NEW
Font size
WorksheetsИИ 91-120
Total questions: 30
Worksheet time: 15mins
Что такое «нейронная сеть» в контексте машинного обучения?
Метод для работы с изображениями.
Алгоритм, который применяется для обработки текстовых данных.
Структура, состоящая из слоев нейронов, которая используется для классификации и предсказания.
Алгоритм для работы с временными рядами.
Метод оптимизации, используемый для улучшения работы модели.
Как называется метод, при котором модель обучается на основе данных, которые могут быть использованы для прогноза без конкретных меток?
Обучение без учителя.
Регуляризация.
Обучение с подкреплением.
Обучение с учителем.
Генерация данных.
Какое из утверждений о деревьях решений является правильным?
Деревья решений не используют рекурсию.
Деревья решений разделяют данные на подмножества с помощью условий на признаки.
Деревья решений не могут использоваться для задач классификации.
Деревья решений являются самыми быстрыми алгоритмами машинного обучения.
Деревья решений могут работать только с числовыми данными.
Как называется алгоритм, который использует метод максимизации вероятности для поиска параметров модели?
Логистическая регрессия.
Градиентный спуск.
Метод наименьших квадратов.
Байесовский метод.
Метод опорных векторов.
Что такое "кросс-валидация" в машинном обучении?
Процесс уменьшения размерности данных.
Метод, при котором модель обучается на разных наборах данных и проверяется на других.
Процесс вычисления точности модели.
Метод для деления данных на тренировочные и тестовые.
Алгоритм, который помогает найти лучшие гиперпараметры модели.
Какой из этих методов используется для уменьшения переобучения в нейронных сетях?
Регуляризация.
Кросс-валидация.
Метод ближайших соседей.
Алгоритм кластеризации.
Градиентный спуск.
Что такое "перцептрон" в контексте нейронных сетей?
Метод для минимизации ошибок.
Алгоритм для генерации данных.
Простая нейронная сеть, которая используется для классификации.
Метод, который помогает улучшить обучение нейронных сетей.
Алгоритм для обработки временных рядов.
Как называется алгоритм, который использует несколько базовых моделей для улучшения предсказаний?
Логистическая регрессия.
Рандомизированный поиск.
Ансамблирование.
Генетический алгоритм.
Система предсказаний.
Какой из этих алгоритмов подходит для кластеризации данных?
Рекуррентные нейронные сети.
Метод опорных векторов.
Метод K-средних.
Деревья решений.
Логистическая регрессия.
Что такое «обучение с подкреплением»?
Метод обучения, при котором агент получает награды или штрафы за свои действия в среде.
Обучение, при котором модель обучается на неразмеченных данных.
Обучение, при котором модель получает метки данных для классификации.
Обучение, при котором алгоритм классифицирует данные по заранее заданным категориям.
Обучение, при котором используются только алгоритмы регрессии.
Что из нижеперечисленного является примером проблемы, решаемой с помощью регрессии?
Определение пола человека.
Прогнозирование цен на жилье.
Определение, является ли письмо спамом.
Определение, какие страницы сайта наиболее популярны.
Определение, какой продукт купить.
Как называется процесс "обучение модели на основе меньших подмножеств данных с последующей их комбинацией"?
Регуляризация.
Сжатие данных.
Кросс-валидация.
Ансамблирование.
Деревья решений.
Какой из этих алгоритмов используется для обработки изображений?
Свёрточные нейронные сети (CNN).
Алгоритм K-средних.
Логистическая регрессия.
Метод опорных векторов.
Линейная регрессия.
Как называется метод, который минимизирует ошибку модели путем оптимизации параметров?
Логистическая регрессия.
Преобразование признаков.
Метод Монте-Карло.
Система кросс-валидации.
Градиентный спуск.
Что такое "гиперпараметры" в контексте машинного обучения?
Параметры, которые задаются до начала обучения модели и влияют на её производительность.
Параметры, которые автоматически настраиваются на основе данных.
Параметры, которые не влияют на обучение модели.
