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_U57 | 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、音などの表形式にならないデータのことである。このデータの処理は大まかに分けて、言語処理、画像処理、音声・音楽処理に分類されそれぞれの方法で処理される。これらを応用することで人間にとっては簡単なパターン認識をコンピューターにさせようとしている。この発展により、自動運転や自動診断などが行われる世界が訪れるだろうとされている。 | B |
C-2021-2_U57 | 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 | 日常生活を送っていて、たまに耳にする「コンピューターにはまだ難しいこと」の内容を理解することができた（今回学んだ内容がそのすべてだとは思わないが）。具体的にこれを理解することができたのはよかったと思う。 | B |
C-2021-2_U57 | 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 | 特になかったです。 | B |
C-2021-2_U57 | 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_U57 | 10 | 5 | 今日の授業の感想や反省を書いてください | 身近な内容だったので理解に苦しまなかったのはよかったです。 | B |
C-2021-2_U122 | 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。代表例は言語データである。言語データを自然言語処理することで頻出言語を見つけたり翻訳したりできる。画像はベクトル。画像は線形代数と繋がっている。音もデータであり、人の声や環境音も分析できる。パターン認識はそれが「何」であるかを当てる方法だがコンピュータには難しいが身近になりつつある。パターン認識を応用すると自動化・異常検出ができる。 | C |
C-2021-2_U122 | 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 | 様々なデータを分析することで、今では当たり前になりつつある技術ができる。 | C |
C-2021-2_U122 | 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_U122 | 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_U122 | 10 | 5 | 今日の授業の感想や反省を書いてください | 今線形代数を履修していますが、難しいし、なんの役に立つのかわからなかったのですが、今回画像分析に役立つと言うことを知ることができて良かったです。 | C |
C-2021-2_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 | パターン認識の原理と実態 | C |
C-2021-2_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 | 似ている具合という項目の不明瞭さ | C |
C-2021-2_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 | null | C |
C-2021-2_U24 | 10 | 4 | 質問があれば書いてください | null | C |
C-2021-2_U24 | 10 | 5 | 今日の授業の感想や反省を書いてください | 人間ですら個人差の激しい項目になんとか基準を置いて判別するということの難しさに触れたような気がします。個人差のあるAIのようなもののほうが作りやすかったりするんでしょうか… | C |
C-2021-2_U43 | 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・音楽処理の三つが存在する。言語データは文字列で表されるデータのことである。自然言語処理とは言語データをコンピュータのよって分析する技術のことであり、例として頻出言語、翻訳、検索、要約、対話などが挙げられる。画像データについては、ここでベクトルを「数字の組」と定義すると、画像はベクトルととらえることができる。音声データの分析には音声認識や話者認識などがあり、音楽データの分析には楽曲分析や自動作曲などがある。
パターン認識とは画像や音声などのデータを対象としてそれが何であるのかを当てる方法のことである。この技術の問題点としては、認識できる対象が前もって決められており、それ以外はできないことが挙げられるが、この技術はさまざまな場所で使われている。 | B |
C-2021-2_U43 | 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について学ぶことができた。 | B |
C-2021-2_U43 | 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_U43 | 10 | 4 | 質問があれば書いてください | 特になし。 | B |
C-2021-2_U43 | 10 | 5 | 今日の授業の感想や反省を書いてください | 身近な内容もあり、わかりやすかった。復習をしっかりして次の授業に臨みたい。 | B |
C-2021-2_U132 | 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 | 非構造データの解析には様々な例があるという事 | B |
C-2021-2_U132 | 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 | コンピューターでもパターン認識には限界があること | B |
C-2021-2_U132 | 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 | 真相ニューラルネットワークの仕組み | B |
C-2021-2_U132 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U132 | 10 | 5 | 今日の授業の感想や反省を書いてください | 深層にゅーらるねっとわーくをしっかり勉強したい | B |
