wayground logo

Free Printable Worksheets

Font size

S
M
L
XL
Worksheets

МО сәйкестендіру

Total questions: 30

Worksheet time: 45mins

Name
Class
Date
1.

    Терминдердің дұрыс сипаттамаларын табыңыз:

a)

Target-айнымалы (мақсатты) бар, target-айнымалы үшін мәндер жиыны шексіз болуы мүмкін

1.

Бақылаулы оқыту (Supervised Learning)

b)

Target-айнымалы жоқ, кластерлер саны белгілі болуы мүмкін немесе белгісіз.

2.

Бақылаусыз оқыту (Unsupervised Learning)

c)

Агент және оның айналасындағы орта бар, агент әрекет етіп, сол әрекеттері үшін марапат немесе айып ала алады.

3.

Күшейту арқылы оқыту (Reinforcement Lear

2.

  Машиналық оқыту (МО), жасанды интеллект (ЖИ) және терең оқыту туралы дұрыс сипаттамаларды табыңыз:

a)

бұл компьютерге жүктелген деректер негізінде қорытынды жасауға мүмкіндік беретін әдістер жиынтығы. Ол сонымен қатар адамның үйрену процесін имитациялайды.

1.

Машиналық оқыту

b)

кең ұғым, қарапайым тілмен айтқанда, компьютер адамның мінез-құлқын имитациялайды, өзінің интеллектісін көрсетеді және адамның мәселелерді шешу қабілетін қайталайды.

2.

Жасанды интеллект

c)

үлкен деректерден күрделі заңдылықтарды анықтау үшін көпқабатты нейрондық желілерді қолданады

3.

Терең оқыту

3.

  Python тілінде Excel файлдарымен жұмыс істеу барысында төмендегі параметрлер мен олардың сипаттамаларын сәйкестендіріңіз::

a)

Excel файлын оқығанда алдыңғы жолдардың белгілі бір санын өткізіп жібереді

1.

skiprows

b)

Excel файлын оқығанда төменгі жолдардың белгілі бір санын өткізіп жібереді

2.

skipfooter

c)

Кестені Excel файлына жол индексінсіз сақтайды

3.

table.to_excel(index=False)

4.

ОББ терминдері мен олардың сипаттамаларын сәйкестендіріңіз

a)

Объектілердің құрылымы мен әрекеттерін сипаттайтын абстрактілі үлгі

1.

Класс

b)

Класс негізінде құрылған нақты экземпляр, өзінің жеке мәндері бар

2.

Объект

c)

Объектіге немесе класқа тиесілі функция немесе айнымалы

3.

Әдіс(немесе атрибут)

5.

Оңтайландыру әдістері мен олардың сипаттамаларын сәйкестендіріңіз

a)

Функцияның градиентіне қарсы бағытта қозғалу негізінде жұмыс істейтін әмбебап әдіс, модельдерді оқытуда кеңінен қолданылады

1.

Грандиенттік түсу

b)

Теңдеу түріндегі шектеулер бар кезде қолданылады, көмекші функция арқылы экстремумды табуға мүмкіндік береді

2.

Лагранж әдісі

c)

Бірінші және екінші туындыны (гессиан) қолданады, әсіресе айнымалы саны аз болғанда жылдам нәтиже береді

3.

Ньютон әдісі

6.

Ықтималдықтар теориясы бойынша төмендегі ұғымдар мен олардың сипаттамаларын сәйкестендіріңіз

a)

Бір ғана нәтижесі бар тәжірибе

1.

Кездейсоқ эксперимент

b)

Кездейсоқ эксперименттің бір нақты нәтижесі

2.

Элементарлы нәтиже

c)

Ықтималдық кеңістігі

Барлық мүмкін нәтижелер мен олардың ықтималдықтарын қамтитын жиын

3.

Ықтималдық кеңістігі

7.

Ықтималдықтар теориясы бойынша ықтимал оқиғалар арасындағы амалдарды олардың сипаттамаларымен сәйкестендіріңіз

a)

Кем дегенде бір оқиғаға тиесілі нәтижелер

1.

