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_U117 | 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主に3つの処理がある。言語処理、画像処理、音声/音楽処理である。まずは言語処理。言語データは主に自然言語処理によって分析される。自然言語処理は頻出言語や翻訳などを可能にしている他、単なる文字列から意味をも持たせている。次に画像処理。ここで画像はベクトルでありベクトルは数字の列なので画像はベクトル(数字の列)として処理される。最後に音声/音楽処理。音は波の高さを数値化することでデータとして処理されている。
パターン認識とは様々なデータを対象としてそれが何かを当てる方法。コンピュータのパターン認識は身近になりつつあるがまだまだ難しい。基本の原理は似たものをグルーピングすること。しかしこの似ている具合がはっきりしないため難しい。最近では大量のデータと機械学習によってパターン認識が行われてきている。この機械学習にもいろいろあるが、トレンドは深層ニュートラルネットワークである。 | B |
C-2021-2_U117 | 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 | 言語も画像も音声もすべて数字や文字列としてコンピュータで分析可能なデータとしてそれぞれ処理されていることが分かった。以前の授業ではどのようなものか全く想像がつかなかった深層ニュートラルネットワークについて今日の授業でなんとなくどのようにパターン認識しているのか理解できた。 | B |
C-2021-2_U117 | 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 | データを圧縮するということの意味がよくわからなかった。
自然言語処理によって言語データが処理されていることが分かった。翻訳などは以前に比べるとより正確な訳ができるようになっていると感じるが、その自然言語処理の精度はどのようにして高められるのかまではわからなかった。 | B |
C-2021-2_U117 | 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_U117 | 10 | 5 | 今日の授業の感想や反省を書いてください | 自然言語処理によって、ただの文字、数字ではなくニュアンスまで読み取ったデータ処理ができるのはすごいことだと感じた。また、パターン認識では似ているの基準はいろいろあってはっきりと１つに定まらないのが難しいが逆にそれが情報科学を面白くしているのだと感じた。 | B |
C-2021-2_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 | 非構造データと構造データがある。
非構造データ処理の例：言語処理、音声・音楽処理、画像処理
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
例）頻出言語・翻訳・検索・要約・対話・校正・トピック分析・意味解析・パラフレーズ解析・センチメント解析・文章生成
画像データ＝ベクトル
画像を作る＝ベクトルを作る
パターン認識＝様々なデータを対象に、それがなんであるかを当てる方法
深層ニュートラルネットワークで機械学習！ | C |
C-2021-2_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 | 画像データはベクトルである。 | C |
C-2021-2_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 | 特にありません。 | C |
C-2021-2_U65 | 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_U65 | 10 | 5 | 今日の授業の感想や反省を書いてください | 画像データがベクトルであることが衝撃だった。 | C |
C-2021-2_U33 | 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 | コンピューターがどうやってデータを認識するのかを学んだ。パターンを認識することは人間には簡単だが、コンピューターには非常に難しい。
最近は境界線を引く方法を利用している。深層ニューラルネットワークを使った学習を通じてパタンを認識できる。 | B |
C-2021-2_U33 | 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 | 画像が実はベクトルであること、そして、普通使っているスマホで写真を撮るさい、シャッターを押す瞬間に４００万次元ベクトルが生まれることが分かった。 | B |
C-2021-2_U33 | 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_U33 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U33 | 10 | 5 | 今日の授業の感想や反省を書いてください | 人間が簡単にする行為をコンピュータが模倣するのは非常に難しいということから、人間の知能のすごさを実感した。 | B |
C-2021-2_U17 | 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(言語処理、画像処理[ベクトル]、音声/音楽処理）
パターン認識（コンピュータには難しい、何でも自由に認識できるわけではない、画像認識など様々な認識）
パターン認識と機械学習（深層ニューラルネットワーク）
パターン認識の応用(自動化技術、異常検出）
最近傍法と特徴抽出（パターンはベクトルで表す） | B |
C-2021-2_U17 | 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 | データをコンピュータが処理して活用するにはパターンを認識することとそれを応用しなければならないことが分かりました。 | B |
C-2021-2_U17 | 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 | １５ページにある、画像をベクトルで表すことは１画素を一つのベクトルで表していることで表しているという理解であっているでしょうか？高校までで習ったベクトルと違うみたいでよくわかりませんでした。 | B |
C-2021-2_U17 | 10 | 4 | 質問があれば書いてください | 時々ニュースで、コンピュータのシステムトラブルにより問題が発生したという報道がされることがありますが、それはパターン認識がうまく作動しなかったことが主な原因となるのですか？
事例によって異なるのならパターン認識によるトラブルは他の原因と比べて頻度が多いのでしょうか？ | B |
C-2021-2_U17 | 10 | 5 | 今日の授業の感想や反省を書いてください | 今日はとても理解しやすい内容でした。今回の講義でもコンピュータは万能ではないということが分かりましたが、うまく利用すれば、今の私たちの生活に欠かせない機能を持っていることが分かりました。 | B |
