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-2021-2_U173 | 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-2021-2_U173 | 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-2021-2_U173 | 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-2021-2_U173 | 10 | 4 | 質問があれば書いてください | null | F |
C-2021-2_U173 | 10 | 5 | 今日の授業の感想や反省を書いてください | null | F |
C-2021-2_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 | 情報を集めるための調査方法には、調査対象の抽出やオープンデータの活用などがある。ただし、二次利用などの著作権上のルールや、個人情報の取り扱いなどについては十分注意しなければならない。 | C |
C-2021-2_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 | 情報収集のさまざまな方法と、それらの方法によってバイアスが発生したりするということがわかった。 | C |
C-2021-2_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 | 特になし | C |
C-2021-2_U15 | 10 | 4 | 質問があれば書いてください | null | C |
C-2021-2_U15 | 10 | 5 | 今日の授業の感想や反省を書いてください | null | C |
C-2021-2_U111 | 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 | 表形式にならないデータを非構造化データという。非構造データの処理は言語処理、画像処理、音声・音楽処理などがある。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ある。画像はベクトルである。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。最近のパターン認識は大量データを準備して機械学習として境界線を引くことで行われている。機械学習の最近のトレンドは深層ニューラルネットワークである。パターン認識は自動化技術や異常検出に応用されている。 | B |
C-2021-2_U111 | 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 | 非構造データの具体例を通してどのような種類のものがあるのかが分かった。 | B |
C-2021-2_U111 | 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-2021-2_U111 | 10 | 4 | 質問があれば書いてください | 特になし | B |
C-2021-2_U111 | 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とっては簡単なことであるが、コンピュータにとっては難しいことであることが意外でした。パターン認識が今より正確にできるようになると、AIはより色々なことができるようになるのだろうと思いました。 | B |
C-2021-2_U149 | 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-2021-2_U149 | 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-2021-2_U149 | 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-2021-2_U149 | 10 | 4 | 質問があれば書いてください | null | F |
C-2021-2_U149 | 10 | 5 | 今日の授業の感想や反省を書いてください | null | F |
C-2021-2_U162 | 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学び、それには言語処理、画像処理、音声・音楽処理が含まれる。言語処理では、自然言語処理という技術を用いて翻訳や検索、意味解析に利用されている。画像処理はベクトルと同じように扱うことができ、画像の分析に利用されている。音声処理はsiriなどの役に立っている。パターン認識とはあるデータが何を表すか分析することでコンピュータには難しく、現在の課題となっている。コンピュータはデータと深層ニューラルネットワークによってパターン認識を実行している。そのパターン認識の応用として自動化技術や異常検出などが挙げられる。 | B |
C-2021-2_U162 | 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 | コンピューターは大量のデータと深層ニューラルネットワークを用いて、パターン認識することで現在の便利な機械ができあがったのだと知ることができた。 | B |
C-2021-2_U162 | 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-2021-2_U162 | 10 | 4 | 質問があれば書いてください | 現在、顔を分析するだけでパスワードのロックを解除できるものがあるが、どのくらいの精度でできるのですか。例えば、一卵性双生児やその人にとても似てる人でも認識できるのですか。 | B |
C-2021-2_U162 | 10 | 5 | 今日の授業の感想や反省を書いてください | コンピューターの働くメカニズムを知ることができてよかった。 | B |
