NEW
Font size
WorksheetsИИ 61-90
Total questions: 30
Worksheet time: 15mins
Что такое «глубокое обучение»?
Обучение с использованием подкрепления.
Обучение, направленное на работу с временными рядами.
Обучение с использованием простых линейных моделей.
Обучение, где используются только модели, основанные на логике.
Обучение, где используются многослойные нейронные сети для обработки больших объемов данных.
Что такое "регуляризация" в контексте машинного обучения?
Процесс удаления нерелевантных данных из обучающего набора.
Процесс повторной тренировки модели для улучшения производительности.
Метод для улучшения качества модели путем добавления штрафов на сложность модели.
Метод для увеличения сложности модели для повышения точности.
Процесс упрощения модели путем уменьшения количества данных.
Как называется метод, который позволяет улучшить точность модели путем случайного отключения нейронов во время обучения?
Преобразование признаков.
Градиентный спуск.
Дроп-аут.
Регуляризация.
Сжатие данных.
Что такое «метод главных компонент» (PC<VARIANT>?
Метод для уменьшения размерности данных, сохраняя основную информацию.
Метод для уменьшения размерности данных, сохраняя основную информацию.
Алгоритм для кластеризации.
Метод для обработки текста.
Какой термин описывает задачу, при которой модель должна классифицировать объекты на основе имеющихся данных?
Генерация данных.
Регрессия.
Кластеризация.
Обучение с подкреплением.
Классификация.
Что из следующего является примером алгоритма обучения с учителем?
Алгоритм K-средних.
Алгоритм Нейромережи.
Логистическая регрессия.
Метод Монте-Карло.
Генетические алгоритмы.
Как называется метод, при котором модель оценивает гипотезы и использует их для оптимизации параметров?
Метод k ближайших соседей.
Кросс-валидация.
Генетическое программирование.
Байесовский вывод.
Градиентный спуск.
Что из ниже перечисленного является задачей регрессии?
Прогнозирование категории товара.
Разбиение клиентов на сегменты.
Определение пола человека по изображению.
Классификация электронной почты как спам.
Прогнозирование продаж на следующий квартал.
Какой алгоритм используется для обработки временных рядов и предсказания будущих значений на основе предыдущих?
Алгоритм обратного распространения.
Метод опорных векторов.
Рекуррентные нейронные сети (RNN).
Алгоритм K-средних.
Линейная регрессия.
Какой термин описывает процесс, когда несколько алгоритмов объединяются для улучшения результатов модели?
Многоуровневое обучение.
Ансамблирование.
Подбор гиперпараметров.
Генеративные модели.
Градиентный спуск.
Что такое "регрессия" в контексте машинного обучения?
Прогнозирование числовых значений на основе данных.
Прогнозирование временных рядов.
Прогнозирование скрытых признаков в данных.
Прогнозирование категориальных данных.
Процесс разбиения данных на группы.
Как называется метод, который делит данные на несколько частей для оценки производительности модели?
Метод Монте-Карло.
Кросс-валидация.
Метод ближайших соседей.
Дискретизация.
Алгоритм обучения с подкреплением.
Что такое "глубокие нейронные сети"?
Сети, которые используются для обработки временных рядов.
Сети, состоящие из большого числа слоев нейронов, которые могут моделировать сложные данные.
Модели, которые обучаются исключительно с использованием изображений.
Модели, состоящие только из одного слоя нейронов, используемые для классификации.
Сети, которые не используют скрытые слои.
Как называется алгоритм, который классифицирует данные, используя гиперплоскость для разделения классов?
Логистическая регрессия.
Метод опорных векторов (SVM).
Алгоритм K-средних.
Рекуррентная нейронная сеть.
Линейная регрессия.
Что такое «обучение с учителем»?
Процесс, при котором модель обучается без данных.
Процесс, при котором модель получает метки данных для обучения и строит модель на основе этих меток.
Процесс, при котором модель обучается с использованием неразмеченных данных.
Процесс, при котором модель обучается исключительно на основе входных данных.
Процесс, при котором модель обучается на основе обратной связи от пользователей.
Что такое «графическое моделирование»?
