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_U128 | 12 | 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 | まず、ベクトルを用いて何ができるかについて学んだ。ベクトルを用いることで、株価の予測、化合物の特徴のグループ化、法令文書の解析などができる。
授業の本題ではまず、ベクトルとは複数の数値をカタマリにしたもので()の中にカンマで区切って書き、順番に意味を持つものだということだ。ベクトルには様々な活用方法があり、私たちの身近なものだと料理、文書、画像で表すことができる。また、ベクトルを用いたデータの分析は線形代数もよくつかわれ、行列もデータ表現に使われます。また、ベクトルはデータの組み合わせであるため、データ間の関係を見つけるには最適である。まとめるとデータ分析の基本道具として用いられるのは「近い/遠い」とか「似ている/似ていない」である。つまり、データを認識する、データをまとめる、区別することである。
次に、距離についてだ。「距離」には様々な意味を持ち、日常会話では物理的な距離や心情的な距離を表すが、データ解析においての距離はデータ間の似ていない具合や単位がある場合もない場合も距離を用いられる。ちなみに数学的には非退化性、対称性、三角不等式という条件を満たせば距離と言える。
次に類似度についてだ、距離は小さいほど似ていると言えるが、類似度は大きいほど似ていると言える。また距離ほど厳密な定義はされてない。
これら二つは相同性検索、クラスタリング、系統分離、判定、異常検知などに使われている。続いてはデータ間の距離についてだ。これは２データがどれくらい離れるかを表す。もっとも代表的な距離はユークリッド距離であり、三平方の定理を用いて表す。またこれはｎ次元のｎが増え続けて表すことができる。
そして、別で斜めにはいけない街のことをマンハッタンと言い、そのような距離をマンハッタン距離という。一番違うところを調べるのがmax距離という。長さの同じ２系列間の距離をハミング距離という。そして系列の長さが違っても大丈夫な編集距離という。
また、数学の集合の類似度のことで、どれくらい共通しているかを表していることをJaccard係数という。方向性の類似度を測る方法をコサイン類似度という。
さらに、学習した距離や類似度を使うことでデータ集合のグルーピング、データの異常度、データも「認識」。画像認識、クラスタリングができる。
| B |
C-2021-2_U128 | 12 | 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 | 高校や大学の前期で習ったベクトルの知識がデータサイエンスとして活用されていることを知り、驚きました。また、私たちが良く使ったコサインを求める式もデータサイエンスに使われることを知り理解を深めることができました。 | B |
C-2021-2_U128 | 12 | 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 | 今回は特にありませんでした。 | B |
C-2021-2_U128 | 12 | 4 | 質問があれば書いてください | 編集距離はアルゴリズムで習った、最も効率が良いアルゴリズムはどれか？（曖昧ですみません）と似ているような気がします。実際同じ考えなのでしょうか？ | B |
C-2021-2_U128 | 12 | 5 | 今日の授業の感想や反省を書いてください | 私たちが入試や講義で使うベクトルが情報科学に登場するとは思いませんでした。とても面白かったです。残り授業回数も少なくなりましたが、最後までよろしくお願いします。 | B |
C-2021-2_U155 | 12 | 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 | ベクトルとその表現方法 | C |
C-2021-2_U155 | 12 | 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 | ベクトルがどのような場面で役に立つかを理解することができた | C |
C-2021-2_U155 | 12 | 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 | ハミング距離はいくつか理解するのが難しかった。 | C |
C-2021-2_U155 | 12 | 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 | 12 | 5 | 今日の授業の感想や反省を書いてください | 自分の学部である、経済学部の内容と今日のベクトルの内容につながりがあって興味深かった。 | C |
C-2021-2_U151 | 12 | 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 | データにおけるベクトルや距離の利用について学習した。 | B |
C-2021-2_U151 | 12 | 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 | 数学で習ったベクトルや距離のデータにおける利用を学ぶことができた。 | B |
C-2021-2_U151 | 12 | 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 | 等距離面でのユークリッド距離とマンハッタン距離、max距離の図を理解するのに少し時間がかかった。 | B |
C-2021-2_U151 | 12 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U151 | 12 | 5 | 今日の授業の感想や反省を書いてください | 数学で習ったことが実際に利用されているのを見て、少しわくわくした。 | B |
C-2021-2_U167 | 12 | 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 | ・ベクトルとデータ
・類似度、距離とデータ分析 | B |
