特徴量を誰が決めるか
A社は、製造ラインで撮った部品の画像から傷のある部品を見つけるシステムを検討している。以前の方式では、担当者が「輪郭の途切れ」「色の濃さの偏り」など、傷を見分ける手がかり(特徴量)を決めて機械学習モデルに与えていた。今回はディープラーニングを使う方式に切り替える。ディープラーニングを使う方式の説明として適切なものを2つ選べ。
- A
画像に正解ラベルを付けなくても、「傷あり」「傷なし」の名前を付けて分類できる。
- B
判定の規則を人が書いて登録するので、判定の理由を規則の一覧として説明しやすい。
- C
傷を見分ける手がかりを人が細かく決めなくても、モデルが画像データから学習できる。
- D
十分な精度を出すには、多くの学習用画像と計算資源が必要になりやすい。
正解と解説を見る
正解:C・D
従来の機械学習では人が特徴量を設計していたが、ディープラーニングは特徴量もデータから学ぶ。その代わり、大量のデータと計算資源が必要になり、判断の理由は説明しにくい。
- A
誤り。「傷あり」「傷なし」のように決まった区分に分けるのは教師あり学習で、正解ラベルが要る。ラベルなしで似た画像をまとめることはできるが、各グループが傷ありかどうかは決められない。
- B
誤り。人が規則を書くのはルールベース。ディープラーニングは判断の根拠が多数の重みに分散するため、理由を説明しにくい。
- C
正しい。ディープラーニングは、多層のネットワークが特徴量そのものをデータから学習する。人が特徴量を設計する手間を減らせる。
- D
正しい。特徴量を自分で学ぶ分だけパラメータが多くなる。そのため大量のデータとGPUなどの計算資源が必要になりやすい。
このサイトの問題は、各試験の公開されているシラバスに沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。日本ディープラーニング協会(JDLA)・一般社団法人生成AI活用普及協会(GUGA)の公式サービスではありません。