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_U164 | 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ついて
パターン認識
深層ニューラルネットワーク | C |
C-2021-2_U164 | 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 | 最近傍法やニューラルネットワークなどこれまでの講義で蓄えてきたがつながっていく、点と点がつながって線になっている感覚がある。 | C |
C-2021-2_U164 | 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 | C |
C-2021-2_U164 | 10 | 4 | 質問があれば書いてください | null | C |
C-2021-2_U164 | 10 | 5 | 今日の授業の感想や反省を書いてください | ベクトルは数の組であるという考え方が最も印象に残った。 | C |
C-2021-2_U170 | 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_U170 | 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_U170 | 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_U170 | 10 | 4 | 質問があれば書いてください | null | F |
C-2021-2_U170 | 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_U9 | 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を言語処理、画像処理、音声・音楽処理の３つに分けて考える。
まず、言語処理についてである。そもそも言語データとは、文字列で表されるデータのことである。この言語データを、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。頻出言語（言語データの中で最も多く出てきた単語を見つける処理）や翻訳、検索や校正、対話などがその例である。また、単語同士の結びつきを見出したりして意味付けを行う「意味解析」や、文章に潜む感情を推測する「センチメント解析」、さらに「文章生成」や「パラフレーズ解析」も自然言語処理の一種である。このような処理の際、コンピュータは各単語や文章を意味に応じて数値化し、ベクトル（＝数字の組）として表すことで、言葉の計算を可能にしている。
次に、画像処理についてである。画像はベクトルであるため、画像データを扱う際、コンピュータなどは常に超高次元ベクトルを扱うことになる。このような画像データの分析としては、「画像認識」や画像の色や明るさを補正する「画像処理」、３D立体視やトラッキングを行う「コンピュータビジョン」、「画像生成」や「特徴抽出」などが挙げられる。
最後に、音声・音楽処理についてである。音の波の高さを数値化することで、コンピュータにとって「音」は時系列データとなる。音は音声、音楽、環境音の大きく３つに分けられる。音声データの分析では、音声・話者・感情の認識や音声の合成などがある。一方、音楽データ分析では、楽曲や音響の分析、音楽の認識や音楽データの圧縮などがある。環境音データの場合では、環境音の認識や音源の分離・同定、異常音検出などが挙げられる。
以上のように、コンピュータは様々なデータを認識しているが、この「データが何であるかを当てる方法」を「パターン認識」という。私たち人間はパターン認識を幼いころから行っており、無意識・高精度・高速に実行できる。しかし、コンピュータにはパターン認識はまだ困難である。そもそもコンピュータがパターン認識を行う場合、認識できる対象（クラス）が事前に決められている必要がある。コンピュータによる「パターン認識」の基本原理は、あらかじめ登録されている画像とその物体名の中から最も「似ている」ものを選び出す、というものである。しかしこの場合、「どこ」が「どのくらい」似ているのかなど、適切な「似ている」の基準が曖昧であるという課題がある。そこで近年では、大量のデータと深層学習を利用し、「深層ニューラルネットワークが用意された大量のデータに境界線を引き、その境界線をもとに識別する」というパターン認識の仕組みが多くとられている。この際、深層ニューラルネットワークは空間を曲げていくことで境界線（直線）を引けるようにしている。
| A |
C-2021-2_U9 | 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 | パターン認識はどのような仕組みで行われているのか（境界線がひけるまで折り曲げていくイメージ）が分かった。 | A |
C-2021-2_U9 | 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 | 機械学習とパターン認識の関係性がよく分からなかった | A |
C-2021-2_U9 | 10 | 4 | 質問があれば書いてください | 調べたところ「パターン認識は機械学習の一部」と書かれていたのですが、どうしてそうなるのか説明していただけますか。 | A |
C-2021-2_U9 | 10 | 5 | 今日の授業の感想や反省を書いてください | パターン認識を利用したものが意外と身近にたくさんあることに驚きました。 | A |
C-2021-2_U126 | 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を考える。非構造化データの一つに言語データがあり、これを処理するのが翻訳や頻出言語などの自然言語処理である。画像＝ベクトルであり、画像の見え方を調節＝ベクトルを操作、と捉えられる。こういった非構造データの処理を支えるのがパターン認識である。パターン認識は自由に何でも認識できるわけではないので、人間のパターン認識の力と比べるとまだまだである。しかしパターン認識の技術により様々なものの自動化が進んでいる。 | C |
