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_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 | 非構造化データの説明とパターン認識の話だった。 | B |
C-2021-1_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 | 非構造化データとは何かなどがわかった。 | B |
C-2021-1_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 | バベルの図書館のところがよくわからなかった。 | B |
C-2021-1_U92 | 10 | 4 | 質問があれば書いてください | 今世界に存在している最大画素と、その重さ？（データ容量）を知りたいです。
そしてそういう画素が生き物の肉眼と比べてどれくらい近づいてるのか知りたいです。 | B |
C-2021-1_U92 | 10 | 5 | 今日の授業の感想や反省を書いてください | データ上では画像や情報がベクトルで表されるのが新鮮だった。
カメラとかで〇〇画素みたいなことをたまに聞くけどそういくことだったんだなと思いました。
スマホとかで何気なくパシャってとってるけど、その瞬間に４００万次元ベクトルが生まれてるって思うとすごいですよね | B |
C-2021-1_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 | 非構造データ(言語・画像・音声／音楽)処理についてさまざまな例を参考にしながら学んだ。コンピュータによるパターン認識とその応用について学んだ。 | B |
C-2021-1_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 | AIが行う言語処理、画像処理、音声／音楽処理の内容について理解できた。パターン認識の難しさがわかった。 | B |
C-2021-1_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 | 特になし | B |
C-2021-1_U24 | 10 | 4 | 質問があれば書いてください | 特になし | B |
C-2021-1_U24 | 10 | 5 | 今日の授業の感想や反省を書いてください | 言語処理の例を見て、AIはここまで多様な仕事をこなしているのかと驚きました。特にパラフレーズ解析は人間でも苦労することがあると思うので、AIがある程度正確に解析できるようになったら、アメリカ人の皮肉や京都弁なども解析してみると人の役に立つのではないかと思いました。 | B |
C-2021-1_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 | 非構造データ処理の精度を高めるには、莫大な量の情報が必要である。 | C |
C-2021-1_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 | 言語や画像、音などの非構造データは処理をするためにそれぞれ対応した方法を用いて作業を行っているということ。 | C |
C-2021-1_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 | 異常検出をする際、仮に異常状態が長引くまたは異常状態の起こる頻度が高くなった場合、異常検出機能はどうなるのか疑問に思った。 | C |
C-2021-1_U56 | 10 | 4 | 質問があれば書いてください | null | C |
C-2021-1_U56 | 10 | 5 | 今日の授業の感想や反省を書いてください | コンピューターにおいて非構造データのような形式のないものはお使いが困難であるということが改めて理解できた。 | C |
C-2021-1_U76 | 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、パターン認識、機械学習について | B |
C-2021-1_U76 | 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だったら簡単に簡単にできてしまう事がコンピュータでは非常に難しいという事がわかった。
深層ニュートラルネットワークのイメージが前回の計算して数値を出すことよりも、今回の空間を何回も曲げて境界線を引くという方がイメージしやすかった。 | B |
C-2021-1_U76 | 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 | 画像と線形代数の関係がどのような物なのかイメージしにくかった。 | B |
C-2021-1_U76 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-1_U76 | 10 | 5 | 今日の授業の感想や反省を書いてください | 全ての文字の並びの本の中に意味のあるものがあるというバベルの図書館の話は本などもデータだという事がイメージできて面白かった。 | B |
C-2021-1_U1 | 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_U1 | 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_U1 | 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_U1 | 10 | 4 | 質問があれば書いてください | null | F |
C-2021-1_U1 | 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_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 | 表形式ではないデータを非構造化データというが、その処理には言語処理、画像処理、音声処理などがある。また、コンピュータが様々なデータをもとにそれが何であるかを当てる方法をパターン認識というが、なんでもできるわけではない。 | A |
C-2021-1_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 | パターン認識の話は前回の授業で理解していたが、人間が「なんとなく」していることがコンピュータには難しいというのがますますわかった。大量のデータを一度に処理するコンピュータは便利ですごいが、どうしてもできないことはあるのだなと思う。 | A |
C-2021-1_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 | 「似てる具合」の考え方について、深入りしていくと本当にこんがらがってわからなくなった。人間とコンピュータは違うということがよくわかる。 | A |