C-2021-2_U150 | 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-2021-2_U150 | 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-2021-2_U150 | 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-2021-2_U150 | 10 | 4 | 質問があれば書いてください | null | F |
C-2021-2_U150 | 10 | 5 | 今日の授業の感想や反省を書いてください | null | F |
C-2021-2_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 | null | F |
C-2021-2_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 | null | F |
C-2021-2_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 | F |
C-2021-2_U91 | 10 | 4 | 質問があれば書いてください | null | F |
C-2021-2_U91 | 10 | 5 | 今日の授業の感想や反省を書いてください | null | F |
C-2021-2_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 | 非構造化データにの処理には言語処理や画像処理、音声・音楽処理が挙げられる。画像データはベクトルとして表され、dピクセルの画像はd次元ベクトルで表される。言語処理には意味解析やパラフレーズ解析、センチメント解析などの例がある。音声処理には音声認識や話者認識、感情認識などの例がある。またこれらにはパターン認識を用いて処理が行われることが多い。機械学習によって「似ている具合」から成長させる。膨大なデータから学ぶことで、あるデータに対して何であるかを当てられるようになる。 | A |
C-2021-2_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 | 非構造化データの処理について具体例を交えながらどういったものなのかを理解した。最近のパターン認識についてイメージを持てた。 | A |
C-2021-2_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 | 特になし | A |
C-2021-2_U40 | 10 | 4 | 質問があれば書いてください | null | A |
C-2021-2_U40 | 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図がとても分かりやすかった。似ている具合と区別に関して境目を決める方法のイメージがついた。改めて膨大なデータから学習を繰り返し、成長、理解していくAIのすごさが分かった。 | A |
C-2021-2_U83 | 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 | コンピュータの認識、識別の可不可について。 | B |
C-2021-2_U83 | 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 | コンピュータの境界の引き方について理解した。 | B |
C-2021-2_U83 | 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-2021-2_U83 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U83 | 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面白いなと思った。同様に楽譜において新しい音楽が作れるのではないかと思った。 | B |
C-2021-2_U152 | 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 | B |
C-2021-2_U152 | 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 | さまざまな処理、分析をグループ分けできるようになった。 | B |
C-2021-2_U152 | 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-2021-2_U152 | 10 | 4 | 質問があれば書いてください | なし | B |
C-2021-2_U152 | 10 | 5 | 今日の授業の感想や反省を書いてください | データの分析における認識の種類が大量にあって驚いた。 | B |
C-2021-2_U157 | 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には、主に言語処理、画像処理、音声処理がある。画像はベクトルで表されており、スマホなどは超高次元ベクトルを扱っている。音も波の高さを数値化すればデータとして扱える。様々なデータを対象にそれが何かを当てる方法をパターン認識という。パターン認識は人間には簡単でもコンピュータには難しい。コンピュータが認識できる対象も事前に決まっている。最近は深層ニューラルネットワークでパターン認識を機械学習している。 | B |
C-2021-2_U157 | 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、人間が普段何気なくできることなのにコンピュータにとっては難しいことを知った。普段していることの根拠や過程を言語化、数値化しようとするのはとても難しい作業なのだと分かった。 | B |
C-2021-2_U157 | 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-2021-2_U157 | 10 | 4 | 質問があれば書いてください | パターン認識のイメージ図の点はどのようにして打たれているのでしょうか。２つのパラメータを抽出して、それをグラフ化しているのですか。 | B |