C-2021-2_U167 | 12 | 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 | ・距離とは、2点間の長さだと思っていたが、それだけでなく「マンハッタン距離」「マックス距離」など様々な種類があること。
・距離の概念をもとに類似度をだしてデータ分析が可能なこと。
・ユークリッド距離が個人的に知らなかったので復習することができた。 | B |
C-2021-2_U167 | 12 | 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 | 法令とベクトルの関係があまりしっくり来なかった | B |
C-2021-2_U167 | 12 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U167 | 12 | 5 | 今日の授業の感想や反省を書いてください | 本日の授業では、ベクトルと距離、類似度について学んだ。授業最初にベクトルが実際に使われている場面を知れたので、決して日常生活と無関係なものではないことを念頭に置きながら授業に臨むことができた。また、一口に距離といっても多くの種類があることが印象的だった。普段何気なく使っている用語も色んな意味の専門用語であることが理解出来た。 | B |
C-2021-2_U146 | 12 | 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 | ベクトルは高校数学のように複雑なものではなく、また、いろんな方面で役立っている
| B |
C-2021-2_U146 | 12 | 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 | 距離の種類と類似の種類、ユークリッド距離とその他の距離 | B |
C-2021-2_U146 | 12 | 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 | おそらくない | B |
C-2021-2_U146 | 12 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U146 | 12 | 5 | 今日の授業の感想や反省を書いてください | いつもは数学的な内容が多いが、この講義を受講している人たちの専攻科目との関わりの内容がとくに面白かった。いろんな分野の知識を持つことは、自分の専攻分野にも生きてくることを痛感できた。 | B |
C-2021-2_U28 | 12 | 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、ベクトルがどのような特性を持っていて、どのような活用法があるのかを学んだ。また、距離の概念や類似度など、これまで習ったことのなかった新しい概念もあった。距離については、ハミング距離や編集距離など、活用法に応じた使い方をしなければならない。 | C |
C-2021-2_U28 | 12 | 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 | 今回の授業では、数学で習ったベクトルが、データ解析の分野でどのように活用されるのかを学ぶことができた。ベクトルの特性を活かした活用法がされていた。また、距離の概念がこれまでとは違い、もっと広い意味で使うことによって、いろんな判定ができることや、類似度はその反対を表す言葉で、正負どちらでもあると言うことは納得するところであった。 | C |
C-2021-2_U28 | 12 | 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 | 今回の内容では、マックス距離や編集距離の違いや活用例が少し分からなかった。 | C |
C-2021-2_U28 | 12 | 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 | 12 | 5 | 今日の授業の感想や反省を書いてください | 今回の授業では、前半の説明のところはよく理解できていたが、後半の数学的なところで躓いてしまったので、しっかり復習していきたい。 | C |
C-2021-2_U13 | 12 | 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 | ベクトルとは複数の数値をかたまりにしたもので、その順番には意味がある。特定の観点から画像や料理などさまざまな事物をベクトルで表現することができる。ベクトルはデータの組み合わせであり、ひとつの組み合わせではわからないことも多数のデータを用意することでデータ間の関係が見えてくるためベクトルでデータ分析を行う。分析には線形代数や行列がよく使われる。データ解析において、「距離」とはデータ間の差異のことをいい、データ解析の基本である。数学的には、距離の公理と呼ばれる、非退化性・対称性・三角不等式の三つを満たすものが距離と呼ばれる。距離の反対の概念に「類似度」がある。これは大きければ大きいほど似ているもので、距離ほど厳密に定義されるものではない。
さて、距離にはいくつか種類がある。ひとつ目はユークリッド距離で、これは三平方の定理的なものである。また他にもマンハッタン距離やmax距離、ハミング距離や編集距離がある。また類似度にも種類があり、Jaccard係数やコサイン類似度などがある。これらの距離、類似度を目的に合わせて使い分けることが大切である。距離や類似度はデータ集合のグルーピングや異常値検出、画像認識などに応用できる。 | B |
C-2021-2_U13 | 12 | 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 | データをベクトルで表す目的やその際に線形代数が使えること、距離にもいろいろあって何を強調したいかで用いる種類が変わることなどがわかった。 | B |
C-2021-2_U13 | 12 | 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 | 12 | 4 | 質問があれば書いてください | 特になし | B |
C-2021-2_U13 | 12 | 5 | 今日の授業の感想や反省を書いてください | 前回までの講義で扱ったデータが似ているということを基本的にどのように表すかがわかってよかった。ベクトルの認識の幅が広がった。 | B |