C-2021-2_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 | 今日は非構造化データについて学びました。これには、言語処理・画像処理・音声・音楽処理の三つがあります。言語データとは文字列で表されるデータのことです。自然言語処理を用いて処理します。自然言語処理の中には、頻出言語を見つけることや翻訳などが該当します。他には検索・要約・対話・校正・トピック分析などがあります。更には、意味解析・パラフレーズ解析・センチメント解析・文章生成なども含まれます。また、画像データには、カメラ画像・ナンバープレート・医療画像などがあります。また、ここでのベクトルとは数字の組を意味し、何次元にもなれます。画像はベクトルと同じであると言えるぐらい密接です。画像データの分析課題には、画像認識・コンピュータービジョン・画像処理・画像生成・特徴抽出などがあります。音声データの分析には、音声認識・話者認識・感情認識・音声合成などがあります。また、サウンドスペクトログラムによる音声の分析も可能です。音楽データの分析には、楽曲分析・自動作曲および作曲支援・音響分析・音楽認識・作曲推薦・音楽データの圧縮などがあります。また、パターン認識とは、様々なデータが何であるかを当てる方法のことです。人間にはパターン認識が簡単であるが、コンピューターには難しいことです。最近は、大量のデータを機械に学習させ、境界線を引いてもらうことでパターン認識を行っています。境界線を引くには深層ニューラルネットワークを利用します。そのため、空間を折り曲げてような方法で境界線を引きやすくしています。 | B |
C-2021-2_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 | 相関関係とは何か、クラスタとは何かについて学びました。また、AIについて全般的に分かり、自分が思ったロボットのイメージだけがAIではなく、身近なところにあるSIりなどのチャットボットや様々なものがAIであったことに気づきました。 | B |
C-2021-2_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 | ありません。 | B |
C-2021-2_U39 | 10 | 4 | 質問があれば書いてください | ありません。 | B |
C-2021-2_U39 | 10 | 5 | 今日の授業の感想や反省を書いてください | ありません。 | B |
C-2021-2_U14 | 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・画像・音といった表形式にはならないデータのことをいう。文字列で表されるデータを言語データといい、それを分析する技術として自然言語処理という。自然言語処理の例として、頻出単語を見つける、翻訳、検索、要約などがある。画像データはベクトルで表される。音のデータは音声、音楽、環境音などに分類でき、それぞれ分析される。パターン認識とは様々なデータを対象としてそれが何かを当てる方法のことである。コンピュータにとっては困難なことであるものの身近になりつつもある。最近のパターン認識は大量データと機械学習の掛け合わせによって発達してきた。パターン認識は自動化技術や異常以上検出に検出に応用されてきている。 | A |
C-2021-2_U14 | 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 | 非構造データが様々な方法で分析されることが分かった。それによってたくさんのことが可能になっていることも分かった。またパターン認識について人間にとっては簡単であるがコンピュータにとっては難しい点も多いがそれでも克服して身近なあらゆるものに応用されているのはすごいと感じた。 | A |
C-2021-2_U14 | 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 | よく理解できた | A |
C-2021-2_U14 | 10 | 4 | 質問があれば書いてください | 特にありません | A |
C-2021-2_U14 | 10 | 5 | 今日の授業の感想や反省を書いてください | 非構造データの処理・分析について学び、様々なことが可能であることを知りとても興味深かった。また、パターン分析の奥深さについてももっと知りたいと感じた。 | A |
C-2021-2_U123 | 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_U123 | 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_U123 | 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_U123 | 10 | 4 | 質問があれば書いてください | null | F |
C-2021-2_U123 | 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_U7 | 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_U7 | 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_U7 | 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_U7 | 10 | 4 | 質問があれば書いてください | null | F |
C-2021-2_U7 | 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_U140 | 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 | 言語データを処理する際には、様々な方法が存在する。また、画像や音などを分析した上で、それが何であるかを具体的に知るパターン認識も存在する。その際に似てるものをどのような基準で判断するかなどの基準もたくさん存在しうる。 | C |
C-2021-2_U140 | 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 | 人間であれば、当たり前にできることであっても、機械だと最初に学習しなければできるようにはならないことが数多く存在すること。パターン認識など。 | C |
C-2021-2_U140 | 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＝ベクトルになる理由があまり理解できなかった。 | C |
C-2021-2_U140 | 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_U140 | 10 | 5 | 今日の授業の感想や反省を書いてください | コンピューターの分析能力は人間を遙かに上回っているが、それをグルーピング化する際の基準はおそらく人間によって決められるであろうことが、人間とコンピューターがそれぞれ足りていないものを補っているようで良いと思った。 | C |
C-2021-2_U165 | 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 | 非構造化データの具体的な内容とパターン認識の内容、目的について、またパターン認識と機械学習について | D |