C-2021-1_U32 | 10 | 4 | 質問があれば書いてください | null | A |
C-2021-1_U32 | 10 | 5 | 今日の授業の感想や反省を書いてください | コンピュータができないこともよくわかったが、今コンピュータがしている様々なデータの分析がないと私たちは生きていけない体になっていると思うので、逆にコンピュータが私たちの能力を超える日がもし来ると思うと怖いと思った。 | A |
C-2021-1_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 | 非構造化データ処理について、様々な具体例を見ながら詳しく学ぶ。パターン認識とその機械学習について知る。 | B |
C-2021-1_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 | 文章、画像、音といった代表的な非構造化データについてより深く学ぶことができた。 | B |
C-2021-1_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 | B |
C-2021-1_U50 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-1_U50 | 10 | 5 | 今日の授業の感想や反省を書いてください | 画像＝ベクトルというのがおもしろいと思った。また、パターン認識が身近に使われていることを知って驚いた。 | B |
C-2021-1_U46 | 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、音声処理の３つがある。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る。 | C |
C-2021-1_U46 | 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 | 画像はベクトルであるということが分かったが、私は線形代数が苦手なのでもう少し勉強しようと思った。 | C |
C-2021-1_U46 | 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イメージ図がよく分からなかった。 | C |
C-2021-1_U46 | 10 | 4 | 質問があれば書いてください | 特にないです。 | C |
C-2021-1_U46 | 10 | 5 | 今日の授業の感想や反省を書いてください | 毎回、次の会の予習を忘れてしまうので、次回は忘れずにしたい。 | C |
C-2021-1_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、画像、音声や音楽などの非構造データの処理の仕方 パターン認識とその応用 | C |
C-2021-1_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 | 全体的に理解することができた | C |
C-2021-1_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 | スマホやパソコンを日頃から使っているため、今日の話は理解に苦しまなかった。 | C |
C-2021-1_U72 | 10 | 4 | 質問があれば書いてください | AIは文章の行間を読み取ることはできない | C |
C-2021-1_U72 | 10 | 5 | 今日の授業の感想や反省を書いてください | いつも授業お疲れ様です。今日の授業も役に立ちました。ありがとうございます！ | C |
C-2021-1_U27 | 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、音などの「表形式」にならないデータ ex. 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 ex. 頻出言語、翻訳、検索、要約、対話、校正、トピック分析、意味解析など
●ベクトル…数字の組 だから順序を変えてはいけない！
●画像…ベクトルである
◎2値画像…白黒の画像で、1と0で表される
◎グレースケール画像…1から255の数字で表される
●画像データに関する様々な分析課題…ex. 画像認識、コンピュータビジョン、画像処理、画像生成、特徴抽出
●音声データの分析…ex. 音声認識、話者認識、感情認識、音声合成
●音楽データの分析…ex. 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（MP3など）
●環境音データの分析…ex. 環境音認識、音源分離、音源同定、異常音検出
●パターン認識…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。人間には簡単だがコンピュータには難しい。
◎コンピュータによるパターン認識…入力データの「クラスを選ぶ処理」。自由に何でもできるわけではない。認識できる対象（クラス）が事前に決められていること
が前提条件
◎ex. 顔認識、物体認識、食事認識、医用画像認識、音声認識（スマートスピーカー）、テキストトピック認識、行動認識、文字認識（郵便番号認識）
◎パターン認識の応用…異常検出（難しい！）、自動化技術 ex. 人々を対象とした異常検出、食品や生産物の異常検出、機械・建造物・コンピュータシステムの異常検出、自動運転、自動診断、自動採点
●「似ている」具合に決まりはない→認識がうまくいくように適切に決めてあげる必要がある。しかし難しい！
| B |
C-2021-1_U27 | 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 | ・画像はベクトルであるということ
・自然言語処理が身近で使われているということ
・人間が当たり前のようにできることは、必ずしもコンピュータも同じようにできるわけではない、ということ | B |
C-2021-1_U27 | 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 | ・バベルの図書館のことがよくわからなかった。 | B |
C-2021-1_U27 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-1_U27 | 10 | 5 | 今日の授業の感想や反省を書いてください | ・画像のところで出てきた255という数字は、ペイントソフトを使って絵を描くときにいつも見る数字だったので親近感が湧いた。今まさに線形代数を勉強中で、画像は線形代数と関わりがあるということだったので、しっかり勉強したいと思う。
| B |
