chore(i18n,learn): processed translations (#44851)
This commit is contained in:
camperbot
GitHub
@ -0,0 +1,34 @@
|
||||
---
|
||||
id: 5e9a0e9ef99a403d019610cc
|
||||
title: ディープラーニングとは
|
||||
challengeType: 11
|
||||
videoId: bejQ-W9BGJg
|
||||
dashedName: deep-learning-demystified
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
初めてネットワークをトレーニングする前に、入力ニューロンに割り当てる必要がある重みはどれですか？
|
||||
|
||||
## --answers--
|
||||
|
||||
最小から最大まで。
|
||||
|
||||
---
|
||||
|
||||
完全にランダム。
|
||||
|
||||
---
|
||||
|
||||
アルファベット順。
|
||||
|
||||
---
|
||||
|
||||
上記のいずれでもない。
|
||||
|
||||
## --video-solution--
|
||||
|
||||
2
|
||||
|
||||
@ -0,0 +1,30 @@
|
||||
---
|
||||
id: 5e9a0e9ef99a403d019610cd
|
||||
title: 畳み込みニューラルネットワークの仕組み
|
||||
challengeType: 11
|
||||
videoId: Y5M7KH4A4n4
|
||||
dashedName: how-convolutional-neural-networks-work
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
畳み込みニューラルネットワークが役に立たない場合はどれですか？
|
||||
|
||||
## --answers--
|
||||
|
||||
データを画像として扱えるように作成できない場合、またはデータの要素を並べ替えても同様に役立つ場合。
|
||||
|
||||
---
|
||||
|
||||
データが異なる 2D または 3D 画像で構成されている場合。
|
||||
|
||||
---
|
||||
|
||||
データがテキストまたは音声ベースの場合。
|
||||
|
||||
## --video-solution--
|
||||
|
||||
1
|
||||
|
||||
@ -0,0 +1,30 @@
|
||||
---
|
||||
id: 5e9a0e9ef99a403d019610ca
|
||||
title: ディープニューラルネットワークの仕組み
|
||||
challengeType: 11
|
||||
videoId: zvalnHWGtx4
|
||||
dashedName: how-deep-neural-networks-work
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
数値ではなく勾配 (傾斜) を直接計算する方が良いのはなぜですか？
|
||||
|
||||
## --answers--
|
||||
|
||||
再びニューラルネットワーク全体を処理してニューラルネットワークの各層の重みを調整するのは計算量が多くなるから。
|
||||
|
||||
---
|
||||
|
||||
より正確だから。
|
||||
|
||||
---
|
||||
|
||||
両者の方法に違いはない。
|
||||
|
||||
## --video-solution--
|
||||
|
||||
1
|
||||
|
||||
@ -0,0 +1,30 @@
|
||||
---
|
||||
id: 5e9a0e9ef99a403d019610cb
|
||||
title: 再帰型ニューラルネットワーク RNN と長・短期記憶 LSTM
|
||||
challengeType: 11
|
||||
videoId: UVimlsy9eW0
|
||||
dashedName: recurrent-neural-networks-rnn-and-long-short-term-memory-lstm
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
長・短期記憶ネットワークを構成するニューラルネットワークの主な構成要素は何ですか？
|
||||
|
||||
## --answers--
|
||||
|
||||
新しい情報や予測。
|
||||
|
||||
---
|
||||
|
||||
予測、収集した可能性、および選択。
|
||||
|
||||
---
|
||||
|
||||
予測、無知、忘却、選択。
|
||||
|
||||
## --video-solution--
|
||||
|
||||
3
|
||||
|
||||
@ -0,0 +1,35 @@
|
||||
---
|
||||
id: 5e46f8e3ac417301a38fb92f
|
||||
title: KNN を使用した書籍推薦エンジン
|
||||
challengeType: 10
|
||||
forumTopicId: 462378
|
||||
dashedName: book-recommendation-engine-using-knn
|
||||
---
|
||||
|
||||
# --description--
|
||||
|
||||
このチャレンジでは、K 近傍法を使用した書籍推薦アルゴリズムを作成します。
|
||||
|
||||
ブッククロッシングのデータセットを使用します。 このデータセットには、90,000 人のユーザーによる 270,000 冊の 110 万件 (一冊当たり 1 ～ 10 件) の評価が含まれています。
|
||||
|
||||
[Google Colaboratory でプロジェクト全体の案内とスターターコード](https://colab.research.google.com/github/freeCodeCamp/boilerplate-book-recommendation-engine/blob/master/fcc_book_recommendation_knn.ipynb)にアクセスできます。
|
||||
|
||||
このリンクにアクセスした後、自分のアカウントに、またはローカルに、ノートブックのコピーを作成してください。 プロジェクトを完了し、テストに合格したら (テストはリンクに含まれています)、下記にプロジェクトリンクを送信してください。 Google Colaboratory のリンクを送信する場合は、「リンクを貼った人」のリンク共有を必ず有効にしてください。
|
||||
|
||||
機械学習カリキュラム向けの対話型教育コンテンツを引き続き開発中です。 現在、この認定講座のビデオチャレンジを実行できます。 また、実際のプロジェクトの取り組みと同様に、場合によってはその他の学習資料を探す必要もあります。
