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_U159 | 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 | AIと機械学習など | D |
C-2021-2_U159 | 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と機械学習など | D |
C-2021-2_U159 | 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 | D |
C-2021-2_U159 | 10 | 4 | 質問があれば書いてください | null | D |
C-2021-2_U159 | 10 | 5 | 今日の授業の感想や反省を書いてください | 今日もありがとうございました | D |
C-2021-2_U142 | 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 | インフルエンザや他の病気の判断を関数化したものと、構造化・非構造化データの復習があった。非構造データ処理には、言語処理・画像処理・音声/音楽処理がある。言語データの処理は、自然言語処理といわれる。自然言語処理は、頻出言語を見つけたり、翻訳などがある。文字列から意味を考えさせる技術のおかげで、翻訳の精度が上がっている。画像はたくさんのマス目によって構成されていて、ベクトルであると考えられる。スマホやデジカメ、コンピュータは超高次元ベクトルを扱っている。ベクトルは、数学では線形代数の領域。音もデータであり、時系列データに該当する。Siriや電話相手の特定、感情の認識、音声の合成などが音声データの例である。
パターン認識とは、何かのデータを与えそれが何かをあてるということ。人間にとってパターン認識は当たり前のことだが、機械にとって非常に困難。コンピュータでは、あらかじめ認識する対象を決めておかなければ認識できない。似ている程度に決まりがないので、認識がうまくいくように似てる具合を設定するのは困難。
最近のパターン認識は、大量データと機械学習によってできていて、コンピュータに境界線を引いてもらう。
境界線を引くのが難しければ、折り曲げることで切り分けられる状態までもっていく。
ルールベースのパターン認識は、なぜそのような認識をしたかが明確にわかるが、性能がでない場合もある。 | B |
C-2021-2_U142 | 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 | 画像がベクトルであると考えられることが理解でき、自分たちが普段使っているスマホのカメラがどれだけすごいのかということを感じました。 | B |
C-2021-2_U142 | 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 | 境界線の観点から犬や猫を認識するという話は理解できたのですが、関数として考えるやり方がまだよく分からなかった。 | B |
C-2021-2_U142 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U142 | 10 | 5 | 今日の授業の感想や反省を書いてください | コンピュータの技術は非常に進んでいて、人間の能力は超えてしまっていると思っていました。しかし、人間はパターン認識を小さい子でも当たり前にできるが、コンピュータはできないというのはおもしろいなと思いました。また、画像データや音声データなど、データは日常にあふれていて、有効利用されているのだなと分かりました。 | B |
C-2021-2_U100 | 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、画像処理、音声/音楽処理があり、パターン認識を通して行われている。しかし、これは、人間であれば用事でさえできる簡単なものであるが、コンピュータには難しいことである。よって何でも認識できるわけではなく、対象が決められている。コンピュータには、大量のデータに対して、境界線を引いてもらうことをパターン認識としている。 | B |
C-2021-2_U100 | 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 | パターン認識の方法や情報処理の仕方、コンピュータにとって何が難しいのかを理解することが出来た。またそれと機械学習との結びつきを理解出来た。 | B |
C-2021-2_U100 | 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_U100 | 10 | 4 | 質問があれば書いてください | 特になし | B |
C-2021-2_U100 | 10 | 5 | 今日の授業の感想や反省を書いてください | コンピュータと人間の認識機能の違いが分かって面白かったし、コンピュータが学ぶものなのだと言うことが改めて認識できて良かった。 | B |
C-2021-2_U130 | 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_U130 | 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_U130 | 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_U130 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U130 | 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_U168 | 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_U168 | 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_U168 | 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_U168 | 10 | 4 | 質問があれば書いてください | null | C |