C-2021-2_U157 | 10 | 5 | 今日の授業の感想や反省を書いてください | コンピュータによって仕事が奪われる未来などの議論がよくされますが、現段階ではその心配はいらないのかなと思いました。人間のほうがパターン認識に関しては優れていて、コンピュータの能力が向上して、自動診断などができるようになっても、医者の方のダブルチェックが入り、あくまで補助的な役割だろうと思いました。画像がベクトルという話が面白かったです。 | B |
C-2021-2_U139 | 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様々な種類がある。また、それらのデータを分析し、パターン分析することで、自動化や異常検知など、様々な技術に応用できる。 | B |
C-2021-2_U139 | 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 | いろいろなデータの特徴や構造、そしてそういったデータの応用方法を理解することができた。 | B |
C-2021-2_U139 | 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 | B |
C-2021-2_U139 | 10 | 4 | 質問があれば書いてください | 特にない | B |
C-2021-2_U139 | 10 | 5 | 今日の授業の感想や反省を書いてください | いろいろなデータの特徴や構造を詳しく知ることができてよかった。 | B |
C-2021-2_U128 | 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 | 今回は非構造化データとパターン認識について学んだ。
まず、非構造化データとは表形式にならない文章、画像、音などのことで、非構造データ処理の代表例としてにあたる言語処理、画像処理、音声/音楽処理の３つがある。
言語処理については、頻出言語を見つけたり、翻訳したりのほかに、検索、要約、対話、校正、トピック分析などがある。（面白い例としては、意味解析、パラフレーズ解析、センチメント解析、文章生成などがある。）
私たちの周りにあるカメラ画像、文字、顔などの画像データとベクトルは深い関わりを持ち、2値画像やグレースケール画像もベクトルが使われており、現在のカメラは400万次元ベクトルを生み出すことができる。
画像データの分析課題としては、画像認識、コンピュータビジョン、画像処理、画像精製、特徴生成、特徴抽出などが挙げられる。
音声/音楽処理についてはコンピュータからしたら音も一つのデータであり、音声データの分析には音声認識、話者認識、感情認識、音声合成などが挙げられ、音楽データの分析には、楽曲分析、自動作曲または作曲支援、音響分析、音楽認識、楽曲推薦、音楽データ圧縮などが挙げられ、環境音データの分析には環境音認識、音源分離、音源特定、異常音検出が挙げられる。
次に、パターン認識についてだが、音や画像などのデータを基に「何か」を当てることである。（例えば、コップの画像をコップと答えたり、○○の音楽をかけてを認識したりすること）ただ、パターン認識はデータサイエンスを知らない子供でも、人間として蓄えた知能や感性から認識が即座にできることに対してコンピューターには難しい。コンピュータは認識できる対象が事前に決められており、動物を認識済みのコンピュータが自動車をわからないし、逆も同様なことを言える。
ただ、パターン認識は身近になりつつあり、顔認識、食事認識（他にも多くある）などが身近になっている。
そもそも、コンピューターは対象を認識したときあらかじめ認識済みの画像から最も似ているものから答えを導く。ただ、ここで「似ている」は「どこが」という場所と「どのくらい」という程度を重視している。
最近のパターン認識を身に着けるための方法は大量データを機械学習することである。つまり境界線（「もの」と「もの」の区別）を引くことで成り立つ。また、機械学習の最近の傾向で多いのは深層ニューラルネットワークであり、境界線を引くものの分けられる側の状況を工夫することで、切り分けやすくなる（イメージとしては空間を曲げるともいえる。）また、ある質問からYES、NOによって、、違う質問にたどり着き、最終的な答えに導くルールベースのパターン認識にはなぜそのような認識をしたかを明確に説明できるという利点の一方で、ルール設定が不明確、ルールが性能がでない可能性があるという欠点がある。
最後に、このパターン認識の応用として、自動運転、自動診断、自動採点、異常検出（人間、食品、生産物、機械、建造物、コンピューターシステム）などが挙げられる。 | B |
C-2021-2_U128 | 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 | 非構造データ処理には、普段私たちが身近に利用している機能（翻訳、カメラなど）が挙げられ、パターン認識も前回同様にコンピューターはある程度機械学習する必要があることが分かりました。個人的にはパターン認識は人間にとって便利なものとして捉えられることができるのだと思いました。 | B |
C-2021-2_U128 | 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 | 今回は分からなかったこと・できなかったことはありませんでした。 | B |
C-2021-2_U128 | 10 | 4 | 質問があれば書いてください | １．私はパターン認識は人間の知識の習得の速さと独特の感性（夜景は綺麗、この音楽は好きなど）があるから簡単にできるのだと考えています。それに対して、コンピューターがパターン認識が難しいのは知識の習得は速いものの多種多様のデータが必要なうえに、感性がないためだと考えています。もし、コンピューターにも感性が身についたらより高度なパターン認識ができるのでしょうか？