C-2021-2_U114 | 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 | 非構造式データの主な処理方法は三種類ある。一つ目は言語処理、二つ目は画像処理、三つ目は音声/音楽処理である。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いうが、パラフレーズ解析やセンチメント解析などまだ向上できる余地はある。画像処理においては画素数nの画像をn次元ベクトルとみなして分析している。音には人間の声、音楽、環境音の三種類があるが、それぞれに対して様々な解析技術が存在する。パターン認識は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。その原因は前提としてコンピュータは認識できる対象(クラス)が事前に決められており、自由に何でも認識できるわけではないからである。しかし画像や音声の一部のみを認識する技術を用いたものはこの世に多く存在する。最近のパターン認識は大量データと機械学習を使っている。その最たる例が深層ニューラルネットワークである。またルールベースに則ったパターン認識もあるが、判断基準を明確化することができるという利点がある反面、性能が悪い、ルールの設定が困難であるなどといった欠点も持ち合わせている。これらのパターン認識を用いて自動化技術や異常検出技術などが発展している。 | B |
C-2021-2_U114 | 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 | 深層ニューラルネットワークには、データがちりばめられた状態から空間を折り曲げるイメージで、境界線が引けるようにする層が無数にあることが分かりました。パターン認識には膨大な量のデータが必要で、自動運転や自動採点、様々な異常の検出システムなどが実現するには非常に稀なデータも準備しなければならないことが分かりました。また、この学問には数学がとても密接にかかわっていることを改めて感じることができました。 | B |
C-2021-2_U114 | 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-2021-2_U114 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U114 | 10 | 5 | 今日の授業の感想や反省を書いてください | このようにしてコンピュータの内部や、人間にできてコンピュータにできないことなどを学んでいくと人間の脳はどのような仕組みになっているのかとても不思議に思います。「認識」についての哲学が昔からあると聞いて、やはり人間の大きな謎なのだなと感じました。しかし将来脳の仕組みが解明される日が来たとしても、思考回路を観測されてしまうような感覚がして怖いのであまり知らないまま生きていきたいです。 | B |
C-2021-2_U70 | 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 | 今日の内容はデータ分析について様々なデータがこの世の中には存在し、それらを人間が扱えるようにするために様々な手法が使われていることがわかった。データ分析には大きく、予測、傾向や関連の発見、分類・グルーピングがあることがわかった。また、AIについて簡単な仕組みについて学習した。 | B |
C-2021-2_U70 | 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 | 普段何気なく使っているデータという言葉が実際にはどのように定義されているのかということや、AIがどのような仕組みで動いているのかについて、簡単なにではあるが理解できた。 | B |
C-2021-2_U70 | 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_U70 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U70 | 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、最近よく耳にすることが多い、データ分析やAIについて専門的に詳しく学習することができた。これからこれらを活用する力は様々な分野で求められるので、しっかりと学習していきたい | B |
C-2021-2_U82 | 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_U82 | 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_U82 | 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_U82 | 10 | 4 | 質問があれば書いてください | null | F |
C-2021-2_U82 | 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_U12 | 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_U12 | 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_U12 | 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_U12 | 10 | 4 | 質問があれば書いてください | null | F |
C-2021-2_U12 | 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_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 | データは構造化データと非構造化データに分けられる。非構造化データには主に言語データ、画像データ、音声データがある。画像処理では、１枚の画像をたくさんのピクセル(ブロック)に分けて、それぞれのピクセルを数値化して並べるという処理がされている。この数値化は、多次元のベクトルのような扱いである。 | B |
C-2021-2_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 | コンピュータは、あらかじめ数値化されていない非構造化データも一度数値に変換する処理をしてから扱うということが分かった。 | B |
C-2021-2_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 | 特にありません。 | B |
C-2021-2_U68 | 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_U68 | 10 | 5 | 今日の授業の感想や反省を書いてください | 最近、店に入るときに体温を測る顔認識の機械をよく見るようになったが、一つのパターン認識で認識できるものは１種類であるということを初めて知った。 | B |
