このページは Cloud Translation API によって翻訳されました。 エンべディング: 理解度テスト パスウェイに戻る エンベディングに適した候補は次のうちどれですか。(該当するものをすべて選択してください) 正しいと思われる解答をすべて選択してください。 1999 ~ 2024 年の日本の東京の 1 日の最高気温。 単純なウイルスのゲノム配列。 馬の高解像度写真の大規模なデータセット。 大規模なソフトウェア プロジェクトのコード行数。 手書きの数字の 100 ピクセル x 100 ピクセルの白黒画像のデータベースを、画像内のピクセルを表現するベクトル(白は 0、黒は 1)としてエンコードします。このエンコードからエンベディングを作成した場合、エンベディングの次元数はおおよそいくつになりますか。 10,000 個のディメンション 10,000 個を超えるディメンション ディメンションが 10,000 個未満です 同じデータのワンホット ベクトルではなく、特徴データにエンベディング ベクトルを使用するメリットは次のうちどれですか。(該当するものをすべて選択してください) 正しいと思われる解答をすべて選択してください。 エンベディング ベクトルを使用するモデルでは、トレーニング中にチューニングする重みが少なくなります。 エンベディング ベクトルを使用すると、モデルのトレーニングが高速化され、費用も削減されます。 エンベディングでトレーニングされたモデルは、テストセットで評価する必要はありません。 エンベディング ベクトルを使用するとデータの次元が増加し、モデルのパフォーマンスが向上します。 正誤問題: トレーニング済みのニューラル ネットワークの隠れ層から取得した重みは、エンベディングとして使用できます。 True False コンテキスト エンベディングと静的エンベディングの違いは何ですか?(該当するものをすべて選択してください) 正しいと思われる解答をすべて選択してください。 コンテキスト エンベディングは位置情報をエンコードしますが、静的エンベディングはエンコードしません。 1 つのトークンは 1 つの静的エンベディングで表されますが、複数のコンテキスト エンベディングで表すこともできます。 コンテキスト エンベディングは、静的エンベディングと比較して計算コストが低くなります。 静的エンベディングでは、すべてのユースケースでベクトル間の意味論的に意味のある数学演算が可能です。コンテキスト エンベディングでは、そうではありません。 解答を送信 error_outline テストの採点中にエラーが発生しました。もう一度お試しください。