オープンデータセットやコーパスに関する説明として、最も適切なものを1つ選べ。
正解と解説を見る
解説
正解 A
この問題の論点：オープンデータセットとコーパス
ポイント
オープンデータセットは手軽に使えますが、ライセンス、ラベルの品質、自社データとの違いを確かめてから使う必要があります。
選択肢ごとの解説
- A
適切 正解
無料で公開されていても、自由に使えるとは限りません。クリエイティブ・コモンズの「表示-非営利」のように、営利目的での利用を認めないライセンスもあるため、用途に合うかを事前に確かめます。
- B
不適切
コーパスは、自然言語の文章や発話を大量に集め、検索や分析に使えるよう整理したデータのことです。品詞などの情報を付けたものもあり、自然言語処理の学習や評価に使われます。
- C
不適切
広く使われている10種類のデータセットの評価用データで、ラベルの誤りが平均で少なくとも3.3%、ImageNetの検証用データでは少なくとも6%あると推定した研究があります。誤りがモデル選びを左右しうることも示されています。
- D
不適切
公開データと自社データでは、撮影機材や対象の分布が異なるのが普通です。分布が変わると精度は下がりやすいため、自社データで評価し直し、必要ならファインチューニングを行います。
試験での狙われ方
コーパスの意味や、公開データを使うときに確認すべき点（利用条件・品質・分布の違い）を問う形が多い論点です。