C-2021-2_U85 | 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何か、非構造化データの処理方法や例について学んだ。 | C |
C-2021-2_U85 | 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「表形式」にならないデータのことで、文章や画像、音がその代表例である。非構造化データ処理の代表例として、言語処理、画像処理、音声・音楽処理がある。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いい、頻出言語や翻訳の機能がその例である。
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をパターン認識という。コンピュータによるパターン認識は自由に何にでも認識できるわけではなく、認識できる対象は事前に決められている。最近のコンピュータによるパターン認識は、大量のデータを準備して、コンピュータに境界線を引いてもらう機械学習を行う方法が主流である。機械学習にも様々な方法があるが、最近のトレンドは深層ニューラルネットワークである。パターン認識の応用として自動化技術や異常検出がある。 | C |
C-2021-2_U85 | 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」と深層ニューラルネットワークの仕組みがあまり理解できなかった。 | C |
C-2021-2_U85 | 10 | 4 | 質問があれば書いてください | 特になし | C |
C-2021-2_U85 | 10 | 5 | 今日の授業の感想や反省を書いてください | 私たちの生活のさまざまなところに非構造化データがあふれていて、非構造化データ処理がとても身近で欠かせないものであることを実感した。コンピュータによるパターン認識の技術がこれから先も向上していくだろうが、便利になると同時にAIの脅威がまた大きくなると思った。 | C |
C-2021-2_U113 | 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の仕方とパターン認識について。 | C |
C-2021-2_U113 | 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 | 表などで表すことができない非構造データには言語、画像、音声などがあり、ベクトルで表したり、サウンドスペクトログラムを使ったりして分析することができるということ。 | C |
C-2021-2_U113 | 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 | バベルの図書館にすべての文字の並びの本があるということがよくわかりませんでした。 | C |
C-2021-2_U113 | 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_U113 | 10 | 5 | 今日の授業の感想や反省を書いてください | 大量のデータがあれば、多少間違っているものが混ざっていても大体はあっているので、境界線を作ってそのどちら側にあるかで判断できるという話が面白かったです。 | C |
C-2021-2_U90 | 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_U90 | 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_U90 | 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_U90 | 10 | 4 | 質問があれば書いてください | null | F |
C-2021-2_U90 | 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_U75 | 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である非構造化データの処理には、言語処理、画像処理、音声/音楽処理がある。言語処理の代表例の自然言語処理には、頻出言語や翻訳などのさまざまな例がある。画像処理はベクトルと関わりがある。画像データに関する分析課題には、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。音声データの分析には、音声認識や話者認識、感情認識、音声合成などがある。
パターン認識とは、さまざまなデータを対象にしてそれが何であるかを当てる方法である。パターン認識は、大量データを機械学習することで実現される。機械学習で、最近のトレンドは深層ニューラルネットワークである。パターン認識の基本的な例として、最近傍法や特徴抽出があり、応用例として、自動化技術や異常検出がある。 | B |
C-2021-2_U75 | 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 | 非構造化データをコンピュータがどのように処理しているのかが分かりました。非構造化データと関連するパターン認識についても理解することができました。 | B |
C-2021-2_U75 | 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 | ベクトルが画像データとどのようにつながっているのかがあまりイメージできなかったです。 | B |
C-2021-2_U75 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U75 | 10 | 5 | 今日の授業の感想や反省を書いてください | パターン認識はコンピュータよりも人間の方が得意だと知って面白いと思いました。コンピュータの非構造化データの処理の例には、私たちの身近にある例がいくつも存在して興味深かったです。 | B |
C-2021-2_U136 | 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、自動言語処理、画像データ、音声データ、パターン認識の応用 | C |
C-2021-2_U136 | 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 | それぞれのいろんな種類、例をジャンル別で知りました。 | C |
C-2021-2_U136 | 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_U136 | 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_U136 | 10 | 5 | 今日の授業の感想や反省を書いてください | 前回の授業の話や身近な話が多かったのですごく理解しやすかったです。 | C |