C-2021-2_U168 | 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_U8 | 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一つ目として言語処理があげられる。言語データとは文字列であるデータのことである。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。自然言語処理にはで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を頻出言語、翻訳、検出、要約、対話、構成、トピック分析などがある。他にも意味解析、パラフレーズ解析、センチメント解析、文章生成といったものもある。
非構造データ処理の2つ目には画像処理がある。画像はベクトルとして処理される。ベクトルとは数字の組のことで二つの数字の組を2次元ベクトル、3つの数字の組を３次元ベクトルという。日常的に使っているスマートフォン、カメラ、コンピュータはいつも超高次元のベクトルを扱っているのである。画像データに関する様々な分析課題が存在する。画像認識、コンピュータビジョン、画像処理、画像生成、特徴抽出である。
非構造データ処理の3つ目として音声・音楽処理があげられる。音もデータとして扱われ、人間の声・音楽。雑音や生活音等の環境音があげられる。音声データの分析としては音声認識、話者認識、感情認識、音声合成がある。コンピュータが音声を認識する際は、周波数と時間で認識する。音楽データの認識としては楽曲分析、自動製作・作曲支援、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としては、環境音認識、音源分離、音源同定、異常音検出がある。
画像認識や音声認識が行われる際はパターン認識が用いられる。パターン認識とは画像や音声、テキストなど、様々なデータを対象として、それが何であるかをあてる方法である。しかし、パターン認識は人間にとっては簡単なことである一方、コンピューターにとっては難しい認識方法である。コンピュータによるパターン認識では認識できる対象はあらかじめ決められている。それでも、顔認識、食事認識、物体認識、医用画像認識、音声認識、行動認識、テキストトピック認識、文字認識というようにパターン認識は身近になりつつある。パターン認識はコンピュータがあらかじめ登録されているお手本のどれに似ているかをあてるという手法である。しかし、似てる具合には決まった答えがない。そのため、最近のパターン認識では大量のデータと機械学習をかけあわせたものがある。最近の機械学習のトレンドとしては深層ニューラルネットワークがある。パターン認識にはルールベースのものもあるが、ルールの設定が難しいなどの欠点もある。パターン認識の応用としては自動運転、自動診断、自動採点などの自動化技術や普通でない状態を認識する以上検出がある。 | A |
C-2021-2_U8 | 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 | 今日の授業では前回の授業でわからなかった深層ニューラルネットワークが少し理解できた。赤のバツと青のバツの例がとてもわかりやすかった。パターン認識が身近にあるということが分かった。例えば学食での支払いの機械やスマホの顔認証など自分の身近にあるということを実感した。 | A |
C-2021-2_U8 | 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 | ルールベースのパターン認識が実際に使われている場面を想像できなかった。 | A |
C-2021-2_U8 | 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_U8 | 10 | 5 | 今日の授業の感想や反省を書いてください | 今日の授業の内容も実生活と絡めて考えられるものが多く、比較的理解しやすかった。たまに、スライドで引っかかる場所があり、解説に遅れてしまったことがあった。 | A |
C-2021-2_U78 | 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 | 非構造化データや自然言語処理、画像のベクトル、音のデータ、パターン認識を学びました。 | C |
C-2021-2_U78 | 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４００万のベクトルでできていることや、パターン認識のコンピューターの難しさ、パターン認識の応用がわかった。 | C |
C-2021-2_U78 | 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によるパターン認識のイメージ図がよくわからなかった。 | C |
C-2021-2_U78 | 10 | 4 | 質問があれば書いてください | null | C |
C-2021-2_U78 | 10 | 5 | 今日の授業の感想や反省を書いてください | 人間にできていることがどれだけ機械には難しいことや、それをどう改善するかを知った。 | C |
C-2021-2_U153 | 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 | 文章や音声や画像などの非構造データについてのコンピューターの処理の仕方について学びました。 | B |
C-2021-2_U153 | 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、音声それぞれのデータの処理の仕方（自然言語処理やパターン認識）について理解することができました。 | B |
C-2021-2_U153 | 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_U153 | 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_U153 | 10 | 5 | 今日の授業の感想や反省を書いてください | 非構造データへのコンピュータの処理の仕方を全般的に学べて理解することができました。 | B |
C-2021-2_U51 | 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_U51 | 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_U51 | 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_U51 | 10 | 4 | 質問があれば書いてください | null | C |