|
||||
|
||||
# --hints--
|
||||
|
||||
すべての Python テストに合格する必要があります。
|
||||
|
||||
```js
|
||||
|
||||
```
|
||||
|
||||
# --solutions--
|
||||
|
||||
```py
|
||||
# Python challenges don't need solutions,
|
||||
# because they would need to be tested against a full working project.
|
||||
# Please check our contributing guidelines to learn more.
|
||||
```
|
||||
@ -0,0 +1,33 @@
|
||||
---
|
||||
id: 5e46f8dcac417301a38fb92e
|
||||
title: 猫と犬の画像分類プログラム
|
||||
challengeType: 10
|
||||
forumTopicId: 462377
|
||||
dashedName: cat-and-dog-image-classifier
|
||||
---
|
||||
|
||||
# --description--
|
||||
|
||||
このチャレンジでは、TensorFlow 2.0 と Keras を使用して、猫と犬の画像を 63% 以上の精度で正しく分類する畳み込みニューラルネットワークを作成します。
|
||||
|
||||
[Google Colaboratory でプロジェクト全体の案内とスターターコード](https://colab.research.google.com/github/freeCodeCamp/boilerplate-cat-and-dog-image-classifier/blob/master/fcc_cat_dog.ipynb)にアクセスできます。
|
||||
|
||||
このリンクにアクセスした後、自分のアカウントに、またはローカルに、ノートブックのコピーを作成してください。 プロジェクトを完了し、テストに合格したら (テストはリンクに含まれています)、下記にプロジェクトリンクを送信してください。 Google Colaboratory のリンクを送信する場合は、「リンクを貼った人」のリンク共有を必ず有効にしてください。
|
||||
|
||||
機械学習カリキュラム向けの対話型教育コンテンツを引き続き開発中です。 現在、この認定講座のビデオチャレンジを実行できます。 また、実際のプロジェクトの取り組みと同様に、場合によってはその他の学習資料を探す必要もあります。
|
||||
|
||||
# --hints--
|
||||
|
||||
すべての Python テストに合格する必要があります。
|
||||
|
||||
```js
|
||||
|
||||
```
|
||||
|
||||
# --solutions--
|
||||
|
||||
```py
|
||||
# Python challenges don't need solutions,
|
||||
# because they would need to be tested against a full working project.
|
||||
# Please check our contributing guidelines to learn more.
|
||||
```
|
||||
@ -0,0 +1,35 @@
|
||||
---
|
||||
id: 5e46f8edac417301a38fb930
|
||||
title: 線形回帰による医療費の計算プログラム
|
||||
challengeType: 10
|
||||
forumTopicId: 462379
|
||||
dashedName: linear-regression-health-costs-calculator
|
||||
---
|
||||
|
||||
# --description--
|
||||
|
||||
このチャレンジでは、回帰アルゴリズムを使用して医療費を予測します。
|
||||
|
||||
医療費を含むさまざまな人々に関する情報を含むデータセットが与えられます。 データを使用し、新しいデータに基づいて医療費を予測してください。
|
||||
|
||||
[Google Colaboratory でプロジェクト全体の案内とスターターコード](https://colab.research.google.com/github/freeCodeCamp/boilerplate-linear-regression-health-costs-calculator/blob/master/fcc_predict_health_costs_with_regression.ipynb)にアクセスできます。
|
||||
|
||||
このリンクにアクセスした後、自分のアカウントに、またはローカルに、ノートブックのコピーを作成してください。 プロジェクトを完了し、テストに合格したら (テストはリンクに含まれています)、下記にプロジェクトリンクを送信してください。 Google Colaboratory のリンクを送信する場合は、「リンクを貼った人」のリンク共有を必ず有効にしてください。
|
||||
|
||||
機械学習カリキュラム向けの対話型教育コンテンツを引き続き開発中です。 現在、この認定講座のビデオチャレンジを実行できます。 また、実際のプロジェクトの取り組みと同様に、場合によってはその他の学習資料を探す必要もあります。
|
||||
|
||||
# --hints--
|
||||
|
||||
すべての Python テストに合格する必要があります。
|
||||
|
||||
```js
|
||||
|
||||
```
|
||||
|
||||
# --solutions--
|
||||
|
||||
```py
|
||||
# Python challenges don't need solutions,
|
||||
# because they would need to be tested against a full working project.
|
||||
# Please check our contributing guidelines to learn more.
|
||||
```
|
||||
@ -0,0 +1,33 @@
|
||||
---
|
||||
id: 5e46f8edac417301a38fb931
|
||||
title: ニューラルネットワークによる SMS テキスト分類プログラム
|
||||
challengeType: 10
|
||||
forumTopicId: 462380
|
||||
dashedName: neural-network-sms-text-classifier
|
||||
---
|
||||
|
||||
# --description--
|
||||
|
||||
このチャレンジでは、SMS メッセージを「ハム」または「スパム」に分類する機械学習モデルを作成する必要があります。 「ハム」メッセージは、友人が送信する通常のメッセージです。 「スパム」メッセージは、企業が送信する広告またはメッセージです。
|
||||
|
||||
[Google Colaboratory でプロジェクト全体の案内とスターターコード](https://colab.research.google.com/github/freeCodeCamp/boilerplate-neural-network-sms-text-classifier/blob/master/fcc_sms_text_classification.ipynb)にアクセスできます。
|
||||
|
||||
このリンクにアクセスした後、自分のアカウントに、またはローカルに、ノートブックのコピーを作成してください。 プロジェクトを完了し、テストに合格したら (テストはリンクに含まれています)、下記にプロジェクトリンクを送信してください。 Google Colaboratory のリンクを送信する場合は、「リンクを貼った人」のリンク共有を必ず有効にしてください。
|
||||
|
||||
機械学習カリキュラム向けの対話型教育コンテンツを引き続き開発中です。 現在、この認定講座のビデオチャレンジを実行できます。 また、実際のプロジェクトの取り組みと同様に、場合によってはその他の学習資料を探す必要もあります。
