データサイエンティスト検定 リテラシーレベル データサイエンス(機械学習・AI・非構造化データ) 練習問題 第13問: 画像の分類に使う深層学習について、SVMなど従来の機械学習の手法と比べた長所の説明として、最も適切なものはどれか。
データサイエンス(機械学習・AI・非構造化データ)
– / 63 解いた
第13問
画像の分類に使う深層学習について、SVMなど従来の機械学習の手法と比べた長所の説明として、最も適切なものはどれか。
解答と解説を先に見る
先に見ると、この問題は今回は育ちません。
正解: 4. 問題ごとに人が特徴量を設計しなくても、分類に役立つ特徴をデータから学習して作り出せる点が長所である
「問題ごとに人が特徴量を設計しなくても…」が適切です。九州大学 数理・データサイエンス教育研究センター「データサイエンス実践 4-1 パターン認識と深層学習」(2025/10/3版)は、深層学習は分類に役立つ追加の特徴を学習して作り出すと説明し、同「応用プログラミング演習(画像解析)3 DNN」(2025/11/18版)も、従来は問題に応じて人が特徴量を設計していたと対比しています。
ほかの3肢は、実践 4-1 が深層学習の短所に挙げる点を長所と取り違えています。必要なデータ数の目安は数万件からとされ、数百〜数千件で足りるとされるのはSVMやブースティングなどです。
解釈性(判断の理由を人が読み取れる度合い)は弱いとされます。過学習を回避する理論・技術は確立されておらず、ハイパーパラメータの調整も大変とされます。
少ないデータでは、別の大量のデータで学習したパラメータを使い回して追加の学習をする転移学習を使います(同「情報科学 第2回」2026/5/13版)。深層学習の強みは特徴を自分で作れることと押さえましょう。
関連キーワード: 深層学習・特徴量・解釈性・転移学習
模試 (100問)
この問題が解けたら、本試験はどうですか?本番形式で、ほかの科目もまとめて確かめる
本番形式の模擬試験で実力チェックPremium (月980円)Premium (ご利用中)本番と同じ制限時間
広告