Бірігу (A ∪ B)

b)

Екі оқиғаның екеуіне де тиесілі нәтижелер

2.

Қиылысу (A ∩ B)

c)

A оқиғасына кірмейтін нәтижелер

3.

Қарама-қарсы оқиға (A̅)

8.

Ықтималдықтар теориясы бойынша төмендегі ықтималдық заңдары мен олардың сипаттамаларын сәйкестендіріңіз

a)

Бір оқиға белгілі болғанда, екінші оқиғаның ықтималдығы

1.

Шартты ықтималдық

b)

Өзара жоққа шығаратын оқиғалар арқылы жалпы ықтималдықты табу

2.

Толық ықтималдық формуласы

c)

Алдын ала берілген ықтималдықты жаңа ақпаратпен нақтылау

3.

Байес формуласы

9.

Ықтималдықтар теориясы бойынша үлестірім түрлерін олардың сипаттамаларымен сәйкестендіріңіз

a)

Бір сынақ, нәтижесі: "сәттілік" немесе "сәтсіздік"

1.

Бернулли үлестірімі

b)

Бірнеше тәуелсіз сынақ, әрқайсысы екі мүмкін нәтиже

2.

Биномдық үлестірім

c)

Белгілі бір уақыт ішінде кездейсоқ, тәуелсіз оқиғалар санының үлестірімі

3.

Пуассон үлестірімі

10.

Ықтималдықтар теориясы бойынша оқиғалардың түрлерін олардың қасиеттерімен сәйкестендіріңіз

a)

Егер бір оқиға орын алса, екіншісі болмайды

1.

Өзара жоққа шығаратын оқиғалар

b)

Бір оқиғаның болуы екіншісінің ықтималдығына әсер етпейді

2.

Тәуелсіз оқиғалар

c)

Қиылыспайтын, бірігіп толық нәтиже жиынын құрайтын оқиғалар

3.

Бөлім (разбиение)

11.

Бақыланатын оқыту: тапсырма түрлерін сипаттамаларымен сәйкестендіріңіз

a)

Объектілерді алдын ала берілген сыныптардың біріне жіктеу есебі

1.

Классификация

b)

Үздіксіз сандық мәнді болжау тапсырмасы

2.

Регрессия

c)

Түбірлік түйіннен басталып, ішкі түйіндер арқылы логикалық критерийлерге сәйкес жылжып, жауап жапырақтарда анықталатын құрылым.

3.

Шешім ағашы

12.

Классификация әдістерін сипаттамаларымен сәйкестендіріңіз

a)

Сигмоид функциясы негізінде ықтималдықтарды болжайтын сызықтық классификатор

1.

Логистикалық регрессия

b)

Бұл деректерді сыныптар арасындағы айырмашылықты барынша арттыратын бағытта проекциялап, оларды тиімді бөлуге мүмкіндік беретін сызықтық жіктеу әдісі.

2.

Фишердің сызықтық дискриминанты (LDA)

c)

Объектіні көршілес нүктелер сыныптары арасындағы ара қашықтықты өлшеу арқылы жіктейтін әдіс

3.

Ең жақын көршілер әдісі

13.

Регуляризация түрлерін олардың қасиеттерімен сәйкестендіріңіз

a)

Кейбір параметрлерді нөлге айналдырып, белгілерді іріктеуге мүмкіндік береді

1.

L1-регуляризация (Lasso)

b)

Коэффициенттердің квадраттарына айыппұл қосу арқылы мультиколлинеарлық пен артық үйренуге қарсы әсер етеді

2.

L2-регуляризация (Ridge)

c)

Айнымалылар жоғары корреляцияланған кезде топтық әсерге жағдай жасап, L1 мен L2 әдістерінің тиімділігін біріктіреді

3.

ElasticNet

14.

