ニューラルネットワーク基礎クイズ
Step 1 で学んだニューラルネットワークの基礎知識を確認しましょう。5問中4問以上の正解で合格です。
Q1. 深層学習と従来の機械学習の違い
深層学習が従来の機械学習（勾配ブースティング等）と比較して最も優れている点はどれですか？
- A: テーブルデータの分類タスクで常に高精度
- B: 少量のデータでも高い性能を発揮する
- C: 画像やテキストなどの非構造化データから特徴量を自動学習できる
- D: 計算リソースが少なくて済む
正解: C
解説: 深層学習の最大の強みは、画像・テキスト・音声などの非構造化データから階層的な特徴量を自動的に学習できる点です。テーブルデータでは LightGBM 等の勾配ブースティングが依然として強く、大量データと計算リソースを必要とします。
Q2. 活性化関数の役割
ニューラルネットワークに活性化関数が必要な理由として最も適切なものはどれですか？
- A: 計算速度を向上させるため
- B: 非線形性を導入し、複雑な関数を近似可能にするため
- C: パラメータ数を削減するため
- D: 出力を常に正の値にするため
正解: B
解説: 活性化関数がなければ、何層重ねても全体として線形変換にしかなりません。活性化関数で非線形性を導入することで、ニューラルネットワークは任意の複雑な関数を近似できるようになります。
Q3. 損失関数の選択
NetShop の商品画像を10カテゴリに分類するモデルの出力層と損失関数の組み合わせとして正しいものはどれですか？
- A: Sigmoid + MSE
- B: Softmax + Cross-Entropy
- C: ReLU + Binary Cross-Entropy
- D: Tanh + MSE
正解: B
解説: 多クラス分類では、出力層に Softmax（各クラスの確率を合計1で出力）を使い、損失関数には Categorical Cross-Entropy を使います。Sigmoid + Binary Cross-Entropy は二値分類用です。
Q4. 誤差逆伝播法
誤差逆伝播法（バックプロパゲーション）の説明として正しいものはどれですか？
- A: 入力層から出力層に向かって勾配を計算する
- B: 連鎖律を使って出力層から入力層に向かって勾配を効率的に計算する
- C: ランダムにパラメータを更新して最適解を探す
- D: 損失関数を使わずにパラメータを最適化する
正解: B
解説: 誤差逆伝播法は、連鎖律（Chain Rule）を使って、損失関数の勾配を出力層から入力層に向かって効率的に計算します。各パラメータに対する勾配が一度の逆方向計算で求まるため、大規模ネットワークでも実用的です。
Q5. 学習率
学習率が大きすぎる場合に起こる問題はどれですか？
- A: 学習が極端に遅くなり、実用的な時間内に収束しない
- B: 損失が発散し、最適解を飛び越えてしまう
- C: モデルのパラメータ数が増加する
- D: 過学習が完全に防止される
正解: B
解説: 学習率が大きすぎると、パラメータの更新幅が大きくなり、最適解を飛び越えてしまいます。結果として損失が増加・発散し、学習が失敗します。逆に小さすぎると学習が遅くなったり局所最適解に陥ったりします。
結果
5問中の正解数を確認してください。
- 5問正解: 素晴らしい！Step 2 に進みましょう。
- 4問正解: 合格です。間違えた問題を復習してから次へ進みましょう。
- 3問以下: Step 1 のレッスンを再度読み直してから、もう一度挑戦しましょう。
推定所要時間: 15分