C-2021-2_U51 | 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_U3 | 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 | [非構造化データとパターン認識]
非構造データ処理
①言語処理
言語データ＝文字列で表せるデータ
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
例）・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
・翻訳（AIを用いて行う）
・意味解析・パラフレーズ解析・センチメント解析・文章生成
②画像処理
画像＝ベクトル＝数字の組
分析課題
例）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
③音声/音楽処理
音声データの分析
例）音声認識・話者認識・感情認識・音声合成・サウンド白とグラムによる音声分析
環境音データの分析
例）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かを当てる方法
人間には簡単であるが、コンピュータにとっては難しい。
身近になりつつあるパターン認識
例）顔認識・食事認識・物体認識・異様画像認識・音声認識・行動認識・テキストトピック認識・文字認識
パターン認識と機械学習
最近のパターン認識（深層ニュートラルネットワーク）＝大量データ＊機械学習
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。
パターン認識の応用
・自動化技術
例）自動運転・自動診断・自動採点
・異常検出
＝普通でない状態を認識 | B |
C-2021-2_U3 | 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 | 私たちの生活は様々なデータで溢れ、コンピュータによって分析されているが、コンピュータは不完全であり、識別能力などはやはり人間に劣る点が多々あると言うことが分かりました。 | B |
C-2021-2_U3 | 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 | コンピュータがどうやってこれから、現在の欠点を改善できていくのか、そしてその可能性がわかりませんでした、これから技術が発展し、もっと便利になって欲しい気もしますが、人間と同じことができるようになってくるにつれて、恐怖を感じてしまいます。 | B |
C-2021-2_U3 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U3 | 10 | 5 | 今日の授業の感想や反省を書いてください | 解説を多くしてくださり、わかりやすかったです。 | B |
C-2021-2_U42 | 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の２種類があり、非構造化データの処理には言語処理、画像処理、音声・音楽処理などのようにいくつかの種類がある。自然言語処理の中には文字列から意味へ変化させるものなどがあり、それぞれの処理の中にも様々な種類の分析が含まれている。 | B |
C-2021-2_U42 | 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 | パターン認識とは画像や音声、テキストなど様々なデータを対象としてそれが何かを当てる方法のことである。人間はこれらの認識を高速に実行することが可能であるが、コンピュータに理解させるのはまだ困難であるといわれている。 | B |
C-2021-2_U42 | 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_U42 | 10 | 4 | 質問があれば書いてください | 特になし | B |
C-2021-2_U42 | 10 | 5 | 今日の授業の感想や反省を書いてください | 処理という一つの動作の中にも数えきれないほど様々な種類の処理があり、それらを瞬時に行うコンピュータのすごさを改めて実感した。それと同時に人間の脳の情報処理能力もまたすごいものであると感じた。 | B |
C-2021-2_U19 | 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、非構造化のものがあり、表の形式にならない非構造化データを分析する手法が研究されている。 | B |
C-2021-2_U19 | 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 | 非構造化データである言語、画像、音について知ることができた。 | B |
C-2021-2_U19 | 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 | グルーピングの理解が不足。 | B |
C-2021-2_U19 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U19 | 10 | 5 | 今日の授業の感想や反省を書いてください | BRmapの作り方をもう少し考えたい。 | B |
C-2021-2_U156 | 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 | 翻訳について。google翻訳などに見られる自然言語処理の仕組みについて | C |
C-2021-2_U156 | 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 | パターン認識とは画像や音声など様々なデータに対してそれが何であるかを当てる方法 | C |
C-2021-2_U156 | 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_U156 | 10 | 4 | 質問があれば書いてください | なし | C |