２．ただの勘違いならすみません。非構造データ処理の3つのうちの１つに画像処理がありますが、画像データの分析課題の１つに見やすくすることを目的とした画像処理があります。この２つの画像処理は同じ意味だと思われるので、画像データの分析課題の１つの非構造データ処理を含んでいるという認識でよろしいのでしょうか？ | B |
C-2021-2_U128 | 10 | 5 | 今日の授業の感想や反省を書いてください | 今回も非構造データやパターン認識は私たち人間と深い関わりをもっているものであり、身近に感じることができる分かりやすい講義でした。次回の講義もよろしくお願いします。 | B |
C-2021-2_U155 | 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 | C |
C-2021-2_U155 | 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 | データ処理の分類について理解することができた。 | C |
C-2021-2_U155 | 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。 | C |
C-2021-2_U155 | 10 | 4 | 質問があれば書いてください | 特にないです。 | C |
C-2021-2_U155 | 10 | 5 | 今日の授業の感想や反省を書いてください | 情報科学は、線形代数のように他の強化とつながりがあるのだなということを知れてびっくりしました。 | C |
C-2021-2_U151 | 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 | 非構造化データ代表例として、言語データや画像データ・音声データなどがある。言語データ中のバベルの図書館っていう面白いものがある。画像データはベクトルで表わされる。機械でのパターン認識は難しいところがある。これを解決するために深層ニュートラルネットワークが活用される。 | B |
C-2021-2_U151 | 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 | 非構造化データの概要やパターン認識について理解が深まった。 | B |
C-2021-2_U151 | 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 | 特に今回は理解できない部分はなかった。 | B |
C-2021-2_U151 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U151 | 10 | 5 | 今日の授業の感想や反省を書いてください | 今回は特に難しくもなく、身近な例なども多く出てきて理解しやすかった。バベルの図書館は普通に面白いと思った。 | B |
C-2021-2_U167 | 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
・言語データ、画像データ、音声データ
・パターン認識
| B |
C-2021-2_U167 | 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 | 非構造化データのうち、言語データ、画像データ、音声データについての解説
コンピューターにおけるパターン認識の基本原理
深層ニュートラルネットワークのイメージ
パターン認識の応用 | B |
C-2021-2_U167 | 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 | ①自分で調べてみると、データ解析とデータ分析に意味上の違いがあったのですが、この授業ではどのように使い分けをしているのでしょうか
②深層ニュートラルネットワークの意味をもう一度説明してほしい | B |
C-2021-2_U167 | 10 | 4 | 質問があれば書いてください | ①自分で調べてみると、データ解析とデータ分析に意味上の違いがあったのですが、この授業ではどのように使い分けをしているのでしょうか
②深層ニュートラルネットワークの意味をもう一度説明してほしい
| B |
C-2021-2_U167 | 10 | 5 | 今日の授業の感想や反省を書いてください | 今回の授業はコンピュータとパターン認識というトピックであった。パターン認識は日常生活の様々な場面で使われていることが理解できた。異常検出についてはこれからますます成長の可能性と必要性が増すパターン認識だと思うので、体系的に学ぶことができて非常によかった。 | B |
C-2021-2_U146 | 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 | 非構造データというものには3種類あり、どれも身の回りに散在している | B |
C-2021-2_U146 | 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 | 音が機械にとってはデータであることと、体重や身長を表す数字がベクトルと関連していること | B |
C-2021-2_U146 | 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 | 機械学習 | B |
C-2021-2_U146 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U146 | 10 | 5 | 今日の授業の感想や反省を書いてください | パターン認識という技術が世の中をすごく便利にしていることを資料をみて実感した。身の周りにあることが取り上げられているため、関心は持ちやすかった。 | B |
C-2021-2_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 | 今回の授業では、非構造データ認識ついて学び、それはおもに言語処理、画像処理、音声・音楽処理の三つがあり、それぞれがデータとして認識されている。またパターン認識は似ている具合を考えて認識する。 | C |
