RNN Quiz

Q.순차 데이터의 종류로 옳지 "않은" 것을 고르세요.

 

1. 특정 반의 수학 점수 데이터

 

2. 한반도의 연평균 기온 데이터

 

3. 영어로 쓰인 소설책 데이터

 

4. 자동차의 시간 별 평균 속도 데이터

정답 1

 

 

Q.다음 중 자연어 처리 사례로 옳지 "않은" 것을 고르세요.

 

1. 인공지능 번역기

 

2. 챗봇

 

3. 음악 장르 분석

 

4. 음성 인식

 

정답 3

 

RNN의 입력 데이터 구조

Q.RNN의 입력 데이터에 대한 설명으로 "옳은" 것을 고르세요.

 

1. 시계열 데이터는 각 시점에 기록된 데이터를 데이터 타입에 상관 없이 그대로 넣을 수 있다.

 

2. 자연어 데이터의 각 단어를 문자열 형태로 RNN에 넣어도 학습할 수 있다.

 

3. 시계열 데이터를 벡터로 변환했을 때 각 벡터의 길이는 전체 데이터 개수와 같다.

 

4. 자연어 데이터를 벡터로 변환하는 과정을 임베딩(Embedding)이라고 부른다.

 

정답 4

 

 

Q.Vanilla RNN의 설명으로 "옳은" 것을 고르세요.

 

1. Vanilla RNN에는 모델 파라미터에 영향을 미치는 Fully-connected Layer가 한 개 존재한다.

 

2. Hidden state가 모든 시점에 공유되어 parameter sharing의 개념이 존재한다.

 

3. 입력 데이터의 길이가 N개라면 RNN 모델도 N개 준비해야 한다.

 

4. Vanilla RNN에서 출력값의 시점 개수는 입력값의 시점 개수와 동일해야 한다.

정답 2

 

 

 

Q.다음은 문장을 one-hot 인코딩 하는 과정을 간단히 표현한 것입니다. 가장 옳지 않은 것을 고르세요

text = “나는 저녁으로 치킨을 먹고 싶어.”
word_index = {BLANK: 0, “나”: 1, “는”: 2, “저녁”: 3, “으로”: 4, “치킨”: 5, “피자”: 6, “를”: 7, “을”: 8, “먹고”: 9, “싶어”: 10}

(BLANK는 라이브러리에서 예약된 토큰을 임의로 표현한 것입니다.)

 

 

1. 단어 '나'는 11차원의 벡터로 매핑된다.

 

2. "나는 피자를 먹고 싶어" 는 6개의 벡터로 표현할 수 있다.

 

3. word_index에 없는 단어는 토큰화할 수 없다.

 

4. 하나의 단어 벡터는 1이 10개, 0이 1개로 구성되어 있다.

 

5. "나는 라면을 먹고 싶어"를 인코딩하기 위해서는 word_index를 수정해야 한다.

 

정답 4

one-hot 인코딩은 해당 단어의 인덱스를 1, 나머지는 0으로 표현하는 방법입니다.