C-2021-2_U165 | 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 | 非構造化データが具体的にどのようなものか、またパターン認識とは何かとおsの目的について学んだ。 | D |
C-2021-2_U165 | 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 | 授業の内容は説明が具体的でわかりやすいものだったのでわからない点は特になかった。 | D |
C-2021-2_U165 | 10 | 4 | 質問があれば書いてください | null | D |
C-2021-2_U165 | 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ものを初めて知った。コンピュータに認識させるためにいろいろな工夫があるのだと知って面白かった。 | D |
C-2021-2_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 | null | F |
C-2021-2_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 | null | F |
C-2021-2_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 | null | F |
C-2021-2_U49 | 10 | 4 | 質問があれば書いてください | null | F |
C-2021-2_U49 | 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_U36 | 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言語処理、画像処理、音声・音楽処理の3つがある。自然言語処理には頻出言語と翻訳が例として挙げられる。意味解析、パラフレーズ解析、センチメント解析、文章生成を行うことで単なる文字列から意味へと発展できる。ベクトルは数字の組であらわされ、画像を作ることはベクトルを作ることである。音も波の高さなどを数値化することでデータになる。音声データの分析には音声認識、話者認識、感情認識、音声合成がある。音楽分析には楽曲分析、自動作曲、音響分析、音楽認識、楽曲推薦、音楽データ圧縮がある。環境音データの分析には、環境音認識、音源分離、音源同定、異常音検出ががある。パターン認識とは、画像や音声、テキストなど様々なデータを通して、それが何かを当てる方法である。人間はパターン認識を行うのは容易だがコンピューターはまだ難しく、前提として認識できる対象は事前に決められている。最近のパターン認識は大量なデータと深層ニューラルネットワークをはじめとした機械学習によって境界線を引いている。 | B |
C-2021-2_U36 | 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 | 3つ非構造化データ処理の大まかな例が分かった。コンピューターのパターン認識は大量のデータと機械学習によって境界線を引くことでできているのだとわかり、深層ニューラルネットワークがどのように境界線を引いているのかをイメージ図によって理解することができた。 | B |
C-2021-2_U36 | 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 | パターン認識において認識できる対象があらかじめ決められているのはどうしてなのかわからなかった。 | B |
C-2021-2_U36 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U36 | 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、音声データ、画像データの3つの非構造化データの処理がどのように行われているのかが軽く理解できた。コンピューターによるパターン認識が進めば今よりもあらゆる場所において応用でき、我々の生活の助けになってくれるだろうと感じた。 | B |
C-2021-2_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 | null | C |
C-2021-2_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 | null | C |
C-2021-2_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 | C |
C-2021-2_U94 | 10 | 4 | 質問があれば書いてください | null | C |
C-2021-2_U94 | 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_U71 | 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 | 非構造データの各解析方法と処理方法、パターン認識について学ぶ。 | C |
C-2021-2_U71 | 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 | 非構造データの解析方法と処理方法、パターン認識について分かりました。 | C |
C-2021-2_U71 | 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_U71 | 10 | 4 | 質問があれば書いてください | null | C |
C-2021-2_U71 | 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_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 | コンピューターの画像・言語・音声等の処理、パターン認識と機械学習
| B |
C-2021-2_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 | 機械学習がどのようなものなのかを理解できました。また、様々な分野でパターン認識が活用されていることから重要性もわかりました。 | B |
C-2021-2_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 | 特にありません。 | B |
C-2021-2_U88 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U88 | 10 | 5 | 今日の授業の感想や反省を書いてください | 画像が多次元ベクトルという話が面白かったです。 | B |
C-2021-2_U106 | 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 | 構造化データや非構造化データとは何か、非構造化データの代表例とそれについてやパターン認識についてやパターン認識が行えることと行えないことやそれの応用例について学びました。 | B |
C-2021-2_U106 | 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 | 非構造データ処理の過程と先週学んだAIの役割との関連や自然言語処理がどのように機能しているのかやパターン認識における人間とコンピューターの能力の違いやそれが行われるための条件について学ぶことができました。 | B |
