深層学習（ディープラーニング）応用問題
画像分類タスクで訓練データセットが著しく不均衡（あるクラスが極端に少ない）な場合、モデルの性能を改善するために講じるべき対策として最も適切なのはどれか？
A.少数クラスのデータを複数回使い回し、または過剰サンプリング・データ拡張により訓練データのバランスを改善する← 正解
✓ 正解です。過剰サンプリング、アンダーサンプリング、データ拡張により訓練データのバランスを改善し、モデルが少数クラスを見落とさないようにします。
B.少数クラスを完全に削除し、多数クラスのみで訓練する
✗ 少数クラスを削除すると、そのクラスの予測は不可能になり、問題を解決せず悪化させます。
C.全クラスに均等な重みをランダムに付与する
✗ クラスの重みを単にランダムに付与することは、不均衡の系統的な対処にはなりません。
D.訓練時の学習率を極端に低くする
✗ 学習率を低くすること自体は不均衡問題を解決せず、むしろ収束を遅延させます。
「深層学習（ディープラーニング）」の他の問題
ニューラルネットワークの訓練中に勾配消失問題が発生した場合、以下の対策のうち最も直接的な解決策はどれか？CNN（畳み込みニューラルネットワーク）で過学習が顕著に発生した場合、以下の対策のうち最も効果的なのはどれか？RNN（再帰型ニューラルネットワーク）で長期の依存関係をモデル化する必要がある場合、標準的なRNNではなくLSTMやGR…転移学習（Transfer Learning）で大規模な事前訓練済みモデルを利用する際、目的タスクのデータが非常に少ない…自然言語処理でAttention機構を導入した結果、以前のRNNモデルと比べて並列処理性能が向上した理由は何か？CNNとRNNの最も重要な違いはどれか。