|
||||
|
||||
# --hints--
|
||||
|
||||
すべての Python テストに合格する必要があります。
|
||||
|
||||
```js
|
||||
|
||||
```
|
||||
|
||||
# --solutions--
|
||||
|
||||
```py
|
||||
# Python challenges don't need solutions,
|
||||
# because they would need to be tested against a full working project.
|
||||
# Please check our contributing guidelines to learn more.
|
||||
```
|
||||
@ -0,0 +1,33 @@
|
||||
---
|
||||
id: 5e46f8d6ac417301a38fb92d
|
||||
title: じゃんけん
|
||||
challengeType: 10
|
||||
forumTopicId: 462376
|
||||
dashedName: rock-paper-scissors
|
||||
---
|
||||
|
||||
# --description--
|
||||
|
||||
このチャレンジでは、じゃんけんするプログラムを作成します。 ランダムに選択するプログラムの勝率は、通常は 50% になります。 このチャレンジに合格するには、プログラムで 4 つの異なるボットを相手に試合を行う必要があり、各試合で 60％ 以上の勝率を達成しなければなりません。
|
||||
|
||||
[Replit でプロジェクトの詳細とスターターコード](https://replit.com/github/freeCodeCamp/boilerplate-rock-paper-scissors)にアクセスできます。
|
||||
|
||||
このリンクにアクセスした後、プロジェクトをフォークしてください。 'README.md' の指示に基づいてプロジェクトを完了したら、下記にプロジェクトのリンクを送信してください。
|
||||
|
||||
機械学習カリキュラム向けの対話型教育パートを引き続き開発中です。 現在、このチャレンジに合格する方法を学ぶには他の資料を活用する必要があります。
|
||||
|
||||
# --hints--
|
||||
|
||||
すべての Python テストに合格する必要があります。
|
||||
|
||||
```js
|
||||
|
||||
```
|
||||
|
||||
# --solutions--
|
||||
|
||||
```py
|
||||
# Python challenges don't need solutions,
|
||||
# because they would need to be tested against a full working project.
|
||||
# Please check our contributing guidelines to learn more.
|
||||
```
|
||||
@ -0,0 +1,34 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72da6
|
||||
title: まとめ
|
||||
challengeType: 11
|
||||
videoId: LMNub5frQi4
|
||||
bilibiliIds:
|
||||
aid: 208033449
|
||||
bvid: BV1Wh411p79h
|
||||
cid: 409139716
|
||||
dashedName: conclusion
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
AI や機械学習を専門とするエキスパートの人のほとんどは、たいてい...
|
||||
|
||||
## --answers--
|
||||
|
||||
1 つの専門分野を持っている。
|
||||
|
||||
---
|
||||
|
||||
多くの専門分野を持っている。
|
||||
|
||||
---
|
||||
|
||||
数多くのさまざまなフレームワークを深く理解している。
|
||||
|
||||
## --video-solution--
|
||||
|
||||
1
|
||||
|
||||
@ -0,0 +1,34 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72d99
|
||||
title: '畳み込みニューラルネットワーク: モデルの評価'
|
||||
challengeType: 11
|
||||
videoId: eCATNvwraXg
|
||||
bilibiliIds:
|
||||
aid: 933030136
|
||||
bvid: BV1hM4y1g7Bx
|
||||
cid: 409132265
|
||||
dashedName: convolutional-neural-networks-evaluating-the-model
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
畳み込みニューラルネットワークの精度を向上させる良い方法**ではない**ものはどれですか？
|
||||
|
||||
## --answers--
|
||||
|
||||
すでに持っているデータの拡張。
|
||||
|
||||
---
|
||||
|
||||
事前トレーニングされたモデルの使用。
|
||||
|
||||
---
|
||||
|
||||
テストデータを使用したモデルの再トレーニング。
|
||||
|
||||
## --video-solution--
|
||||
|
||||
3
|
||||
|
||||
@ -0,0 +1,53 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72d9a
|
||||
title: '畳み込みニューラルネットワーク: 事前トレーニングされたモデルの選択'
|
||||
challengeType: 11
|
||||
videoId: h1XUt1AgIOI
|
||||
bilibiliIds:
|
||||
aid: 463063633
|
||||
bvid: BV1qL411x73q
|
||||
cid: 409132626
|
||||
dashedName: convolutional-neural-networks-picking-a-pretrained-model
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
Google の事前トレーニングされた MobileNet V2 モデルを畳み込みニューラルネットワークのベースとして使用できるように、次の空欄を埋めてください。
|
||||
|
||||
```py
|
||||
base_model = tf.__A__.applications.__B__(input_shape=(160, 160, 3),
|
||||
include_top=__C__,
|
||||
weights='imagenet'
|
||||
)
|
||||
```
|
||||
|
||||
## --answers--
|
||||
|
||||
A: `keras`
|
||||
|
||||
B: `MobileNetV2`
|
||||
|
||||
C: `False`
|
||||
|
||||
---
|
||||
|
||||
A: `Keras`
|
||||
|
||||
B: `MobileNetV2`
|
||||
|
||||
C: `True`
|
||||
|
||||
---
|
||||
|
||||
A: `keras`
|
||||
|
||||
B: `mobile_net_v2`
|
||||
|
||||
C: `False`
|
||||
|
||||
## --video-solution--
|
||||
|
||||
1
|
||||
|
||||
@ -0,0 +1,34 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72d97
|
||||
title: '畳み込みニューラルネットワーク: 畳み込み層'
|
||||
challengeType: 11
|
||||
videoId: LrdmcQpTyLw
|
||||
bilibiliIds:
|
||||
aid: 805608595
|
||||
bvid: BV1Q34y1S7nr
|
||||
cid: 409131585
|
||||
dashedName: convolutional-neural-networks-the-convolutional-layer
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
それぞれの畳み込み層の主な 3 つの特性は何ですか？
|
||||
|
||||
## --answers--
|
||||
|
||||
入力サイズ、フィルター数、およびフィルターのサンプルサイズ。
|
||||
|
||||
---
|
||||
|
||||
入力サイズ、入力次元、および入力のカラー値。
|
||||
|
||||
---
|
||||
|
||||
入力サイズ、入力パディング、およびストライド。
|
||||
|
||||