Ақпараттық критерийлерді сипаттамаларымен сәйкестендіріңіз:

a)

Класстарды бөлудегі белгісіздік (әртүрлілік) дәрежесін өлшейді. Ол неғұрлым жоғары болса, деректер жиыны соғұрлым біртекті емес.

1.

Энтропия

b)

Объектіні кездейсоқ сыныпқа жатқызғанда қате жіктеу ықтималдығын бағалайды

2.

Джини қоспасы

c)

Шешім ағашының тереңдігін, сапа өсімін немесе жапырақ санын шектеу үшін қолданылады

3.

Тоқтату критериі

15.

Ансамбльдік әдістерді олардың сипаттамаларымен сәйкестендіріңіз

a)

Бұл деректер жиынынан bootstrap әдісімен бірнеше үлгі алып, әрқайсысында жеке модель оқытып, олардың нәтижелерін орташа есептеу арқылы ансамбль құру тәсілі.

1.

Бэггинг

b)

Бұл шешім ағаштары негізінде құрылған бэггинг әдісі, мұнда әрбір ағаш кездейсоқ таңдалған үлгіде оқытылады, ал әрбір тармақталу кезінде белгілер кездейсоқ белгілер жиынынан алынады, соңғы шешім барлық ағаштардың дауыс беруі арқылы қабылданады.

2.

Кездейсоқ орман

c)

Егер жеке шешімдер дұрыс болу ықтималдығы 0.5-тен жоғары болса, көпшіліктің шешімі де дұрыс болу ықтималдығы жоғары болады

3.

Кондорсе теоремасы

16.

Кластерлеу алгоритмдерін олардың сипаттамаларымен сәйкестендіріңіз

a)

Барлық нүктелердің кластер орталығына дейінгі қашықтық квадраттарының қосындысы минималды болатындай етіп, деректерді алдын ала берілген кластер санына бөледі

1.

K-means

b)

Егер деректер өте көп болса, әр итерацияда тек шағын ішкі жиынмен жұмыс істейді

2.

Mini-Batch K-means

c)

Центрлерді бастапқыдан тиімді таңдау үшін келесі центр қашықтықтың квадратына пропорционалды таңдалады

3.

K-means++

17.

EM-алгоритм қадамдарын олардың функцияларымен сәйкестендіріңіз:

a)

Нүктелердің кластерге тиесілі болу ықтималдығын есептейді

1.

E-қадам (Күту)

b)

Кластер параметрлерін ықтималдықты арттыратындай етіп жаңартады

2.

M-қадам (Максимум)

c)

Әр кластердің бастапқы ықтимал бағалары

3.

Априорлық ықтималдықтар

18.

Иерархиялық кластерлеу стратегияларын сипаттамаларымен сәйкестендіріңіз:

a)

Объектілерді олардың жақындығына байланысты кластерлерге біріктіретін иерархиялық кластерлеу әдісі.

1.

Агломеративті кластерлеу

b)

Бұл бір үлкен кластерді кіші кластерлерге бөлетін иерархиялық кластерлеу әдісі.

2.

Дивизионды кластерлеу

c)

Бұл мәліметтерді реттеп, оларды ағаш құрылымындағы иерархия түрінде бейнелеуге мүмкіндік беретін әдіс.

3.

Иерархиялық кластерлеу

19.

Кластерлер арасындағы қашықтық өлшемдерін анықтамаларымен сәйкестендіріңіз

a)

Әртүрлі кластердегі объектілер арасындағы ең аз қашықтық.

1.

Ең жақын көрші қашықтығы

b)

Әртүрлі кластердегі объектілер арасындағы ең үлкен қашықтық.

2.

Ең алыс көрші қашықтығы

c)

Кластерлердің орташа мәндері (орталықтары) арасындағы қашықтық.

3.

Центроидтық қашықтық

20.

DBSCAN алгоритмінің сипаттамаларын сәйкестендіріңіз

a)

Көршілерді іздеуге арналған радиус өлшемі

1.

