AIの基礎概念と歴史応用問題
深層学習モデルが新しいドメイン（異なるデータ分布）に対応する際、事前学習済みモデルを使用した転移学習を適用する場合、モデルのどの部分を調整すべきですか？
A.初期層のみを微調整し、後期層は元のモデルのパラメータを固定する
✗ 初期層は汎用的な特徴を抽出するため、固定するべき層です。後期層こそが新タスクに特化するため調整が必要です。
B.全層のパラメータを同じ学習率で学習し直す
✗ 全層を同じ学習率で学習すると、元の知識が失われやすく、転移学習の利点が損なわれます。
C.初期層は固定し、後期層（タスク特化層）を新しいタスクに合わせて微調整する← 正解
✓ 正解です。初期層の汎用特徴は保持し、後期層をターゲットタスクに合わせて微調整することが転移学習の標準的な手法です。
D.畳み込み層のフィルタサイズだけを変更して、他のパラメータは固定する
✗ フィルタサイズを変更することは構造設計に関わり、転移学習の調整方法ではありません。
「AIの基礎概念と歴史」の他の問題
機械学習モデルが訓練データに過度に適合し、テストデータでの性能が低下した場合、このような状況を改善するためには、次のうち…勾配消失問題が発生している深層ニューラルネットワークを改善する場合、次のうちどの施策の組み合わせが最も効果的ですか？自然言語処理タスクで、訓練データが極めて限定的な場合、次のうちどのアプローチが最も実用的ですか？画像分類モデルが特定のクラスに対して極めて高い確信度（90%以上の予測確率）を返しても、実際には予測が外れている場合が頻…時系列予測タスクで、長期的な依存関係を捉える際に通常のLSTMが困難を示した場合、改善策として最も適切なのはどれですか？機械学習モデルの訓練データが8,000サンプル、検証データが2,000サンプル、テストデータが1,000サンプルの場合、…