C-2021-2_U126 | 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 | 関数の平面を折り曲げるという説明で、深層学習によるパターン認識が少しイメージできたように思う。 | C |
C-2021-2_U126 | 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 | だいたい理解できたように感じる。 | C |
C-2021-2_U126 | 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_U126 | 10 | 5 | 今日の授業の感想や反省を書いてください | 自然言語処理の例で挙げられたものは意味解析やセンチメント解析などすべて日常でお世話になっている技術だが、改めてその処理の多様さと複雑さを感じて技術の進歩に驚いた。パターン認識がいかに人間が得意かという話が、たしかにと思って面白かった。 | C |
C-2021-2_U38 | 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 | 自然言語処理の例、画像とベクトルの関係、データである音の分析について、パターン認識の考え方
| B |
C-2021-2_U38 | 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 | 非構造データを処理することでデータを意味のあるものにして私たちの生活に役立てていることが分かった。 | B |
C-2021-2_U38 | 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_U38 | 10 | 4 | 質問があれば書いてください | バベルの図書館の一冊一冊はなぜ410ページなのでしょうか。
ちょっときになったものですから。ありがとうございます。 | B |
C-2021-2_U38 | 10 | 5 | 今日の授業の感想や反省を書いてください | Google翻訳や検索、画像検索、Googleアシスタントなどデータを非常に上手に活用して提供されたサービスを私たちは普段利用していると改めて思った。 | B |
C-2021-2_U62 | 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_U62 | 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_U62 | 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_U62 | 10 | 4 | 質問があれば書いてください | null | F |
C-2021-2_U62 | 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_U161 | 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や画像、音がその代表例で、表形式にはならないため非構造化データと呼ばれる。非構造データ処理には言語処理や画像処理、音声音楽処理などがある。パターン認識とはさまざまなデータを対象としてそれが何であるかをコンピュータに解かせるというものだ。人間は画像の認識や音声の認識を無意識、高精度に実現可能であるが、コンピュータに理解させるのは難しい。 | C |
C-2021-2_U161 | 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 | 人間にとっては画像や音声を認識することはなんちゃないことで簡単だと思っていたが、コンピュータにとってはとても難しいことであるということが分かった。また、それでも最近はパターン認識が身近になっていることは技術の発展に驚いた。 | C |
C-2021-2_U161 | 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-2021-2_U161 | 10 | 4 | 質問があれば書いてください | null | C |
C-2021-2_U161 | 10 | 5 | 今日の授業の感想や反省を書いてください | 人間にできることでコンピュータにできないことはもうないんじゃないかと思うほどコンピュータにできることが増えていてこれからの未来が楽しみである。 | C |
C-2021-2_U143 | 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にできるデータであり、今回は非構造化データについて学んだ。非構造データ処理の３つの方法を学んだ。コンピュータに可能なパターン認識と機械学習の関係について学んだ。 | B |
C-2021-2_U143 | 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、人間には簡単なことでもコンピュータには難しいことが多い。例えば、判断基準が曖昧な似ている具合の測定などは非常に困難だということが分かった。深層ニュートラルネットワークの空間を折り曲げることでパターン認識をしやすくするというイメージ図は、分かりやすかった。 | B |
C-2021-2_U143 | 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 | 現代のコンピュータでは、どれほど似ている具合を測れるのか気になった。 | B |
C-2021-2_U143 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U143 | 10 | 5 | 今日の授業の感想や反省を書いてください | バベルの図書館など面白い余談が挟まれており、楽しく講義を受けることが出来た。画像は、いくつものベクトルによって構成されているという考え方は、新鮮で面白く感じた。パターン認識に深入りすると、面白いとスライドにあったので、自分でも考えてみたいと思った。 | B |
