データ資格 模擬試験

DS検定 模擬試験 第3回 問55・データサイエンス(非構造化データ処理(テキスト・画像・音声))

音声を時間と周波数で表す

D社のコールセンターでは、通話録音から顧客の声の調子(落ち着いている・いら立っている)を分類したい。声の高さや強さが時間とともにどう変わるかを、畳み込みニューラルネットワーク(CNN)で捉えたいと考えている。音声波形に対する前処理として、最も適切なものを1つ選べ。

  1. A

    通話全体をまとめて1回フーリエ変換し、周波数ごとの強さの一覧だけを入力にする

  2. B

    短い区間ごとにフーリエ変換し、時間と周波数ごとの強さを表すスペクトログラムにする

  3. C

    通話全体の振幅の平均と最大値を求め、その2つの数値をまとめて入力にする

  4. D

    データ量を減らすためにサンプリング周波数を大きく下げ、高い周波数の成分も残す

正解と解説を見る

正解:B

音声を機械学習で扱うときは、短時間フーリエ変換で時間×周波数のスペクトログラム(音声認識ではメル尺度を使ったものやMFCCなど)にして、画像のように扱うことが多い。全体を1回だけフーリエ変換すると時間変化が失われ、サンプリング周波数を下げると高い周波数の成分が表せなくなる。

学習のポイント:時間変化を残すなら「短い区間ごと」に変換する。サンプリング周波数の半分より高い成分は表せない点にも注意する。

この問題を演習で解く →

DS検定のトップへ 問題一覧へ

このサイトの問題は、各試験の公開されている出題範囲に沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。一般社団法人データサイエンティスト協会・一般財団法人統計質保証推進協会の公式サービスではありません。