C-2021-1_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 | 画像をつくるというのはベクトルをつくるのと同じであり、画像は複数のピクセルの集まり、つまり数字の集まりと考えることができます。そのため、線形代数を学ぶと画像をいじることができます。 | B |
C-2021-1_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 | コンピュータにとっては「音」もデータであるということは学習前から分かっていましたが、具体的な音声分析が自分の想像以上に多くあり、驚きました。 | B |
C-2021-1_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 | 特にないです。 | B |
C-2021-1_U39 | 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_U39 | 10 | 5 | 今日の授業の感想や反省を書いてください | 機械学習にトレンドがあることを初めて知りました。情報科学の分野の中でも、トレンドという言葉を使うのはとても新鮮でした。 | B |
C-2021-1_U25 | 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 | 非構造データの種類、パターン認識の種類 | D |
C-2021-1_U25 | 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はなんでも認識できるわけではない
自分たちの日常生活のほとんどのことが非構造データとして表せる | D |
C-2021-1_U25 | 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 | 付録のグラフのとこ | D |
C-2021-1_U25 | 10 | 4 | 質問があれば書いてください | null | D |
C-2021-1_U25 | 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によるパターン認識のイメージ図はすごくわかりやすかった | D |
C-2021-1_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 | 今回の授業ではコンピューターのパターン認識についてでした。コンピュータが非構造データである画像や音声、文字列などをどのように認識しているのかを学びました。 | B |
C-2021-1_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 | 今回の話を聞いて今まで、今の時代のコンピュータの精度はすごいとは思うけどミスが多いなとは感じていたのが、今の時代の莫大なデータから深層シュートラルネットワークなどを利用しても認識することの難しさがわかり認識を誤ることがあって当然だなと感じました。 | B |
C-2021-1_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 | 画像認識や文字列認識の利用は想像が出来ましたが、音の認識が実際にどのように利用されているのかがいまいち想像できませんでした。 | B |
C-2021-1_U53 | 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_U53 | 10 | 5 | 今日の授業の感想や反省を書いてください | 前回に引き続きAIや画像、音声認識など普段私たちが多く利用しているものの内容なので理解しやすかったです。犬と猫やみかんの例などが現代の大量で複雑なデータを見分けたりするのにどれだけ難しいのかがわかりやすかったです。 | B |
C-2021-1_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 | null | F |
C-2021-1_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 | null | F |
C-2021-1_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 | null | F |
C-2021-1_U67 | 10 | 4 | 質問があれば書いてください | null | F |
C-2021-1_U67 | 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_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 | 非構造化データについて前回よりも詳しく学んだ。文字や画像や音の認識の仕方やデータの形。 | B |
C-2021-1_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 | 言語データをコンピュータで分析する自然言語処理。単語のペアを見つける。単語を意味で分析。ベクトル化。難しい。画像データはベクトル。データが多いほど、高次元ベクトル。写真は400万次元ベクトル。音声データ。データの分析は人間ほど器用ではない。パターン認識はあらかじめデータの準備が必要。より膨大なデータの線引きが複雑で難しい。深層ニューラルネットワーク。 | B |
C-2021-1_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 | null | B |
C-2021-1_U26 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-1_U26 | 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の絞り込んでいく感じがアキネーターというゲームに似ていて理解しやすかった。 | B |
C-2021-1_U91 | 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 | 非構造データやパターン認識といったコンピュータのシステム上の働きの解説 | C |
C-2021-1_U91 | 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 | コンピュータが非構造データやパターン認識といったシステムでAIのような賢い動きができているということ | C |
C-2021-1_U91 | 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-2021-1_U91 | 10 | 4 | 質問があれば書いてください | null | C |
C-2021-1_U91 | 10 | 5 | 今日の授業の感想や反省を書いてください | AIの深い知識を知れてよかったと思う | C |