C-2021-2_U4 | 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_U4 | 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_U4 | 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_U4 | 10 | 4 | 質問があれば書いてください | null | F |
C-2021-2_U4 | 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_U23 | 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うちの言語処理、画像処理、音声音楽処理やパターン認識を学んだ。 | C |
C-2021-2_U23 | 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 | 自動化技術がパターン認識を応用したものだということ。 | C |
C-2021-2_U23 | 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＝ベクトルということ。 | C |
C-2021-2_U23 | 10 | 4 | 質問があれば書いてください | null | C |
C-2021-2_U23 | 10 | 5 | 今日の授業の感想や反省を書いてください | 今日の授業では、非構造化データについてだった。身近なものがデータでできていたのがびっくりした。 | C |
C-2021-2_U108 | 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 | 前回は構造化データについて扱ったが、今回は表形式でない日構造化データについて学んだ。たとえば文字や画像、音などが挙げられ構造化されていないデータ絵をどのように識別するのか、ＡＩに分析・出力させる制度を高めるにはどのような機械学習が必要か、ということの概要をつかむことができた。 | B |
C-2021-2_U108 | 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 | 日構造化データの処理方法は主に言語処理、画像処理、音楽処理の３つである。言語処理では頻出言語や翻訳などをはじめとする「自然言語処理」からなり、画像処理にはベクトル、行列を利用した画素解析、音楽処理では音声・音楽・環境音の３つのカテゴリに分けて、それぞれの特性に合った分析を行う。AIによって分析を行わせるには、「パターン分析」をさせておく必要がある。大量のデータを与えて機械学習させることにより、帰納的により正確な基準で判別することができる。一方深層ニューラルネットワークでは、空間を曲げることで識別するための境界を決めていく。 | B |
C-2021-2_U108 | 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として、「空間を曲げる」とあったが、折り紙では理解できた。ただ、４５枚目のスライドの箱のような図が一体何の意味を示しているのかが分からなかった。「似ている」という基準があいまいだと、パソコンやスマートフォンで利用している顔認証は果たして安全なのか不安になる。たとえばプロの物まね芸人とメイクさんが、外見上ほとんど区別のつかないほど他人に真似ると、AＩはいったいどういう判断を下すのかが気になる。また、その精度も気になるところだ。 | B |
C-2021-2_U108 | 10 | 4 | 質問があれば書いてください | 上記のように、ほぼ完全に顔を真似してもAIは「別人」と認識するのか、それとも「日によって出てくる単なる誤差」としてとらえるのか、どちらかが気になる。 | B |
C-2021-2_U108 | 10 | 5 | 今日の授業の感想や反省を書いてください | 画素解析にベクトルや行列の概念が使われていることに驚いた。また、深層ニューラルネットワークでは「空間を曲げる」という相対性理論みたいなことが出てきたので混乱してしまった。 | B |
C-2021-2_U59 | 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 | 文章や画像、音などといった「非構造化データ」の処理は、言語処理、画像処理、音声/音楽処理の３つに分けられる。また、パターン認識とは、様々なデータを対象にしてそれが「何」であるかをあてる方法であり、我々にとって身近なものといえる。 | B |
C-2021-2_U59 | 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 | コンピュータにおけるパターン認識の説明について。 | B |
C-2021-2_U59 | 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 | 画像処理のグレースケール画像などについての説明について。 | B |
C-2021-2_U59 | 10 | 4 | 質問があれば書いてください | 特にありません。 | B |
C-2021-2_U59 | 10 | 5 | 今日の授業の感想や反省を書いてください | パターン認識のところの説明が、図などがあってわかりやすかったです。 | B |