## --video-solution--
|
||||
|
||||
1
|
||||
|
||||
@ -0,0 +1,34 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72d96
|
||||
title: 畳み込みニューラルネットワーク
|
||||
challengeType: 11
|
||||
videoId: _1kTP7uoU9E
|
||||
bilibiliIds:
|
||||
aid: 805604251
|
||||
bvid: BV1D34y1S7zS
|
||||
cid: 409131358
|
||||
dashedName: convolutional-neural-networks
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
高密度ニューラルネットワークは、入力をグローバルスケールで分析し、特定の領域のパターンを認識します。 畳み込みニューラルネットワークについて正しく述べている文章はどれですか？
|
||||
|
||||
## --answers--
|
||||
|
||||
入力をグローバルに分析し、特定の領域から特徴を抽出する。
|
||||
|
||||
---
|
||||
|
||||
画像の分類や物体の検出にはあまり有効ではない。
|
||||
|
||||
---
|
||||
|
||||
入力全体を少しずつスキャンして局所的なパターンを学習する。
|
||||
|
||||
## --video-solution--
|
||||
|
||||
3
|
||||
|
||||
@ -0,0 +1,34 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72d8e
|
||||
title: 'コア学習アルゴリズム: モデルの構築'
|
||||
challengeType: 11
|
||||
videoId: 5wHw8BTd2ZQ
|
||||
bilibiliIds:
|
||||
aid: 763068584
|
||||
bvid: BV1s64y1a7WR
|
||||
cid: 409128675
|
||||
dashedName: core-learning-algorithms-building-the-model
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
TensorFlow で分類を行う場合、どの Estimator/モデルの使用が推奨されますか？
|
||||
|
||||
## --answers--
|
||||
|
||||
`LinearClassifier`
|
||||
|
||||
---
|
||||
|
||||
`DNNClassifier`
|
||||
|
||||
---
|
||||
|
||||
`BoostedTreesClassifier`
|
||||
|
||||
## --video-solution--
|
||||
|
||||
2
|
||||
|
||||
@ -0,0 +1,34 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72d8d
|
||||
title: 'コア学習アルゴリズム: 分類'
|
||||
challengeType: 11
|
||||
videoId: qFF7ZQNvK9E
|
||||
bilibiliIds:
|
||||
aid: 505531167
|
||||
bvid: BV1Vg411c7av
|
||||
cid: 409128427
|
||||
dashedName: core-learning-algorithms-classification
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
分類とは何ですか？
|
||||
|
||||
## --answers--
|
||||
|
||||
データポイントを異なるクラスに分けるプロセス。
|
||||
|
||||
---
|
||||
|
||||
独立変数と従属変数に基づいて数値または予測値を予測すること。
|
||||
|
||||
---
|
||||
|
||||
上記のいずれでもない。
|
||||
|
||||
## --video-solution--
|
||||
|
||||
1
|
||||
|
||||
@ -0,0 +1,42 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72d8f
|
||||
title: 'コア学習アルゴリズム: クラスタリング'
|
||||
challengeType: 11
|
||||
videoId: 8sqIaHc9Cz4
|
||||
bilibiliIds:
|
||||
aid: 720567137
|
||||
bvid: BV1BQ4y1r7UY
|
||||
cid: 409129005
|
||||
dashedName: core-learning-algorithms-clustering
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
次のステップのうち、K 平均法アルゴリズムのステップの一部**ではない**ものはどれですか？
|
||||
|
||||
## --answers--
|
||||
|
||||
K ポイントをランダムに選択して K 重心 (Centroid) を配置する。
|
||||
|
||||
---
|
||||
|
||||
各 K ポイントを最も近い K 重心に割り当てる。
|
||||
|
||||
---
|
||||
|
||||
各 K 重心をすべてのデータポイントの中央に移動する。
|
||||
|
||||
---
|
||||
|
||||
K ポイントをシャッフルしてランダムに再分配する。
|
||||
|
||||
---
|
||||
|
||||
各 K ポイントを最も近い K 重心に再度割り当てる。
|
||||
|
||||
## --video-solution--
|
||||
|
||||
4
|
||||
|
||||
@ -0,0 +1,34 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72d90
|
||||
title: 'コア学習アルゴリズム: 隠れマルコフモデル'
|
||||
challengeType: 11
|
||||
videoId: IZg24y4wEPY
|
||||
bilibiliIds:
|
||||
aid: 633081400
|
||||
bvid: BV1tb4y1y72V
|
||||
cid: 409129376
|
||||
dashedName: core-learning-algorithms-hidden-markov-models
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
隠れマルコフモデルと、線形回帰や分類との違いは何ですか？
|
||||
|
||||
## --answers--
|
||||
|
||||
将来の出来事や状態を予測するのに確率分布を使用する。
|
||||
|
||||
---
|
||||
|
||||
独立変数と依存変数の関係を分析し、予測を行う。
|
||||
|
||||
---
|
||||
|
||||
データポイントを別々のカテゴリーに分ける。
|
||||
|
||||
## --video-solution--
|
||||
|
||||
1
|
||||
|
||||
@ -0,0 +1,34 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72d8c
|
||||
title: 'コア学習アルゴリズム: トレーニングプロセス'
|
||||
challengeType: 11
|
||||
videoId: _cEwvqVoBhI
|
||||
bilibiliIds:
|
||||
aid: 335593652
|
||||
bvid: BV12R4y1H7Fi
|
||||
cid: 409128047
|
||||
dashedName: core-learning-algorithms-the-training-process
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
エポックとは何ですか？
|
||||
|
||||
## --answers--
|
||||
|
||||
モデルが同じデータを表示する回数。
|
||||
|
||||
---
|
||||
|
||||
グラフの一種。
|
||||
|
||||
---
|
||||
|
||||
一度にモデルにフィードする要素の数。
|
||||
|
||||
## --video-solution--
|
||||
|
||||
1
|
||||
|
||||
@ -0,0 +1,34 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72d8b
|
||||
title: 'コア学習アルゴリズム: トレーニングおよびテストデータ'
|
||||
challengeType: 11
|
||||
videoId: wz9J1slsi7I
|
||||
bilibiliIds:
|
||||
aid: 335509743
|
||||
bvid: BV1rA411F7bG
|
||||
cid: 409127635
|
||||