C-2021-2_U148 | 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、表形式にならない画像や文章、音などが非構造化データとしてあげられる。言語データをコンピュータによって分析する方法を自然言語処理といい、頻出言語や翻訳といった処理が代表される。画像はベクトルによって処理され、画像認識やコンピュータージョンが行われる。音はサウンドスペクトログラムによって処理され、楽曲分析や音量分析に利用される。処理された情報が分布されたものに線を引いて領域を作ることで分類される。この分類によって自動運転や自動診断を行う。 | B |
C-2021-2_U148 | 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 | 情報はあらゆる方法で解析され、さまざまな方法に利用できるとわかった。データを分析するとき領域によって分割され、区別しているとわかった。 | B |
C-2021-2_U148 | 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_U148 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U148 | 10 | 5 | 今日の授業の感想や反省を書いてください | ある領域を線で区切る時折る（数学的に処理する）ことで一本の線で表せるというのは聞いていて興味深かった。 | B |
C-2021-2_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 | null | B |
C-2021-2_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 | null | B |
C-2021-2_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 | null | B |
C-2021-2_U105 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U105 | 10 | 5 | 今日の授業の感想や反省を書いてください | null | B |
C-2021-2_U29 | 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と例や課題
パターン認識の種類と例、コンピューターにとってはなぜ難しいのか | B |
C-2021-2_U29 | 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 | 非構造データは主に言語処理、画像処理、音声・音楽処理に分類される
画像はベクトルでできている、問題点としては認識処理や画像処理の課題があげられる。
パターン認識は画像認識や音声認識など幅広く活用されている。
パターン認識はコンピューターにとっては、【似ている具合】の判断により難しいと聞いて納得できた。
| B |
C-2021-2_U29 | 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_U29 | 10 | 4 | 質問があれば書いてください | 画像にベクトルがどのように活用されているのか詳しく知りたい | B |
C-2021-2_U29 | 10 | 5 | 今日の授業の感想や反省を書いてください | パターン認識がコンピューターにとってなぜ難しいのかというのかが理解せきました。そして、これらの授業を通してAIやコンピューターのできることやできないことが分かってきてとても興味深いです | B |
C-2021-2_U116 | 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大きく分けて言語処理、画像処理、音声・音楽処理の3つがある。これらは現在のインターネット内の大きな役割を果たしている。またパターン認識もあり、これは前提条件の下で成り立っているため複雑なものなどは認識が難しい。パターン認識の応用で様々な自動化が進んでいる。 | C |
C-2021-2_U116 | 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 | 基本的にすべてのことにたいして理解が出来た。 | C |
C-2021-2_U116 | 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_U116 | 10 | 4 | 質問があれば書いてください | 特になし | C |
C-2021-2_U116 | 10 | 5 | 今日の授業の感想や反省を書いてください | このまま技術が発展していき自動化が進むと嬉しいような悲しいような感情が出てきた。 | C |
C-2021-2_U18 | 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。まず非構造化データとは表形式のものではない画像や音楽などのデータのことである。代表的なものとして言語データや画像データ、音声データなどがある。言語データでは自然言語処理により、頻出言語で分けられたり、翻訳などがある。次にパターン認識についてである。大量のデータと機械学習により境界線を引き、データを判別するん野である。パターン認識は自動化技術であったり異常検出に応用されている。 | B |
C-2021-2_U18 | 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 | データ処理が画像だったり音声だったりそのそれぞれが多岐にわたっていることがわかりました。また、パターン認識の仕組みについて折り曲げていく図から理解できました。 | B |
C-2021-2_U18 | 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の仕組みについてよくわからなっ方です。深層ニュートラルネットワークによってある程度判別されてそのご境界線により認識されるということなのかと思いましたが図がよくわかりませんでした。 | B |
C-2021-2_U18 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U18 | 10 | 5 | 今日の授業の感想や反省を書いてください | 機械学習やパターン認識についてまだよくわかっていないところがあるのでしっかり確認をしていくのとBR-MAPにまとめることで体系的に理解したいです。 | B |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.