C-2021-2_U48 | 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、音声が代表例である。言語データをコンピュータで分析することを自然言語処理といい、その例として、頻出言語を見つけること、翻訳すること、検索、要約、対話、校正、トピック分析などがある。また、意味解析、パラフレーズ解析、センチメント解析、文章生成などもある。画像はベクトルであり、スマホやカメラの画素としてある。画像データの分析として、画像認識、コンピュータビジョン、画像処理、画像生成、特徴抽出などがある。コンピュータにとっては音もデータであり、3種類の音があり、それは人間の声である音声、音楽、雑音や騒音、生活音などの一般の環境音である。音声のデータ分析として、音声認識、話者認識、感情認識、音声合成などがある。また、音楽データの分析として、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、音楽データの圧縮などがある。環境音データの分析として、環境音認識、音源分離、音源同定、異常音検出などがある。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、それが何であるのかを当てる方法である。コンピュータにはこれが難しいが、それでも最近はパターン認識が身近になりつつある。コンピュータによるパターン認識は例として食べ物画像認識では、お手本画像が登録されており、いろいろな食べものを認識している。しかし、似ている具合を定量的に表すことは難しい。最近のパターン認識は大量データによる機械学習によってなっている。最近では深層ニューラルネットワークがある。パターン認識の応用として、自動運転、自動診断、無人店舗などがある。 | A |
C-2021-2_U48 | 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 | 私たちの身の回りには様々な非構造化データがあることが分かった。自然言語処理、画像処理、音声処理の3つが代表例としてあることが分かった。また、画像はベクトルと同じであることが分かった。パターン認識はコンピュータでは難しいが、現在様々なところで使われていることが分かった。パターン認識は大量のデータとそれによる機械学習によってできるようにしていることが分かった。 | A |
C-2021-2_U48 | 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-2021-2_U48 | 10 | 4 | 質問があれば書いてください | null | A |
C-2021-2_U48 | 10 | 5 | 今日の授業の感想や反省を書いてください | データはベクトルと関係していることを知って線形代数と結びついていて面白いなと思った。 | A |
C-2021-2_U104 | 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 | 言語や画像、音声などのデータを非構造データと呼び、自然言語処理などの技術を使い、分析・処理を行っている。様々なデータをもとに、それが何かを当てる方法をパターン認識といい、機械にとってこれは難しいことである。よって、大量のデータを用いてコンピュータに境界線を引いてもらうことにより、機械学習をさせてパターン認識をさせている。 | B |
C-2021-2_U104 | 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 | 非構造データの処理のいろいろな方法と、それらを用いて何であるかを認識するパターン認識の仕組みやそれを機械にしてもらうための機械学習の仕組みがよく分かった。 | B |
C-2021-2_U104 | 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 | 様々な例が用いられたスライドが分かりやすく、分からなかったことはなかった。 | B |
C-2021-2_U104 | 10 | 4 | 質問があれば書いてください | 特になし。 | B |
C-2021-2_U104 | 10 | 5 | 今日の授業の感想や反省を書いてください | 人間では容易であるが、コンピュータにパターン認識をさせるためには大量のデータをもとに境界線を引き、機械学習をさせなければならないというのが興味深かった。また、具体的で身近な例がたくさんあって、分かりやすかった。パターン認識の応用で私たちが想像する近未来的な社会ができあがるのは、とても楽しみであると感じた。 | B |
C-2021-2_U147 | 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 | 非構造化データを代表例(文章、画像、音)で説明した。パターン認識は人間には簡単だが、コンピューターには難しく、機械学習させるためには、大量のデータが必要である。 | B |
C-2021-2_U147 | 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 | 非構造化データを例を通してわかった。 | B |
C-2021-2_U147 | 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 | ないです。 | B |
C-2021-2_U147 | 10 | 4 | 質問があれば書いてください | ないです。 | B |
C-2021-2_U147 | 10 | 5 | 今日の授業の感想や反省を書いてください | たくさんの例を挙げてくれてわかりやすかったです。 | B |
C-2021-2_U119 | 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(言語処理、画像処理、音声・音楽処理)、パターン認識について学んだ。 | A |
C-2021-2_U119 | 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 | どういうところで言語処理が行われているか、画像データについて、音声データについて、パターン認識の目的やどういうものかを理解できた。 | A |
C-2021-2_U119 | 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-2021-2_U119 | 10 | 4 | 質問があれば書いてください | null | A |
