知っていたけど、それがベクトルや線形代数と深く関係していることに驚いた。
パターン認識の方法は今まであまりよく分かっていなかったけどデータから学習して新しいものと似たものをベクトルで見つけていることを知った。 | B |
C-2021-1_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 | 画像や音声などのデータはパターン認識で認識されるが、人間にとっては簡単だがコンピュータにとっては難しい。
画像データ＝ベクトル。 | B |
C-2021-1_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 | 画像は文字列で表され、現代の技術では高速でとても大きなデータ（高い画素数の画像）のやりとりをしている。
パターン認識を活かして画像や音声などのデータから病気を診断したり、環境や感情、文字を認識したりできるようになりつつある。
AIによる認識では、予め認識する対象を決める必要がある。また認識においても、境界線の引き方やルールについて事前に情報を与えなければできない。 | B |
C-2021-1_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 | 深層ニュートラルネットワークについて理解できてるか自信が持てない。 | B |
C-2021-1_U68 | 10 | 4 | 質問があれば書いてください | 特になし。 | B |
C-2021-1_U68 | 10 | 5 | 今日の授業の感想や反省を書いてください | 何気なく人間が認識してる情報をAIに認識させるには膨大なデータに境界線を引かせたり、ルールベースで判別させたりすることを知り、いかに人間が複雑な処理を瞬時に行なっているか意識させられた。
人間にとって得意なこととAIにとって得意なことが異なるなと改めて思う。 | B |
C-2021-1_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 | 非構造化データの代表例には文章、画像、音などがある。パターン認識は人間には容易だがコンピュータには難しい。 | B |
C-2021-1_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 | 大量のデータでAIを機械学習して、パターン認識を実現することができる。パターン認識はベクトルによってなされる。 | B |
C-2021-1_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-2021-1_U42 | 10 | 4 | 質問があれば書いてください | 特にないです。 | B |
C-2021-1_U42 | 10 | 5 | 今日の授業の感想や反省を書いてください | バベルの図書館の考え方が面白いと思った。 | B |
C-2021-1_U34 | 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 | データには構造化データと非構造化データがあり、非構造化データとは文章や画像、音などで表形式にならないものである。また、パターン認識について画像や音声。テキストなどの様々なデータをそれがなんであるかを当てる方法である。 | C |
C-2021-1_U34 | 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 | 今回の講義の中で僕は特にバベルの図書館について興味を持ちました。ある本について適当に文字を並べていくと必ず全ての文書を表すことができるというものでした。しかしそのほとんどが文章として成り立たず、意味のないものであるがその中には今まで誰も書いたことがないような名作や昔に誰かが書いたものも書き表すことができるというものでした。言われてみればその通りであるがあまり現実味がわかず不思議だなと思いました。 | C |
C-2021-1_U34 | 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 | ありません | C |
C-2021-1_U34 | 10 | 4 | 質問があれば書いてください | ありません | C |
C-2021-1_U34 | 10 | 5 | 今日の授業の感想や反省を書いてください | データについて学べば学ぶほどみかんの話みたいに奥深くて意外とあやふやなことがわかった。 | C |
C-2021-1_U35 | 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、非構造データについて学習しました。データ処理についても、ベクトル＝数字の組というのが活用されることは今回の授業での学びでした。後半は、それが何かを当てる方法である「パターン認識」について学習しました。人間にとって容易なことでも、クラス認識をはっきりさせられないとAIには厳しいということも分かりました。 | B |
C-2021-1_U35 | 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 | 非構造データとはどのようなものであるか、パターン認識はどのようにして可能になるのかが分かりました。 | B |
C-2021-1_U35 | 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 | ベクトルを用いた部分ですが、それがどのように活用され、どう役に立っているのかの理解が不十分です。 | B |
C-2021-1_U35 | 10 | 4 | 質問があれば書いてください | 特にありません。 | B |
C-2021-1_U35 | 10 | 5 | 今日の授業の感想や反省を書いてください | 今回も例が豊富でとても分かりやすかったです。AIには雰囲気を認識するのは難しいでしょうし、それは人によっても変わる部分なので、個性あふれるAIというものが登場する可能性があるのだなと感じました。しかし、その登場は映画の世界のようで恐ろしくもあります。AIとどう付き合っていくか、どう制御していくか考えなければいけないと思いました。 | B |
C-2021-1_U20 | 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 | 構造化データだけでなく、非構造化データにも数学が用いられており、画像なども実はベクトルであらわされている。また音などもデータもプログラムによって図であらわされて分析されている。コンピュータはパターン認識も可能ではあるが、あるカテゴリー内のものしか認識できない。人間でも似ている、似ていないなどの判断は人により異なるため、コンピュータではさらに難しいが、深層学習により分けられる側の状況を分かりやすくするなどして分類できるようになってきている。 | A |
C-2021-1_U20 | 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 | 一見数学とは縁のなさそうな画像などにも数学が利用されていて、数学の汎用性が分かった。また、コンピュータによる分析のいろいろな利用例を知ることができた。 | A |
C-2021-1_U20 | 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 | 色や形など様々な要素を用いてパターン認識を行っているということは分かったが、一方は似ているがもう一方は似ていないとなった時はどのように判断しているのかが分からなかった。 | A |
C-2021-1_U20 | 10 | 4 | 質問があれば書いてください | ３の内容 | A |
C-2021-1_U20 | 10 | 5 | 今日の授業の感想や反省を書いてください | コンピュータによる分類などがいかに大変か知れたことで人間の知能がとても優れているのだなと感じ、改めて人はすごいと思った。 | A |
C-2021-1_U79 | 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字、画像、音などがその代表であり、表形式にはならないデータのことである。非構造化データ処理には言語処理、画像処理、音声処理などがある。言語データをコンピューターによって分析することを自然言語処理と言い、頻出言語の検索、翻訳検索、要約など日常的に使われている。自然言語処理の高度な部分としては意味解析、パラフレーズ解析など意味を理解するものがある。画像処理では画像認識、画像処理、画像生成などがある。音声認識には環境音認識、音源分離などがある。また、非構造化データ処理の中にパターン認識という画像や音声、テキストからそれが何かを当てるものがある。これは似ているという定義が曖昧なためコンピューターが似ているものを探すのは難しい。最近では深層ニューラルネットワークによるパターン認識が行われている。パターン認識は自動運転や自動認識、異常検出などに応用される。 | A |
C-2021-1_U79 | 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 | コンピューターが画像や音声からそれが何かを当てることがなぜ難しいのかが理解できました。また、近年話題になっている自動運転などにもその技術が活用されているということがわかりました。 | A |
C-2021-1_U79 | 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ラークによるパターン認識の部分が日常的にあまり馴染みのない分野であったため少し難しかったです。 | A |
C-2021-1_U79 | 10 | 4 | 質問があれば書いてください | null | A |
C-2021-1_U79 | 10 | 5 | 今日の授業の感想や反省を書いてください | 私たちが大学受験をする際に共通テストに変わり手書きの回答が増えるというような変更点が挙げられていましたが、採点が難しいということもあり起用は見送られました。その際にもなんとなく手書きの回答をコンピューターが採点するのは難しいだあろうなとは思っていましたが、なぜそれが難しいのかを理解していませんでした。今回の授業でその部分が分かり、コンピューターもなんでもできるわけではないということが再認識できました。また、みかんを人間がいかに認識しているかの部分では私たちが日常的に行なっている認識というものはどれほど奥が深いのかが分かり、楽しかったです。 | A |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.