dashedName: core-learning-algorithms-training-and-testing-data
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
カテゴリーデータとは何ですか？
|
||||
|
||||
## --answers--
|
||||
|
||||
ワンホットエンコーディングを表す別の用語。
|
||||
|
||||
---
|
||||
|
||||
数値以外の任意のデータ。
|
||||
|
||||
---
|
||||
|
||||
数値として表現される任意のデータ。
|
||||
|
||||
## --video-solution--
|
||||
|
||||
2
|
||||
|
||||
@ -0,0 +1,34 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72d91
|
||||
title: 'コア学習アルゴリズム: 確率を使用した予測の作成'
|
||||
challengeType: 11
|
||||
videoId: fYAYvLUawnc
|
||||
bilibiliIds:
|
||||
aid: 763245369
|
||||
bvid: BV1B64y187gE
|
||||
cid: 414731624
|
||||
dashedName: core-learning-algorithms-using-probabilities-to-make-predictions
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
`.HiddenMarkovModel()` を実装するためにインポートする必要がある TensorFlow モジュールはどれですか？
|
||||
|
||||
## --answers--
|
||||
|
||||
`tensorflow.keras`
|
||||
|
||||
---
|
||||
|
||||
`tensorflow_gpu`
|
||||
|
||||
---
|
||||
|
||||
`tensorflow_probability`
|
||||
|
||||
## --video-solution--
|
||||
|
||||
3
|
||||
|
||||
@ -0,0 +1,34 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72d8a
|
||||
title: 'コア学習アルゴリズム: データの操作'
|
||||
challengeType: 11
|
||||
videoId: u85IOSsJsPI
|
||||
bilibiliIds:
|
||||
aid: 675550447
|
||||
bvid: BV1RU4y1w7up
|
||||
cid: 409127383
|
||||
dashedName: core-learning-algorithms-working-with-data
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
pandas の `.head()` 関数は何をしますか？
|
||||
|
||||
## --answers--
|
||||
|
||||
データフレーム内の項目数を返す。
|
||||
|
||||
---
|
||||
|
||||
データフレーム内の列数を返す。
|
||||
|
||||
---
|
||||
|
||||
デフォルトでは、データフレーム内の最初の 5 つの行または項目を表示する。
|
||||
|
||||
## --video-solution--
|
||||
|
||||
3
|
||||
|
||||
@ -0,0 +1,40 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72d89
|
||||
title: コア学習アルゴリズム
|
||||
challengeType: 11
|
||||
videoId: u5lZURgcWnU
|
||||
bilibiliIds:
|
||||
aid: 763034025
|
||||
bvid: BV1A64y1a7g4
|
||||
cid: 409127051
|
||||
dashedName: core-learning-algorithms
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
次の問題に最も適している分析のタイプはどれですか？
|
||||
|
||||
過去 100 年間の 3 月の平均気温があります。 このデータを使用して、今から 5 年後の 3 月の平均気温を予測したいと考えています。
|
||||
|
||||
## --answers--
|
||||
|
||||
重回帰
|
||||
|
||||
---
|
||||
|
||||
相関関係
|
||||
|
||||
---
|
||||
|
||||
決定木分析
|
||||
|
||||
---
|
||||
|
||||
線形回帰
|
||||
|
||||
## --video-solution--
|
||||
|
||||
4
|
||||
|
||||
@ -0,0 +1,56 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72d98
|
||||
title: 畳み込みニューラルネットワークを作成する
|
||||
challengeType: 11
|
||||
videoId: kfv0K8MtkIc
|
||||
bilibiliIds:
|
||||
aid: 420605824
|
||||
bvid: BV1p341127wW
|
||||
cid: 409131869
|
||||
dashedName: creating-a-convolutional-neural-network
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
次の空欄を埋めて、畳み込みニューラルネットワークのアーキテクチャを完成させてください。
|
||||
|
||||
```py
|
||||
model = models.__A__()
|
||||
model.add(layers.__B__(32, (3, 3), activation='relu', input_shape=(32, 32, 3)))
|
||||
model.add(layers.__C__(2, 2))
|
||||
model.add(layers.__B__(64, (3, 3), activation='relu'))
|
||||
model.add(layers.__C__(2, 2))
|
||||
model.add(layers.__B__(32, (3, 3), activation='relu'))
|
||||
model.add(layers.__C__(2, 2))
|
||||
```
|
||||
|
||||
## --answers--
|
||||
|
||||
A: `Sequential`
|
||||
|
||||
B: `add`
|
||||
|
||||
C: `Wrapper`
|
||||
|
||||
---
|
||||
|
||||
A: `keras`
|
||||
|
||||
B: `Cropping2D`
|
||||
|
||||
C: `AlphaDropout`
|
||||
|
||||
---
|
||||
|
||||
A: `Sequential`
|
||||
|
||||
B: `Conv2D`
|
||||
|
||||
C: `MaxPooling2D`
|
||||
|
||||
## --video-solution--
|
||||
|
||||
3
|
||||
|
||||
@ -0,0 +1,34 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72d87
|
||||
title: 'はじめに: 機械学習の基礎'
|
||||
challengeType: 11
|
||||
videoId: KwL1qTR5MT8
|
||||
bilibiliIds:
|
||||
aid: 293071716
|
||||
bvid: BV1Yf4y1n7R2
|
||||
cid: 409125921
|
||||
dashedName: introduction-machine-learning-fundamentals
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
次のうち**正しくない**文章はどれですか？
|
||||
|
||||
## --answers--
|
||||
|
||||
ニューラルネットワークは人間の脳の働きをモデル化している。
|
||||
|
||||
---
|
||||
|
||||
人間のプレーヤーを相手に三目並べやチェスをプレイするコンピュータープログラムは、単純な人工知能の例である。
|
||||
|
||||
---
|
||||
|
||||
機械学習は人工知能の一部分である。
|
||||
|
||||
## --video-solution--
|
||||
|
||||
1
|
||||
|
||||
@ -0,0 +1,42 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72d88
|
||||
title: TensorFlow 入門
|