C-2021-2_U127 | 12 | 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 | 今回の講義は主にベクトルについてであった。ベクトルとは、複数の数値をカタマリにしたものであり、順序に意味がある。多数のデータの関係を見出すために、データ分析で利用されている。そのデータ分析で重要な概念は、距離と類似度である。距離とは、データ間の差異であり、類似度はその逆の概念である。距離の代表例として、ユークリッド距離、max距離、マンハッタン距離などがある。これらは、データ集合のグルーピングやデータの異常度検出等で活用される。 | B |
C-2021-2_U127 | 12 | 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 | ベクトルは、数学だけにとどまらず、データ分析でも大変活用されていることがわかりました。そして、これまで学習した画像解析やクラスタリングにまで応用されていることも理解できました。 | B |
C-2021-2_U127 | 12 | 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 | 12 | 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_U127 | 12 | 5 | 今日の授業の感想や反省を書いてください | 今回はこれまでの授業で扱った話も多かったので、理解しやすかったとともに、良い復習の機会となりました。あと数回にはなりましたが、学習を怠らず努めたいと思いました。 | B |
C-2021-2_U164 | 12 | 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 | ベクトルとは
ベクトルを利用したデータ分析・距離・類似度 | C |
C-2021-2_U164 | 12 | 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 | ベクトルとは数の組み合わせであり、その組み合わせでデータを表現する方法があるということ | C |
C-2021-2_U164 | 12 | 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 | 12 | 4 | 質問があれば書いてください | なし | C |
C-2021-2_U164 | 12 | 5 | 今日の授業の感想や反省を書いてください | コサイン距離がおもしろかった | C |
C-2021-2_U170 | 12 | 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 | 12 | 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 | 12 | 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 | 12 | 4 | 質問があれば書いてください | null | F |
C-2021-2_U170 | 12 | 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 | 12 | 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 | ベクトルや行列はデータ表現に使われる。ベクトルとは、順番に意味のある、データの組み合わせのことである。ベクトル表現されたデータ分析には線形代数もよく使われる。ベクトルがデータ分析に用いられるのは、1つの組み合わせではわからないことも多数のデータを用いることでデータ間の関係が明らかになるためである。データ分析の際、基本道具となるのは類似度と距離である。データ解析における距離はデータ間の差異のことであり、距離が小さいほど似ているといえる。一方、類似度は距離とは反対の概念で、大きいほど似ているといえる。また距離は0以上だが、類似度は正の値も負の値もとりうる。ベクトル表現により、様々な種類の距離や類似度が使えるようになる。距離の種類としては、ユークリッド距離やmax距離、マンハッタン距離、ハミング距離や編集距離などが挙げられる。ユークリッド距離は2点の直線的な最短距離で、要素ごとの差の二乗を合計した値の平方根を求めることで得られる。そのため。何次元ベクトルでも計算可能である。マンハッタン距離は碁盤の目を移動するときの距離のことで、どこを通っても同じ値となる。max距離では各要素の差の絶対値の最大値を距離とする。1要素間でのみの評価となるため、全体的な差異を評価する場合はmax距離は不向きである。ハミング距離は、長さの同じ2系列において同じ位置の数が異なっている箇所の数を距離としたものである。このハミング距離を一般化し異なる2系列間の距離としたものを編集距離という。一方、類似度の表し方も様々である。例えば、Jaccard係数は2つの集合に含まれている要素のうち共通するものが占める割合を示し、集合の類似度を表す。一方、コサイン類似度は2つのベクトルがなす角のコサイン値であり、方向性の類似度を表す。距離や類似度を利用することで、相同性検索やクラスタリング、異常検知やデータ認識、系統樹作成などの分析が可能となる。このとき、距離や類似度には様々な種類があるため、データや解析問題に適した種類を選ぶ必要がある。 | A |
C-2021-2_U9 | 12 | 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 | 距離や類似度を用いることで様々な分析ができるようになるということ。多種多様な「距離」があること。 | A |
C-2021-2_U9 | 12 | 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 | マンハッタン距離を用いるのはどういう場合かが想像できなかった。 | A |
C-2021-2_U9 | 12 | 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_U9 | 12 | 5 | 今日の授業の感想や反省を書いてください | 様々な距離や類似度の表し方があることを知り驚きました。 | A |