C-2021-2_U156 | 10 | 5 | 今日の授業の感想や反省を書いてください | 講義ありがとうございました。個人的には授業の進度が早いかなと感じます。 | C |
C-2021-2_U158 | 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 | 非構造化データの種類、パターン認識 | B |
C-2021-2_U158 | 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 | 様々な非構造データ | B |
C-2021-2_U158 | 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 | パターン認識の応用化 | B |
C-2021-2_U158 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U158 | 10 | 5 | 今日の授業の感想や反省を書いてください | データの認識はスマートフォンにとても使われていると思った。 | B |
C-2021-2_U60 | 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 | 今回は画像や音声データなどの非構造化データの処理について触れる。
文字列で表されるデータを言語データと呼び、これをコンピュータで分析することを自然言語処理という。
頻出言語や自動翻訳は自然言語処理によるものの一例である。
画像データについて、画像はベクトルとしても表せ、画素数とベクトルの次元とは一致している。例えば、400万画素のカメラで画像を撮ったとき、画像の次元数は400万であることになる。
画像データの分析により、画像認識やコンピュータビジョンが可能となる。
音声データについて、音声データには人間の声の音声、音楽、環境音などがあり、それぞれを分析することで、音声認識、音楽データ圧縮(MP3)、異常音検出などが可能になる。
パターン認識とは、非構造化データを対象として、それが「何」かを当てることを指す。人間からすれば日常的に行っていることであるが、コンピュータからすれば困難なことである。
コンピュータでパターン認識を行う場合、「車」や「食べ物」などと認識できる対象を限定した上で、大量のデータによる機械学習、深層ニューラルネットワーク、ルールベースによるものなどがある。
大量のデータによる機械学習を用いる場合、コンピュータに境界線を引いてもらい、どちらの領域内に存在するかでパターンを導くことが出来る。
深層ニューラルネットワークを用いる場合、空間をゆがめ、最後に境界線を引くことでパターンを導くことが出来る。
ルールベースを用いる場合、様々なルールに「はい」か「いいえ」で回答し、それによってパターンを導くことが出来る。
これらの方法によって、パターンを認識することができ、様々な作業の自動化や異常検出が可能になった。 | C |
C-2021-2_U60 | 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 | 非構造化データの分析による利点、パターン認識の方法や利点 | C |
C-2021-2_U60 | 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 | パターン認識の方法それぞれの利点や欠点 | C |
C-2021-2_U60 | 10 | 4 | 質問があれば書いてください | 特になし | C |
C-2021-2_U60 | 10 | 5 | 今日の授業の感想や反省を書いてください | 今回もまた予習が出来なかったため、毎回時間を決めて予習できるようにしたい。 | C |
C-2021-2_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 | 非構造データとパターン認識 | B |
C-2021-2_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 | パターン認識とは何か | B |
C-2021-2_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 | null | B |
C-2021-2_U25 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U25 | 10 | 5 | 今日の授業の感想や反省を書いてください | もう少し凝ったBPマップを作ろうと思った | B |
C-2021-2_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 | 構造化データは表形式のデータのことをいい、非構造化データは文章や、画像、音などといった表形式にならないデータのことである。言語データをコンピュータによって分析する技術のことを自然言語処理といい、その中には言語データの中で最も多くできた言語を見つける処理をしたり、翻訳をしたりする処理がある。文字列から意味を解析することによって翻訳の精度を上げている。次に画像データはカメラ画像や、文字、顔CT等という様々なものを含む。画像データについての理解の根本には、ベクトルがあり、2次元ベクトルは二つの数字の組のことを言う。スマホで画像を撮影するとき、400万次元ベクトルが一つ生まれている。また、画像は線形代数と密接にかかわっている。音もデータの一つであり、音声認識、話者認識、感情認識、音声合成といった音声とデータの分析の関係がある。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対象としてそれが何であるか充てる方法のことである。パターン認識は人間にとっては簡単なことで乳幼児でもパターン認識を行うことができるが、情景画像をAIに理解させることは困難である。しかし、顔認識や食事認識などある特定のことについては画像認識は身近になりつつある。しかし、「似ている」という判断は難しいものではっきりとした正解もない。最近のパターン認識では大量データを機械に境界線をひいてもらうことによって起こんなている。専ら、深層ニュートラルネットワークによって学習が行われており、境界線が描きにくそうなものでも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。 | B |