Использование визуальных элементов для представления числовых данных.
Строительство графиков для визуализации данных.
Моделирование данных с использованием графов и узлов для представления зависимостей между переменными.
Метод оптимизации для построения моделей на основе нейронных сетей.
Техника для анализа временных рядов в виде графиков.
Какой алгоритм используется для классификации, основанный на вероятности каждого класса?
Метод опорных векторов.
Метод K-средних.
Логистическая регрессия.
Алгоритм ближайших соседей.
Рекуррентные нейронные сети.
Что такое «кластеры» в контексте машинного обучения?
Сетевые структуры для анализа данных.
Группы данных, которые имеют схожие характеристики и часто используются в алгоритмах кластеризации.
Модели для обработки текстовых данных.
Модели, которые создаются для прогнозирования числовых значений.
Алгоритмы для предсказания меток данных.
Как называется метод, при котором модель обучается с использованием откликов на предыдущие действия в среде?
Регуляризация.
Обучение с подкреплением.
Обучение с учителем.
Глубокое обучение.
Обучение без учителя.
Что такое «переобучение»?
Процесс обучения модели на нескольких наборах данных одновременно.
Процесс, при котором модель слишком хорошо запоминает обучающие данные и не может обобщать на новые данные.
Процесс использования слишком большого объема данных для обучения модели.
Процесс корректировки модели для улучшения производительности.
Процесс, при котором модель не достигает достаточного уровня точности.
Как называется метод, который используется для уменьшения размера данных, сохраняя при этом основную информацию?
Уменьшение размерности (PCA).
Сжатие данных.
Регуляризация.
Преобразование признаков.
Нормализация данных.
В чем заключается задача "классификации" в машинном обучении?
Разделить данные на группы или категории.
Изменить структуру данных для улучшения модели.
Оценить скрытые зависимости между переменными.
Прогнозировать временные ряды.
Изменить структуру данных для улучшения модели.
Что такое «метод ближайших соседей»?
Алгоритм для оптимизации нейронных сетей.
Алгоритм для классификации, который ищет объекты, похожие на другие объекты на основе определенного расстояния.
Алгоритм для минимизации ошибок модели.
Метод для прогнозирования временных рядов.
Алгоритм для классификации, который создает гиперплоскости для разделения классов.
Что такое «графовые нейронные сети»?
Сети, которые используют рекуррентные нейронные сети для анализа временных рядов.
Нейронные сети, которые используют графы для представления зависимостей между узлами.
Модели, которые используют только текстовые данные для обучения.
Сети, применяющиеся исключительно в задачах регрессии.
Модели, используемые для кластеризации данных.
Что такое «обработка естественного языка» (NLP)?
Процесс работы с текстовыми данными для извлечения информации.
Процесс анализа временных рядов.
Процесс создания нейронных сетей для анализа графиков.
Процесс обработки числовых данных для дальнейшего анализа.
Процесс работы с изображениями и видео.
Какой из этих алгоритмов является примером алгоритма обучения с учителем?
Логистическая регрессия.
Метод K-средних.
Алгоритм ближайших соседей.
Генетические алгоритмы.
Рекуррентные нейронные сети.
В чем заключается задача "регрессии" в машинном обучении?
Прогнозировать непрерывные значения, такие как температура или стоимость.
Разделить данные на группы.
Прогнозировать категориальные значения.
Извлечь скрытые паттерны из данных.
Оценить точность модели.
Как называется метод для анализа временных рядов, который учитывает временные зависимости между наблюдениями?
Рекуррентные нейронные сети (RNN).
Метод Монте-Карло.
Генеративные модели.
Логистическая регрессия.
Метод опорных векторов.
Что такое «аномалия» в данных?
Необычные или нетипичные данные, которые могут быть выбросами.
Данные, которые необходимо нормализовать.
Данные, которые содержат только текстовую информацию.
Данные, которые не имеют меток.
Данные, которые могут быть легко классифицированы.
Как называется метод, который используется для поиска и устранения ошибок в моделях машинного обучения?
Регуляризация.
Обучение с подкреплением.
Дебаггинг.
Кросс-валидация.
Обратное распространение ошибки.
