教師なし学習比較
オートエンコーダと主成分分析（PCA）を次元削減手法として比較した場合、最も正確な説明はどれか？
A.PCAは線形な次元削減のみを行うが、オートエンコーダ（特に深層型）は非線形な次元削減も可能である← 正解
✓ 正解です。PCAは線形変換に限定されますが、深層オートエンコーダはニューラルネットワークで非線形な複雑なパターンも学習できます。
B.PCAはオートエンコーダより高速だが、複雑なパターン学習ではオートエンコーダが優れている
✗ PCAは計算効率が高いですが、「高速だが複雑なパターン学習ではオートエンコーダが優れている」という説明の方向性自体は正しくとも、これは正解ではありません。PCAとオートエンコーダの最も本質的な違いは線形・非線形の差です。
C.オートエンコーダはPCAと異なり、教師あり学習の手法である
✗ 誤りです。オートエンコーダは教師なし学習で、ラベルなしデータから特徴を自動抽出します。
D.PCAは出力が必ず元の変数の線形結合であるが、オートエンコーダは出力がより解釈困難である
✗ オートエンコーダの潜在表現は解釈困難な場合が多いですが、これはPCAとの最も重要な違いを表していません。
この問題のポイント
PCAは線形変換に限定されますが、深層オートエンコーダはニューラルネットワークで非線形な複雑なパターンも学習できます。
「教師なし学習」の他の問題
k-meansクラスタリングで「最適なクラスタ数K」を決める一般的な方法はどれか？PCA（主成分分析）の目的として最も適切なものはどれか？k-meansクラスタリングを実行したとき、初期クラスタ中心をランダムに選び直して再度実行すると、全く異なるクラスタ結果…階層的クラスタリング（凝集型）を用いて大規模なテキストドキュメント群をクラスタリングしたところ、途中で計算が極めて遅くな…DBSCAN（密度ベースのクラスタリング）でε（近傍半径）パラメータを0.5から1.5に増加させたとき、一般的にどのよう…複数の異なる教師なし学習アルゴリズム（k-means、DBSCANと階層的クラスタリング）を同じデータセットに適用したと…
IT・クラウド の関連資格
AWS Certified Cloud Practitioner（CLF-C02）
AWSクラウドの入門資格。クラウドの概念・AWSのコアサービス・セキュリティ・料金モデルを問う。
AWS Certified Solutions Architect - Associate（SAA-C03）
AWSでのシステム設計能力を問うアソシエイト資格。高可用性・セキュリティ・コスト最適化の設計が中心。
DP-900：Microsoft Azure Data Fundamentals
Azureのデータサービスの基礎を問うMicrosoft認定資格。リレーショナル/非リレーショナルデータ、分析ワークロード、コアのデータ概念を扱う。