C-2021-2_U126 | 12 | 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 | 経済・薬学・法の分野と情報科学のつながりのを学んだ。ベクトルとは複数の数値をカタマリにしたもので、その並べられた順番に意味がある。複数のデータを組み合わせることで分かることがある。データ解析における距離は、複数の対象物の似ている具合のことである。距離が変わるとデータ解析の結果に大きな影響が出る。距離には様々な種類があるが、編集距離とはハミング距離を一般化したもので、操作の最小回数を示す。 | C |
C-2021-2_U126 | 12 | 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 | ユークリッド距離、マックス距離、マンハッタン距離、ハミング距離など、いくつかの距離の種類を知ることができた。 | C |
C-2021-2_U126 | 12 | 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_U126 | 12 | 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 | 12 | 5 | 今日の授業の感想や反省を書いてください | 文書や料理、画像をベクトルで表す例えが、ベクトルの性質を理解するのにわかりやすかった。情報処理における距離には多様な種類があることを知ることができ、興味深かった。 | C |
C-2021-2_U38 | 12 | 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 | 距離とは非退化性、対称性を持ち、三角不等式を満たすもので、類似度と反対の概念である。類似度は大きければ大きいほど似ていることになる。様々な距離・類似度について、距離・類似度を用いたデータ分析
| B |
C-2021-2_U38 | 12 | 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 | 距離、類似度の概念についてしっかりと学ぶことができました。 | B |
C-2021-2_U38 | 12 | 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 | 等距離面におけるmax距離、マンハッタン距離を十分に理解することができませんでした。 | B |
C-2021-2_U38 | 12 | 4 | 質問があれば書いてください | 特にないです。 | B |
C-2021-2_U38 | 12 | 5 | 今日の授業の感想や反省を書いてください | 線形代数を学習しているのでベクトルの話を納得して聞くことができましたが、どのように実生活に生きてくるのかの説明を受けてさらに深く学べてよかったです。 | B |
C-2021-2_U62 | 12 | 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 | 12 | 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 | 12 | 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 | 12 | 4 | 質問があれば書いてください | null | F |
C-2021-2_U62 | 12 | 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 | 12 | 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 | ベクトルとは複数の数値を塊にしたもので、順番に意味がある。ベクトル表現されたデータ分析には線形代数も使われる。ベクトルはデータの組み合わせなので、1つの組み合わせでは分からないことも、多数のデータを用意することで、データ間の関係が見えてくる。データ分析における距離とはデータ間の差異のことであり、類似度とは距離とは反対の概念のことである。距離は1種類ではなく、2点間の最短距離を表すユークリッド距離や斜めに行けない場合の距離を表すマンハッタン距離、Max距離、長さの同じ2系列間の距離を表すハミング距離などがある。 | C |
C-2021-2_U161 | 12 | 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 | データ解析に距離はとても重要で、距離が変わると、解析結果はまるきり変わるということが分かった。たくさんある距離の中から、データや解析問題の性質に合った距離を選ぶことが大事だということを知った。 | C |
C-2021-2_U161 | 12 | 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 | 12 | 4 | 質問があれば書いてください | null | C |
C-2021-2_U161 | 12 | 5 | 今日の授業の感想や反省を書いてください | 距離や類似度がデータに大きな影響を及ぼすことを知らなかった。今日の授業は図を見るとすごく分かりやすかった。 | C |
C-2021-2_U143 | 12 | 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 | 今日の講義では、各学部ごとにベクトルを用いたデータ分析の使用例を聞いた後、ベクトルのデータ分析と距離・類似性について学んだ。多くのデータはベクトルで表すことができ、それを組み合わせることで分析できることについて学んだ。距離の求め方やその意味、どのように応用できるのか学んだ。 | B |
C-2021-2_U143 | 12 | 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 | ベクトルの（）の中の数字の順番には意味があるので変えてはいけない。ベクトルは画像データや文書も分析することができ、似ているかどうか、近いかどうかで判断する。距離や類似度の求め方はさまざまであることが分かった。
| B |