C-2021-1_U88 | 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→表形式にならないもの 言語データ、画像データ、音声データなど
パターン認識→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
なんでも自由に認識できるわけではなく、事前に決められている
自動運転、自動診断、自動採点などに応答されている | C |
C-2021-1_U88 | 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 | 非構造データの種類がわかった。 | C |
C-2021-1_U88 | 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-2021-1_U88 | 10 | 4 | 質問があれば書いてください | null | C |
C-2021-1_U88 | 10 | 5 | 今日の授業の感想や反省を書いてください | null | C |
C-2021-1_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 | ・構造化データ 表に表せるもの
・非構造化データ 文章、画像、音など
・言語処理 言語データの処理 検索、要約、対話、校正、トピック分析など （意味解析、パラフレーズ解析、センチメント解析、文章生成なども）
・画像処理 画像データ（ベクトル、数字の集合）の処理 画像認識、コンピュータービジョン、画像処理、画像生成、特徴抽出など
・音声/音楽処理 音声認識、話者認識、感情認識、音声合成 （音声） 楽曲分析、自動作曲、作曲支援、音響分析、音楽認識、楽曲推薦 （音楽）
・パターン認識 データを処理してそれがなんなのかを特定する | B |
C-2021-1_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 | ・構造化データは表形式できるもののみを示し、コンピューターやAIなどが発展したいま、非構造化データの方が身近になってきている
・普段からしてる検索なども一種のデータ処理で、日常生活でもデータ処理に満ち溢れている
・画像は小さな色のついたブロックの集合であり、一種の行列 | B |
C-2021-1_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 | ・深層ニューラルネットワークのくだりがよくわからなかった | B |
C-2021-1_U49 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-1_U49 | 10 | 5 | 今日の授業の感想や反省を書いてください | 学習内容が身近なものとリンクさせて進められたのでわかりやすかった。 | B |
C-2021-1_U61 | 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 | 非構造データの代表例として言語データがあり、その中で自然言語処理は頻出言語を見つけたり、翻訳したりするのに用いられる。
パターン認識とはあるデータを入力してそれが何かを当てること。
パターン認識は大量のデータと機械学習によって可能になり、最近では深層ニューラルネットワークがトレンドである。
パターン認識は異常検出や自動化技術に応用されている。 | B |
C-2021-1_U61 | 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 | 自分たちが普段撮っている写真では400万次元ベクトルを扱っている。
コンピュータはさまざまな画像認識ができるが、多くの情報が読み取れて一位に決まらないもの（例えば情景画像など）だと理解することはまだできない。
機械学習の中でデータの境界線を引くとき、線がぐにゃぐにゃでも折り曲げ方によって直線で分けられる。 | B |
C-2021-1_U61 | 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 | 画像データと線形代数学とのつながりがよくわからなかった。 | B |
C-2021-1_U61 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-1_U61 | 10 | 5 | 今日の授業の感想や反省を書いてください | あまり感じたことはなかったけど、よく考えたら音もデータなのかと改めて思った。
ただの文字レルを所蔵しているだけなのに、中には誰かの日記と同じ文字列になっていることがあるのはとても面白い。
機会が発達するにつれて人間の仕事がなくなるというマイナスな考えをするのではなく、それによってまた新たな仕事ができるだろうと言う考えで機械とうまく付き合っていくのが大切。
| B |
C-2021-1_U105 | 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 | データは表形式の構造化データと文章、画像、音などの日構造化データに分けられる。非構造データの処理には、言語処理、音声処理、画像処理の３つが特にあげられる。また、様々なデータに対して、それが何かを当てる方法をパターン認識という。 | B |
C-2021-1_U105 | 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 | 言語データを分析する技術のことを自然言語処理といい、頻出言語や、翻訳、検索などもその一部である。この例はただの文字列に過ぎないが、意味や、感情を解析するような技術もある。画像データはベクトルで表される。音声データの分析では、音声認識や、感情認識、音声合成などがあげられる。音のデータも、人の声、音楽、環境音の３つにわけることができる。 | B |
C-2021-1_U105 | 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 | なぜ画像データがベクトルで表されるのかがよくわからなかった。４９次元ベクトルとかいうものは概念がよく分からない。 | B |
C-2021-1_U105 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-1_U105 | 10 | 5 | 今日の授業の感想や反省を書いてください | 画像データの処理において、シャッターを押した瞬間に４００万次元ベクトルが発生しているということにとても驚いたとともに、改めて現代の技術のすごさを感じた。またパターン認識のところでは、人間の考え方の複雑さ、多様さを感じた。確かに人間は１枚の写真からも様々な要因と知識と経験などを合わせて、いろいろなことを考えることができるが、コンピュータにとって、それは難しいことだということを再認識した。人間の思考力の大切さに気付いた。 | B |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.