A不正解
事前トレーニング
事前トレーニングは、ゼロから大量データで汎用知識を獲得させる段階です。
既存の知識を別タスクに流用して少データで作る考え方とは異なるため不正解です。
ある企業が、あるタスクで学習したモデルの知識を、関連する別のタスクに活かして、少ないデータで効率よく新しいモデルを作りたいと考えています。データ収集のコストを抑えることが狙いです。この考え方を表す手法はどれですか。
1 / 1
回答を選択してください
正解B
解説
既存知識を別タスクに活かす手法を選ぶ問題。
- 1「あるタスクで学習したモデルの知識を」学習済みの 知識を再利用 する
- 2「別のタスクに活かして」別タスクへ流用＝転移学習
B正解
転移学習
正解。転移学習は、あるタスクで学習した知識を別の関連タスクに活かして、少ないデータで効率よくモデルを作る考え方です。基盤モデルのファインチューニングもこの一形態です。
C不正解
正則化
正則化は、学習時にモデルの過学習を抑える手法です。
既存タスクの知識を別タスクに流用する考え方ではないため不正解です。
D不正解
データ拡張
データ拡張は、既存データを加工して学習データを水増しする手法です。
既存タスクの知識を別タスクに流用する考え方ではないため不正解です。
ポイント
正解の『転移学習』の考え方を押さえます。
・あるタスクで学習した知識を、関連する別タスクに活かして、少ないデータで効率よくモデルを作る。
・基盤モデルのファインチューニングも転移学習の一形態。
事前トレーニング（ゼロから汎用学習）・正則化（過学習抑制）・データ拡張（水増し）とは別の概念です。