||||
challengeType: 11
|
||||
videoId: r9hRyGGjOgQ
|
||||
bilibiliIds:
|
||||
aid: 675554869
|
||||
bvid: BV1dU4y1w7vw
|
||||
cid: 409126541
|
||||
dashedName: introduction-to-tensorflow
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
次のうち、テンソルの型**ではない**ものはどれですか？
|
||||
|
||||
## --answers--
|
||||
|
||||
変数
|
||||
|
||||
---
|
||||
|
||||
流動
|
||||
|
||||
---
|
||||
|
||||
プレイスホルダ―
|
||||
|
||||
---
|
||||
|
||||
SparseTensor
|
||||
|
||||
---
|
||||
|
||||
定数
|
||||
|
||||
## --video-solution--
|
||||
|
||||
2
|
||||
|
||||
@ -0,0 +1,66 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72da1
|
||||
title: 'RNN を使用した自然言語処理: モデルの構築'
|
||||
challengeType: 11
|
||||
videoId: 32WBFS7lfsw
|
||||
bilibiliIds:
|
||||
aid: 848015573
|
||||
bvid: BV1YL4y1a7WS
|
||||
cid: 409138016
|
||||
dashedName: natural-language-processing-with-rnns-building-the-model
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
次の空欄を埋めて `build_model` 関数を完成させてください。
|
||||
|
||||
```py
|
||||
def build_mode(vocab_size, embedding_dim, rnn_units, batch_size):
|
||||
model = tf.keras.Sequential([
|
||||
tf.keras.layers.Embedding(vocab_size,
|
||||
embedding_dim,
|
||||
batch_input_shape=[batch_size, None]),
|
||||
tf.keras.layers.__A__(rnn_units,
|
||||
return_sequences=__B__,
|
||||
recurrent_initializer='glorot_uniform),
|
||||
tf.keras.layers.Dense(__C__)
|
||||
])
|
||||
__D__
|
||||
```
|
||||
|
||||
## --answers--
|
||||
|
||||
A: `ELU`
|
||||
|
||||
B: `True`
|
||||
|
||||
C: `vocab_size`
|
||||
|
||||
D: `return model`
|
||||
|
||||
---
|
||||
|
||||
A: `LSTM`
|
||||
|
||||
B: `False`
|
||||
|
||||
C: `batch_size`
|
||||
|
||||
D: `return model`
|
||||
|
||||
---
|
||||
|
||||
A: `LSTM`
|
||||
|
||||
B: `True`
|
||||
|
||||
C: `vocab_size`
|
||||
|
||||
D: `return model`
|
||||
|
||||
## --video-solution--
|
||||
|
||||
3
|
||||
|
||||
@ -0,0 +1,44 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72da0
|
||||
title: 'RNN を使用した自然言語処理: Play Generator の作成'
|
||||
challengeType: 11
|
||||
videoId: j5xsxjq_Xk8
|
||||
bilibiliIds:
|
||||
aid: 720525759
|
||||
bvid: BV1xQ4y1r7tw
|
||||
cid: 409137674
|
||||
dashedName: natural-language-processing-with-rnns-create-a-play-generator
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
次の空欄を埋めて RNN のトレーニング例を作成してください。
|
||||
|
||||
```py
|
||||
char_dataset = tf.data.__A__.__B__(text_as_int)
|
||||
```
|
||||
|
||||
## --answers--
|
||||
|
||||
A: `Dataset`
|
||||
|
||||
B: `from_tensor_slices`
|
||||
|
||||
---
|
||||
|
||||
A: `data`
|
||||
|
||||
B: `from_tensors`
|
||||
|
||||
---
|
||||
|
||||
A: `DataSet`
|
||||
|
||||
B: `from_generator`
|
||||
|
||||
## --video-solution--
|
||||
|
||||
1
|
||||
|
||||
@ -0,0 +1,34 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72d9f
|
||||
title: 'RNN を使用した自然言語処理: 予測の実行'
|
||||
challengeType: 11
|
||||
videoId: WO1hINnBj20
|
||||
bilibiliIds:
|
||||
aid: 848023400
|
||||
bvid: BV1WL4y1a75i
|
||||
cid: 409136303
|
||||
dashedName: natural-language-processing-with-rnns-making-predictions
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
独自のレビューで予測を行う場合、事前に行う必要があることは何ですか？
|
||||
|
||||
## --answers--
|
||||
|
||||
トレーニングデータセットをデコードし、結果をテストデータと比較する。
|
||||
|
||||
---
|
||||
|
||||
トレーニングデータセットのエンコーディングを使用してレビューをエンコードする。
|
||||
|
||||
---
|
||||
|
||||
データセットにある 0 から最大語彙数の間のランダムな値をレビューの各単語に割り当てる。
|
||||
|
||||
## --video-solution--
|
||||
|
||||
2
|
||||
|
||||
@ -0,0 +1,34 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72d9c
|
||||
title: 'RNN を使用した自然言語処理: パート 2'
|
||||
challengeType: 11
|
||||
videoId: mUU9YXOFbZg
|
||||
bilibiliIds:
|
||||
aid: 975558435
|
||||
bvid: BV1L44y1b7Lp
|
||||
cid: 409135242
|
||||
dashedName: natural-language-processing-with-rnns-part-2
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
単語埋め込みとは何ですか？
|
||||
|
||||
## --answers--
|
||||
|
||||
与えられた文書での単語の頻度を表す、エンコードされた単語の順序なしグループ。
|
||||
|
||||
---
|
||||
|
||||
与えられた文書での単語の元の順序を保持する、エンコードされた単語のグループ。
|
||||
|
||||
---
|
||||
|
||||
互いに似たような意味を持つ単語を近くに配置する、与えられた文書にある単語のベクトル化された表現。
|
||||
|
||||
## --video-solution--
|
||||
|
||||
3
|
||||
|
||||
@ -0,0 +1,38 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72d9d
|
||||
title: 'RNN を使用した自然言語処理: 回帰型ニューラルネットワーク'
|
||||
challengeType: 11
|
||||
videoId: bX5681NPOcA
|
||||
bilibiliIds:
|
||||
aid: 335605808
|
||||