C-2021-2_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 | 今日の授業で、音声の分析にはたくさんの多様性があることが分かった。 | B |
C-2021-2_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 | 深層ニュートラルネットワークの紙を折り曲げるときにどういった基準で進めるかがよくわかりませんでした。 | B |
C-2021-2_U76 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U76 | 10 | 5 | 今日の授業の感想や反省を書いてください | 今日の授業は画像が線形代数の分野とつながっているということがとても印象的だった。線形代数を前期分野で履修していたけれど、どういう風に活用されているかを全く見当がつかない状態だったのでそれを踏まえたうえでもういちど復習してみたいと思いました。 | B |
C-2021-2_U89 | 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、音のデータなどで、表形式にできないものである。そして、非構造データ処理には大きく、言語処理、画像処理、音声/音楽処理の三つがある。言語処理は、頻出言語を見つけたり、翻訳や検索、文章生成などで役立っている。画像処理は、画像＝ベクトルとしてデータ化して、処理を行っており、画像認識、画像生成などに役立っている。音声/音楽処理は、音を波の高さと時間軸でデータ化し、音声認識、音源分離、音声合成などで役立っている。
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技術であり、画像認識や音声認識に使われている。しかし、パターン認識は、人間には簡単だが、コンピュータには、事前に認識できる対象を決めておかなければならなかったり、似ている具合の数値化が難しかったりと、難しいものである。そこで、近年では、大量のデータを準備して、境界線を引かせるという、機械学習によって、コンピュータのパターン認識を生成している。そして、コンピュータのパターン認識の進化による、自動運転、自動診断、異常検出が期待されている。 | B |
C-2021-2_U89 | 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 | 画像をベクトルとしてデータ化し、画像の見え方を調節するときは、ベクトルを操作しているということが、今回の授業で初めて分かった。 | B |
C-2021-2_U89 | 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イメージ図で、空間を曲げることが何を意味しているのか分からなかった。 | B |
C-2021-2_U89 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U89 | 10 | 5 | 今日の授業の感想や反省を書いてください | 今回の授業で、バベルの図書館の話が非常に面白かった。バベルの図書館の中には、自分の生涯を要約した本もあれば、宇宙の仕組みを英語で説明した本もあると考えると、恐怖を感じるとともに、とても興味を感じた。また、パターン認識の話で、コンピュータがパターン認識を人間レベルまでできるようになったら、一気に汎用型AIの誕生に近づくと思った。 | B |
C-2021-2_U86 | 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・分析や、パターン認識について。 | C |
C-2021-2_U86 | 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 | 非構造化データの様々な分析について分かった。また、深層ニューラルネットワークの大まかな動が分かった。 | C |
C-2021-2_U86 | 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_U86 | 10 | 4 | 質問があれば書いてください | null | C |
C-2021-2_U86 | 10 | 5 | 今日の授業の感想や反省を書いてください | 現代社会では、自動化技術や異常検出などの様々な分野にパターン認識が応用されているので、パターン認識はこれからますます進歩していってほしいと思った。 | C |
C-2021-2_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 | 今回は、非構造化データ解析とパターン認識について学びました。非構造データ処理については、特に、言語処理、画像処理、音声・音楽処理について学習しました。それぞれの特徴、例、もっと詳しい認識方法などを学びました。パターン認識に関しては、種類や、最近のパターン認識の方法、さらに、応用についても学習しました。 | B |
C-2021-2_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 | 今回の授業で、まず、構造化データと非構造化データの復習をして、非構造化の特徴を良く理解することが出来ました。とくに、自然言語処理の面白さが分かりました。センチメント解析に関して、自分たちは難なく使いこなせていますが、機械にとっては難しいことを知り、言語って面白いな、人の脳って凄いなと思いました。機械の伸びしろも確認することが出来ました。 | B |
C-2021-2_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 | とくにありません | B |
C-2021-2_U53 | 10 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U53 | 10 | 5 | 今日の授業の感想や反省を書いてください | 今日の授業も、今までの知識の復習が出来たと同時に、新しい知識をたくさん取り入れることが出来て、とても面白かったです。とくに、自然言語処理は、自分たちの身の回りでとても重要なものであり、自分たちの生活をより快適にさせてくれるということを学ぶことが出来、素晴らしいなと思いました。 | B |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.