C-2021-2_U143 | 12 | 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 | 線形代数は習っていたが、ベクトルのデータ分析にどのように使われるのか分からなかった。 | B |
C-2021-2_U143 | 12 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U143 | 12 | 5 | 今日の授業の感想や反省を書いてください | 自分は、薬学部なので化学構造をベクトルを用いて分類する方法があると知って、このように違う学問が自分の分野と関係しうるのだと驚いた。ベクトルといえば、力の向きというイメージしかなかったので、使い方次第では、画像データや文書の分析にも活用されている事が面白く感じた。 | B |
C-2021-2_U4 | 12 | 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 | 12 | 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 | 12 | 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 | 12 | 4 | 質問があれば書いてください | null | F |
C-2021-2_U4 | 12 | 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 | 12 | 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 | ベクトルや距離や類似度がどのようなものか | C |
C-2021-2_U23 | 12 | 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 | ユークリッド距離 | C |
C-2021-2_U23 | 12 | 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 | マンハッタン距離 | C |
C-2021-2_U23 | 12 | 4 | 質問があれば書いてください | null | C |
C-2021-2_U23 | 12 | 5 | 今日の授業の感想や反省を書いてください | 今回の授業はやや難しく感じた | C |
C-2021-2_U108 | 12 | 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 | データ分析するにあたって、ばらばらなデータを整理する必要があり、その整理の手引きが必要である。そのため、ベクトル（もしくは線形代数、行列）という大きさと向きを兼ね備えた数学的な量を定義してある程度厳密に行うことができる。また、各要素要素の距離や類似度を考えて、グループ分けしたり相同性検索・異常検知したりすることも可能になる。 | B |
C-2021-2_U108 | 12 | 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 | ベクトルや行列は向きと大きさという２つの量を応用して、データの要素を示すことができる。データが似ていれば、ある程度グループ分けすることができ扱いやすくなる。もしくはデータの一致を示したいときに、距離と類似性に差異が生じた場合は「不一致」、と異常性を検知できる。しかし、この「距離」と「類似性」の定義はユークリッド距離、マンハッタン距離など様々な定義が可能で、時と場合によって分析の条件・定義を適切に買えるようにするのが望ましい。 | B |
C-2021-2_U108 | 12 | 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 | 「似ている」というのが数学的にも厳密には定義できないことが不思議だと思った。確かに人によって「似ている」基準は様々だが、数学的に一般化できないのは、そもそも何をもって「似ている」としているかの基準が人によって異なっているからではないかと思う。 | B |
C-2021-2_U108 | 12 | 4 | 質問があれば書いてください | くだらない質問で恐縮なのですが、「理系が恋に落ちたので証明してみた」という漫画で、「好き」の定義について理系大学生が理論的に解明していこうとするドタバタ理系コメディ系漫画があります。「好き」の基準はいろいろあります。たとえば顔、スタイル、性格、雰囲気、しぐさ......etc。これって可能な限り考えられる「条件」がｎ個あると考えて、それをn次元ベクトルとして考えればよいのでは？と思ってしまいました。そして調査を行い各条件のデータを十分にとれば、n個の条件のうち何個かの相関関係は取れるのではないか、なんて考えたのですがいかがでしょうか。 | B |
C-2021-2_U108 | 12 | 5 | 今日の授業の感想や反省を書いてください | データの要素にベクトルを導入したのがとても面白かった。n次元ベクトルにしたらグラフにプロットできるし、各要素のベクトルの差を取ればその変化もまたベクトルで表され、どのように違うのかを向きと距離から判断することができることを学んだ。 | B |
C-2021-2_U59 | 12 | 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 | ベクトルや距離・類似度といった表現を用いることで、様々なデータを表現できたり、分類することができる。 | B |
C-2021-2_U59 | 12 | 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 | 距離や類似度の考え方について。 | B |
C-2021-2_U59 | 12 | 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 | 様々な距離の範囲について。 | B |
C-2021-2_U59 | 12 | 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 | 12 | 5 | 今日の授業の感想や反省を書いてください | ベクトル・距離・類似度について例などを見ながら、理解することができた。 | B |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.