bvid: BV1SR4y1H7ri
|
||||
cid: 409135641
|
||||
dashedName: natural-language-processing-with-rnns-recurring-neural-networks
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
回帰型ニューラルネットワークについて正しく述べている文章はどれですか？
|
||||
|
||||
## --answers--
|
||||
|
||||
1: フィードフォワード・ニューラルネットワークの一種である。
|
||||
|
||||
---
|
||||
|
||||
2: すでに処理された入力の内部メモリ/状態を維持する。
|
||||
|
||||
---
|
||||
|
||||
3: RNN にはループが含まれ、一度に 1 つの入力部を処理する。
|
||||
|
||||
---
|
||||
|
||||
4: 2 と 3 の両方。
|
||||
|
||||
## --video-solution--
|
||||
|
||||
4
|
||||
|
||||
@ -0,0 +1,54 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72d9e
|
||||
title: 'RNNを使用した自然言語処理: センチメント分析'
|
||||
challengeType: 11
|
||||
videoId: lYeLtu8Nq7c
|
||||
bilibiliIds:
|
||||
aid: 933111408
|
||||
bvid: BV1TM4y137VB
|
||||
cid: 409135996
|
||||
dashedName: natural-language-processing-with-rnns-sentiment-analysis
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
次の空欄を埋めて RNN のモデルを作成してください。
|
||||
|
||||
```py
|
||||
model = __A__.keras.Sequential([
|
||||
__A__.keras.layers.__B__(88584, 32),
|
||||
__A__.keras.layers.__C__(32),
|
||||
__A__.keras.layers.Dense(1, activation='sigmoid')
|
||||
])
|
||||
```
|
||||
|
||||
## --answers--
|
||||
|
||||
A: `tensor_flow`
|
||||
|
||||
B: `embedding`
|
||||
|
||||
C: `LSTM`
|
||||
|
||||
---
|
||||
|
||||
A: `tf`
|
||||
|
||||
B: `Embedding`
|
||||
|
||||
C: `AlphaDropout`
|
||||
|
||||
---
|
||||
|
||||
A: `tf`
|
||||
|
||||
B: `Embedding`
|
||||
|
||||
C: `LSTM`
|
||||
|
||||
## --video-solution--
|
||||
|
||||
3
|
||||
|
||||
@ -0,0 +1,58 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72da2
|
||||
title: 'RNN を使用した自然言語処理: モデルのトレーニング'
|
||||
challengeType: 11
|
||||
videoId: hEUiK7j9UI8
|
||||
bilibiliIds:
|
||||
aid: 250542136
|
||||
bvid: BV19v411w7Fi
|
||||
cid: 409138327
|
||||
dashedName: natural-language-processing-with-rnns-training-the-model
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
次の空欄を埋めて、モデルのチェックポイントを `./checkpoints` ディレクトリに保存し、トレーニングの最新のチェックポイントを呼び出してください。
|
||||
|
||||
```py
|
||||
checkpoint_dir = __A__
|
||||
checkpoint_prefix = os.path.join(checkpoint_dir, 'ckpt_{epoch}')
|
||||
|
||||
checkpoint_callback = tf.keras.callbacks.__B__(
|
||||
filepath=checkpoint_prefix,
|
||||
save_weights_only=True
|
||||
)
|
||||
|
||||
history = model.fit(data, epochs=2, callbacks=[__C__])
|
||||
```
|
||||
|
||||
## --answers--
|
||||
|
||||
A: `'./training_checkpoints'`
|
||||
|
||||
B: `ModelCheckpoint`
|
||||
|
||||
C: `checkpoint_prefix`
|
||||
|
||||
---
|
||||
|
||||
A: `'./checkpoints'`
|
||||
|
||||
B: `ModelCheckpoint`
|
||||
|
||||
C: `checkpoint_callback`
|
||||
|
||||
---
|
||||
|
||||
A: `'./checkpoints'`
|
||||
|
||||
B: `BaseLogger`
|
||||
|
||||
C: `checkpoint_callback`
|
||||
|
||||
## --video-solution--
|
||||
|
||||
2
|
||||
|
||||
@ -0,0 +1,34 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72d9b
|
||||
title: RNN を使用した自然言語処理
|
||||
challengeType: 11
|
||||
videoId: ZyCaF5S-lKg
|
||||
bilibiliIds:
|
||||
aid: 548105306
|
||||
bvid: BV1nq4y1K7VU
|
||||
cid: 409134745
|
||||
dashedName: natural-language-processing-with-rnns
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
自然言語処理は人工知能の一分野として、どのようなことを対象としていますか？
|
||||
|
||||
## --answers--
|
||||
|
||||
コンピューターが自然言語や人間の言語を理解し処理する方法を扱う。
|
||||
|
||||
---
|
||||
|
||||
画像データを自然言語または人間の言語に翻訳する。
|
||||
|
||||
---
|
||||
|
||||
コンピューター言語を自然言語または人間の言語に翻訳することを中心とする。
|
||||
|
||||
## --video-solution--
|
||||
|
||||
1
|
||||
|
||||
@ -0,0 +1,34 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72d93
|
||||
title: 'ニューラルネットワーク: 活性化関数'
|
||||
challengeType: 11
|
||||
videoId: S45tqW6BqRs
|
||||
bilibiliIds:
|
||||
aid: 675610466
|
||||
bvid: BV1wU4y1A7TJ
|
||||
cid: 409130203
|
||||
dashedName: neural-networks-activation-functions
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
-1 ～ 1 の間で値が切り替わる活性化関数はどれですか？
|
||||
|
||||
## --answers--
|
||||
|
||||
ReLU (正規化線形ユニット)
|
||||
|
||||
---
|
||||
|
||||
Tanh (双曲線正接)
|
||||
|
||||
---
|
||||
|
||||
シグモイド
|
||||
|
||||
## --video-solution--
|
||||
|
||||
2
|
||||
|
||||
@ -0,0 +1,54 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72d95
|
||||
title: 'ニューラルネットワーク: モデルの作成'
|
||||
challengeType: 11
|
||||
videoId: K8bz1bmOCTw
|
||||
bilibiliIds:
|
||||
aid: 848109040
|
||||
bvid: BV1EL4y1878f
|
||||