C-2021-2_U106 | 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よるパターン認識のところで空間を曲げるとあったが空間を曲げてしまうことによりあるデータの重なりが生じてしまい正しくデータを処理できないのではないかと疑問に思いました。 | B |
C-2021-2_U106 | 10 | 4 | 質問があれば書いてください | 復習のために小テストを見返したいのですがレビューを開けるようにしてもらえませんか？ | B |
C-2021-2_U106 | 10 | 5 | 今日の授業の感想や反省を書いてください | データの分野ではこれまでに自分の中で習ったデータの種類やAIの機能とその応用などが今日学んだ分野に応用できるので予習と復習の成果が出ているなと実感しやすいところでした。 | B |
C-2021-2_U31 | 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言語、画像、音などがあり、それぞれ様々な分析が行われている。
コンピュータによる分析にパターン認識という分析があり、近年は深層ニューラルネットワークによって行われ自動化技術や以上検出など様々な分野に応用されている。 | A |
C-2021-2_U31 | 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 | 前回わからなかった深層ニューラルネットワークの仕組みを理解することができた。
非構造化データの言語、画像、音について、それぞれ分析、処理方法が様々あるということがわかった。
パターン認識は境界線などが曖昧な場合も多く、人間にとっては簡単でも、コンピュータにとっては難しい場合があるということがわかった。 | A |
C-2021-2_U31 | 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_U31 | 10 | 4 | 質問があれば書いてください | null | A |
C-2021-2_U31 | 10 | 5 | 今日の授業の感想や反省を書いてください | 言語による検索や、画像、音など身近な内容が多く興味深い内容であった。
前回きちんと理解できなかった深層ニューラルネットワークについて理解できたためよかった。
画像がベクトルとして分析されているということに驚いた。 | A |
C-2021-2_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 | 一見２進法のコンピュータでは分析しにくいと思われる非構造データに対する分析方法について学んだ。
最近話題の自然言語処理や画像処理、音声処理など。
線形代数の学習する意義の一つにベクトルを扱いたい。 | C |
C-2021-2_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 | 最近よく聞く技術に関する抽象的な手法の説明はわかった。
線形代数の学習意義が分かった
「似ている」ものを分類したりする方法の具体的なイメージが分かった。 | C |
C-2021-2_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 | 付録のパターン認識の話が興味深かったので、ググってみたところ数学力の無さで絶望した。 | C |
C-2021-2_U20 | 10 | 4 | 質問があれば書いてください | null | C |
C-2021-2_U20 | 10 | 5 | 今日の授業の感想や反省を書いてください | 課題を提出しそこねた。 | C |
C-2021-2_U44 | 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言語処理と画像処理、音声・音楽処理がある。文字列で表される、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呼び、頻出単語や翻訳、検索などがそれにあたる。画像は、数字の組であるベクトルであると考えることが出来る。画像データを処理することはベクトルを操作することである。音を波の高さを数値化したデータとして捉えることで、音声データや音楽データの分析ができる。また、様々のデータを対象とし、それが何かを当てる方法をパターン認識という。 | B |
C-2021-2_U44 | 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 | 人間にとっては容易なパターン認識をコンピュータにさせるのは難しいことが分かった。 | B |
C-2021-2_U44 | 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 | 深層学習における「空間を曲げる」という操作がよく理解できなかった。 | B |
C-2021-2_U44 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U44 | 10 | 5 | 今日の授業の感想や反省を書いてください | パターン認識に関して、「似ている」という考え方が実は曖昧だという話が面白く、似ているものと似ていないものの線引きは確かに難しいのだなと感じた。 | B |
C-2021-2_U99 | 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言語処理、画像処理、音声/音楽処理の3つがあり、言語処理には自然言語処理が主に使われていて、頻出言語、翻訳などで使われている。画像処理にはベクトルが応用されており、線形代数を利用して画像を超高次元ベクトルに変換して処理している。主に画像認識、コンピュータビジョンなどで使われている。音声/音楽処理では音をデータとして分析し、音声認識、話者認識などで使われている。パターン認識は、データがなんであるかを当てる方法であり、機械学習や大量データを用いて、画像認識や音声認識、自動運転などに応用されている。 | B |
C-2021-2_U99 | 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 | 非構造化データ処理について、3種類の処理方法が分かった。また、パターン認識の仕組みについて理解できた。1学期前期で習った線形代数が、何に使われるのかは今までよくわからないままだったが、今回の講義で画像処理に応用されていることが分かった。 | B |
C-2021-2_U99 | 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_U99 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U99 | 10 | 5 | 今日の授業の感想や反省を書いてください | 大学数学を学んだ意味が少しわかって、前期の勉強が少し報われた気分になった。微分積分学は物理学や化学で応用されているのでわかりやすいが、線形代数は一部が物理学で使われているのを除けばいまいちどこで使われているのかよくわからなかったので、それが知れてよかった。 | B |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.