Параметры, которые определяются после завершения обучения.
Параметры, связанные с количеством данных в обучающем наборе.
Как называется метод, при котором модель обучается на основе исторических данных и затем используется для предсказания будущих значений?
Прогнозирование временных рядов.
Классификация.
Метод Монте-Карло.
Рекуррентные нейронные сети.
Обучение с подкреплением.
Какой метод используется для уменьшения размерности данных при сохранении как можно большего количества информации?
Регуляризация.
Деревья решений.
Метод главных компонент (PCA).
Алгоритм обучения с подкреплением.
Метод K-средних.
Как называется техника, при которой случайным образом убираются нейроны во время обучения модели для предотвращения переобучения?
Обратное распространение ошибки.
Нормализация.
Дроп-аут.
Ансамблирование.
Регуляризация.
В чем заключается задача "классификации" в машинном обучении?
Прогнозировать числовые значения.
Разделить данные на классы или категории.
Прогнозировать временные ряды.
Оценить скрытые закономерности в данных.
Уменьшить размерность данных.
Что такое "обратное распространение ошибки" в контексте нейронных сетей?
Процесс обновления весов нейронной сети для минимизации ошибки.
Процесс, при котором данные передаются обратно через сеть.
Процесс нормализации данных перед обучением.
Метод оптимизации для ускорения обучения.
Процесс оценки точности модели на тестовых данных.
Как называется метод, который использует случайный выбор подмножеств признаков для обучения каждой модели в ансамбле?
Метод случайного леса.
Метод главных компонент.
Метод опорных векторов.
Логистическая регрессия.
Какой из методов используется для улучшения результатов классификации при помощи комбинирования нескольких слабых моделей?
Метод случайного леса.
Градиентный бустинг.
Регрессия.
Метод K-средних.
Метод опорных векторов.
Что такое «обучение с учителем»?
Обучение с помощью подкреплений.
Обучение, при котором модель использует метки для создания классификаторов.
Обучение, при котором модель обучается без меток.
Алгоритм оптимизации.
Обучение, в котором агент делает прогнозы на основе состояния среды.
Какой метод используется для оценки точности модели на новых данных, путем разбиения данных на несколько частей и последующего тестирования?
Кросс-валидация.
Метод ближайших соседей.
Логистическая регрессия.
Обучение без учителя.
Регуляризация.
Что такое «градиентный спуск»?
Метод для минимизации функции потерь путем корректировки параметров модели.
Метод для случайного выбора модели.
Метод для уменьшения размерности данных.
Метод минимизации ошибки с использованием обратного распространения.
Метод, используемый для классификации данных.
Как называется метод, при котором модель обучается на основе данных без явных меток и затем пытается выявить скрытые структуры или группы в данных?
Обучение с подкреплением.
Кластеризация.
Регрессия.
Классификация.
Нормализация.
Что такое «обучение без учителя»?
Обучение, при котором модель не использует метки для обучения, а пытается обнаружить скрытые зависимости.
Метод, используемый для генерации данных.
Обучение с использованием заранее подготовленных меток для классификации.
Обучение, при котором модель обучается с использованием награды или штрафа.
Процесс настройки гиперпараметров модели.
Как называется метод оптимизации, при котором параметры модели обновляются на основе градиента функции потерь?
Метод Монте-Карло.
Логистическая регрессия.
Градиентный спуск.
Линейная регрессия.
K-средних.
Что такое «перцептрон»?
Система для анализа временных рядов.
Модель для предсказания временных рядов.
Основной элемент нейронной сети, использующий веса и функцию активации для классификации.
Метод для кластеризации данных.
Алгоритм для оптимизации функции потерь.
Что такое «обратное распространение ошибки» в нейронных сетях?
Процесс, при котором ошибки корректируются на каждом слое сети для оптимизации весов.
Метод для вычисления ошибок модели.
Процесс оценки точности модели на тестовых данных.
Метод увеличения количества нейронов в сети.
Алгоритм для кластеризации.