cid: 409130886
|
||||
dashedName: neural-networks-creating-a-model
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
次の空欄を埋めて、全結合層の連続モデルを構築してください。
|
||||
|
||||
```py
|
||||
model = __A__.__B__([
|
||||
__A__.layers.Flatten(input_shape=(28, 28)),
|
||||
__A__.layers.__C__(128, activation='relu'),
|
||||
__A__.layers.__C__(10, activation='softmax')
|
||||
])
|
||||
```
|
||||
|
||||
## --answers--
|
||||
|
||||
A: `keras`
|
||||
|
||||
B: `Sequential`
|
||||
|
||||
C: `Dense`
|
||||
|
||||
---
|
||||
|
||||
A: `tf`
|
||||
|
||||
B: `Sequential`
|
||||
|
||||
C: `Categorical`
|
||||
|
||||
---
|
||||
|
||||
A: `keras`
|
||||
|
||||
B: `sequential`
|
||||
|
||||
C: `dense`
|
||||
|
||||
## --video-solution--
|
||||
|
||||
1
|
||||
|
||||
@ -0,0 +1,34 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72d94
|
||||
title: 'ニューラルネットワーク: オプティマイザー'
|
||||
challengeType: 11
|
||||
videoId: hdOtRPQe1o4
|
||||
bilibiliIds:
|
||||
aid: 763064173
|
||||
bvid: BV1364y1a7eM
|
||||
cid: 409130557
|
||||
dashedName: neural-networks-optimizers
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
オプティマイザー関数とは何ですか？
|
||||
|
||||
## --answers--
|
||||
|
||||
モデルの予測精度を上げる関数。
|
||||
|
||||
---
|
||||
|
||||
最急降下法と誤差逆伝播法のアルゴリズムをユーザーに代わって実装する関数。
|
||||
|
||||
---
|
||||
|
||||
モデルのトレーニングに必要な時間を短縮する関数。
|
||||
|
||||
## --video-solution--
|
||||
|
||||
2
|
||||
|
||||
@ -0,0 +1,34 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72d92
|
||||
title: TensorFlow を使用したニューラルネットワーク
|
||||
challengeType: 11
|
||||
videoId: uisdfrNrZW4
|
||||
bilibiliIds:
|
||||
aid: 378031840
|
||||
bvid: BV1Qf4y1c7Dc
|
||||
cid: 409129888
|
||||
dashedName: neural-networks-with-tensorflow
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
密に接続されたニューラルネットワークの特徴は次のうちどれですか？
|
||||
|
||||
## --answers--
|
||||
|
||||
現在の層にあるすべてのニューロンが、前の層にある 1 つのニューロンに接続されている。
|
||||
|
||||
---
|
||||
|
||||
各層にあるすべてのニューロンがランダムに接続されている。
|
||||
|
||||
---
|
||||
|
||||
現在の層にあるすべてのニューロンが、前の層にあるすべてのニューロンに接続されている。
|
||||
|
||||
## --video-solution--
|
||||
|
||||
3
|
||||
|
||||
@ -0,0 +1,50 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72da5
|
||||
title: 'Q学習による強化学習: 例'
|
||||
challengeType: 11
|
||||
videoId: RBBSNta234s
|
||||
bilibiliIds:
|
||||
aid: 848073871
|
||||
bvid: BV1uL4y187Eq
|
||||
cid: 409139471
|
||||
dashedName: reinforcement-learning-with-q-learning-example
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
次の空欄を埋めて Q 学習の式を完成させてください。
|
||||
|
||||
```py
|
||||
Q[__A__, __B__] = Q[__A__, __B__] + LEARNING_RATE * (reward + GAMMA * np.max(Q[__C__, :]) - Q[__A__, __B__])
|
||||
```
|
||||
|
||||
## --answers--
|
||||
|
||||
A: `state`
|
||||
|
||||
B: `action`
|
||||
|
||||
C: `next_state`
|
||||
|
||||
---
|
||||
|
||||
A: `state`
|
||||
|
||||
B: `action`
|
||||
|
||||
C: `prev_state`
|
||||
|
||||
---
|
||||
|
||||
A: `state`
|
||||
|
||||
B: `reaction`
|
||||
|
||||
C: `next_state`
|
||||
|
||||
## --video-solution--
|
||||
|
||||
1
|
||||
|
||||
@ -0,0 +1,30 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72da4
|
||||
title: 'Q学習による強化学習: パート 2'
|
||||
challengeType: 11
|
||||
videoId: DX7hJuaUZ7o
|
||||
bilibiliIds:
|
||||
aid: 420570359
|
||||
bvid: BV1G341127zr
|
||||
cid: 409139190
|
||||
dashedName: reinforcement-learning-with-q-learning-part-2
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
エージェントが、ランダムなアクションを実行するか、学習したアクションを使用するかで良好なバランスを取れていない場合、何が起こる可能性がありますか？
|
||||
|
||||
## --answers--
|
||||
|
||||
エージェントは常に、現在の状態やアクションに対する報酬を最小限に抑えようと試み、極小値につながる。
|
||||
|
||||
---
|
||||
|
||||
エージェントは常に、現在の状態やアクションに対する報酬を最大化しようと試み、極大値につながる。
|
||||
|
||||
## --video-solution--
|
||||
|
||||
2
|
||||
|
||||
@ -0,0 +1,34 @@
|
||||
---
|
||||
id: 5e8f2f13c4cdbe86b5c72da3
|
||||
title: Q 学習による強化学習
|
||||
challengeType: 11
|
||||
videoId: Cf7DSU0gVb4
|
||||
bilibiliIds:
|
||||
aid: 463025802
|
||||
bvid: BV1iL411x7L6
|
||||
cid: 409138811
|
||||
dashedName: reinforcement-learning-with-q-learning
|
||||
---
|
||||
|
||||
# --question--
|
||||
|
||||
## --text--
|
||||
|
||||
強化学習の主な構成要素は何ですか？
|
||||
|
||||
## --answers--
|
||||
|
||||
環境、代表者、状態、反応、報酬。
|
||||
|
||||
---
|
||||
|
||||
環境、エージェント、状態、行動、報酬。
|
||||
|
||||
---
|
||||
|
||||
生息地、エージェント、状態、行動、処罰。
|
||||
|
||||
## --video-solution--
|
||||
|
||||
2
|
||||
|
||||
Reference in New Issue
Block a user