C-2021-2_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 | 今日の授業で一番印象に残ったところは、画像はベクトルとイコール関係であると言うことだ。いわれてみればそういうことだと納得することがでいたので、大きな発見であった。 | C |
C-2021-2_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 | 今回の授業で、似てる具合について考えたが、その具合がどの程度なのかいまいち分からなかった。 | C |
C-2021-2_U28 | 10 | 4 | 質問があれば書いてください | 特にありません。 | C |
C-2021-2_U28 | 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、自分の身近なところでもよく考えられている話題だったので、とても興味深い内容だった。次も頑張りたい。 | C |
C-2021-2_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 | 非構造化データ処理には大きく3つの処理がある。1つ目は言語処理で、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。自然言語処理には翻訳や頻出単語などの処理があり、すでに日常生活を支える技術となっている。2つ目は画像処理である。画像は膨大な数の数字の組、すなわちベクトルで表すことができる。3つ目は音声・音楽処理である。私たちのオンライン授業で使うPCのマイクは環境音データの分析という技術に支えられている。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のことをパターン認識という。これは人間にとっては簡単なことであるが、AIにとっては非常に難しい。AIがこれをできるようにするために機械学習を行うが、最近は特に深層ニューラルネットワークという方法が主流である。パターン認識も自動化技術や異常検知など我々の生活をすでに支えている技術である。 | B |
C-2021-2_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 | 画像がベクトルで表されるものであることを知って、前期に学んだ線形代数がどのように使われるのかがわかった。またAIの技術がすでに自分の生活をあらゆる面で支えていることに気付かされた。 | B |
C-2021-2_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 | 特になし | B |
C-2021-2_U13 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U13 | 10 | 5 | 今日の授業の感想や反省を書いてください | まだまだほんの基礎しかやっていないのは承知だが、徐々にAIがどんなものなのかがわかってきて楽しい。 | B |
C-2021-2_U127 | 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 | 今回の講義は、非構造化データとパターン認識についてであった。データは、表形式のものを構造化データ、それ以外のものを構造化データと大きく2つに分類できる。非構造化データ処理には、言語処理、画像処理、音声/音楽処理の３つの種類がある。言語処理では、現在最も使われているものとして、言語データをコンピュータで分析する自然言語処理が挙げられる。これは、頻出言語や翻訳、要約、対話、校正、トピック分析などがあり、その応用として、意味解析やパラフレーズ解析、センチメント解析、文章生成が発展してきている。画像処理は、超高次元ベクトルを利用しており、次元数の増加など技術の進化が目覚ましい。しかし、画像認識や、コンピュータビジョン、画像処理、画像生成、特徴抽出など、様々な分析課題も残されている。音声分析には、音声認識、話者認識、感情認識、音声合成、音楽分析には、楽曲分析、自動作曲及び作曲支援、音響分析、音楽認識、楽曲推薦、音楽データ圧縮など、それぞれ多くの手法がある。また、環境音データ分析にも、環境音分析、音源分離、音源同定、異常音検出の種類がある。講義では、パターン認識についても説明があった。これは、多くのデータに対して、「何」であるのかを特定する方法であり、認識できる対象が事前に決められている、つまり、コンピュータ側での自発的な活用ができないという問題や「似ている具合」の識別などの困難が存在する。けれども、顔認識や食事認識、行動認識等で近年急激に利用されつつある。これの背景としては、機械学習、特に深層ニューラルネットワークの利用が進んでいることがある。今後は、自動運転や自動診断、異常検出などでの活用が期待される。 | B |
C-2021-2_U127 | 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 | 今回の講義では、非構造化データ処理には大別して3つの種類があり、それぞれで対象となるデータが異なることが分かった。また、どの処理も近年の技術の進展により、大きく成長しており、現に我々の身近で活用されていることも理解できた。また前回にも取り上げられた機械学習がどのような場面で使われているのかについても学習できた。 | B |
C-2021-2_U127 | 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-2021-2_U127 | 10 | 4 | 質問があれば書いてください | ルールベースのパターン認識の説明の際に、「フローチャートに似ている」というご説明がありましたが、フローチャートとはどのような点が異なるのか知りたいです。 | B |
C-2021-2_U127 | 10 | 5 | 今日の授業の感想や反省を書いてください | 今回は、具体例がとても多かったので理解がはかどりました。また、各回ごとBR-mapの作成をしているためか、前後のつながりにも意識して学習を進めることができました。この調子であと数回も頑張ります。 | B |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.