C-2021-2_U119 | 10 | 5 | 今日の授業の感想や反省を書いてください | 今回の講義で習った翻訳のところが個人的には一番興味を持ちました。今まで何度もお世話になったことのある翻訳はどういう仕組みでされているんだろうと今まで不思議に思っていました。昔と今とでは仕組みが違うことも知りませんでした。最近精度が上がっているといわれていますが、おかしいなと感じることも多々あるけれど、近い将来AIの学習のおかげで、もっともっと精度が上がっていくと思うとほんとにすごいなと感じました。でも、言語は人が使うことによって変化していくけれど、その変化にも対応することは可能なのだろうかと思いました。 | A |
C-2021-2_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 | 言語データとは、文字列で表されたデータのことである。曲もデータによって作ることができる。似ている具合に決まりはなく個人の主観によっても変わるので、グルーピングは難しいが、大量のデータを使って境界線を決めることはできる。 | B |
C-2021-2_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 | 音声合成や音声認識私たちの生活をより豊かに楽しくしてくれるものだけでなく、環境音認識や異常音検出など安全面にも音楽データは使われていることが分かった。 | B |
C-2021-2_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 | 特にないです。 | B |
C-2021-2_U54 | 10 | 4 | 質問があれば書いてください | 特にないです。 | B |
C-2021-2_U54 | 10 | 5 | 今日の授業の感想や反省を書いてください | 今日も小テストは満点だったので、次回も頑張りたいです。今や芸術ですらデータ分析できるのだと分かり驚きました。確かに人気アーティストのYOASOBIも声をボーカロイドのように変えたりドラムのような音をコンピューターで出したりしていて、身近に聞いている曲でもコンピュータが使われていて面白いと感じました。 | B |
C-2021-2_U74 | 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 | 非構造化データの分析するためには様々な処理作業が必要でパターン認識は機械学習がやはり必要である | B |
C-2021-2_U74 | 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AIにとっては難しすぎるということ | B |
C-2021-2_U74 | 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_U74 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U74 | 10 | 5 | 今日の授業の感想や反省を書いてください | AIが発達して自動化されるまではこれからもっと技術が発達しなければいけないんだと思った。 | B |
C-2021-2_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 | 今回の授業では構造化データや非構造化データについてそしてパターン認識について学んだ。非構造データを処理する上では主に三つあり、それは言語処理と画像処理と音声、音楽処理である。次に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それも身近になってきているのだが、何が似ていて、何が似ていないのかというのを決めるのはすごく難しい。最近では大量のデータを学習させてパターン認識をさせている。 | C |
C-2021-2_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 | パターン認識をするにも単純に考えることができず、何が似ていて何が似ていないのかということを考えるのは非常に難しいということ。 | C |
C-2021-2_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 | なし
| C |
C-2021-2_U67 | 10 | 4 | 質問があれば書いてください | なし
| C |
C-2021-2_U67 | 10 | 5 | 今日の授業の感想や反省を書いてください | 自分の知らないようなパターン認識について知れてよかった。それに関してはもっと単純にできるものだと思っていた。 | C |
C-2021-2_U145 | 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 | 非構造化データと分析、その応用例について | A |
C-2021-2_U145 | 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 | まず、非構造化データの代表例として、文章、画像、音などがあることがわかった。また、言語デーていることがタをコンピュータによって処理する自然言語処理は多岐にわたって用いられており、文字列から意味を解析するためにも用いられていることがわかった。
画像データにはベクトルが深くかかわっていることがわかった。 | A |
C-2021-2_U145 | 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-2021-2_U145 | 10 | 4 | 質問があれば書いてください | null | A |
C-2021-2_U145 | 10 | 5 | 今日の授業の感想や反省を書いてください | パターン認識を実行するためには、大量のデータが必要で、そこで機械学習が絡み、前回習った深層ニューラルネットワークが最近のトレンドとしてでてきて少し内容がつながったように思えました。
人間でさえ似ているという感覚はバラバラなのだから、コンピュータに学習させることは確かに難しいと感じました。 | A |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.