ε параметрі

b)

Кластер құру үшін қажетті минималды нүктелер саны

2.

minPoints

c)

Ешбір кластерге жатпайтын нүкте

3.

Шу нүкте

21.

Кластер сапасын бағалау метрикаларын сипаттамаларымен сәйкестендіріңіз

a)

Нысандар кластер ішінде бір-біріне жақын болуы үшін мәні минималды болуы керек

1.

Орташа кластерішілік қашықтық

b)

Әртүрлі кластердегі нысандар алшақ болу үшін мәні үлкен болуы керек

2.

Орташа кластераралық қашықтық

c)

Кластер ішіндегі және аралық қашықтық арасындағы баланс, минимумға ұмтылады

3.

Қашықтықтар қатынасы

22.

Кластерлеудің сыртқы метрикаларын сипаттамаларымен сәйкестендіріңіз:

a)

Кластер тек бір класстағы объектілерден тұрады

1.

Біртектілік

b)

Бір класстың барлық объектілері бір кластерге толық енеді

2.

Толықтық

c)

Бұл біртектілік пен толықтықтың гармониялық орташа мәні

3.

V-мөлшері

23.

Word2Vec Терминдер мен сипаттамаларын сәйкестендіріңіз:

a)

Объектіні тығыз сандық вектор ретінде көрсетеді, модельмен бірге үйренеді

1.

Embedding (эмбеддинг)

b)

Мәтіндегі ең кіші өңделетін бірлік — сөз, әріп немесе буын

2.

Token (токен)

c)

Әр сөзге тек бір “1” және қалғаны “0” болатын вектор сәйкестендіру тәсілі

3.

One-hot encoding

24.

Бустинг түрлерін сипаттамаларымен сәйкестендіріңіз

a)

Қате жіктелген объектілерге салмақтарды арттыру арқылы ансамбль құру

1.

AdaBoost

b)

Жоғалту функциясының антиградиенті арқылы жаңа модельдерді оқыту

2.

Градиентті бустинг

c)

Әрбір жаңа модель алдыңғы модельдердің қателерін түзету үшін құрылады

3.

Бустинг

25.

AdaBoost алгоритмінің қадамдарын сәйкестендіріңіз

a)

Барлық объектілерге бірдей бастапқы 1/N салмақ беру

1.

Алғашқы салмақтарды тағайындау

b)

Бір белгінің негізінде қарапайым шешім ағашын (діңгекті) оқыту

2.

Әлсіз классификатор құру

c)

Қате жіктелген объектілердің салмағын арттыру

3.

Салмақтарды жаңарту

26.

Градиентті бустинг ұғымдарын сәйкестендіріңіз

a)

Нақты және болжамды мәндер арасындағы айырмашылықты өлшейді

1.

Жоғалту функциясы

b)

Қате бағытын көрсететін вектор

2.

Қалдықтар (антиградиент)

c)

Қалдықтар бойынша үйретілетін қарапайым модель (мысалы, шешім ағашы)

3.

Негізгі алгоритм (базалық модель)

27.

Стекинг ұғымдарын сипаттамаларымен сәйкестендіріңіз:

a)

Бастапқы деректер бойынша оқытылатын бірнеше түрлі модельдер

1.

Базалық модельдер

b)

Базалық модельдердің болжауларынан үйренетін финалдық модель

2.

Мета-модель

c)

Әртүрлі модельдердің болжамдарын біріктіретін ансамбльдік әдіс

3.

Стекинг

28.

Стекинг пен блендинг арасындағы айырмашылықтарды сәйкестендіріңіз:

a)

Базалық модельдер кросс-валидация арқылы болжам жасап, мета-модельге беріледі

1.

Стекинг (Stacking)

b)

Деректерді оқыту және валидация жиынына бөліп, мета-модельді валидация болжамдарына үйрету

2.

Блендинг (Blending)

c)

Кросс-валидацияда алынған болжамдар мета-модельді үйретуге қолданылады

3.

Out-of-fold болжау

29.

Ұсыныс жүйелеріндегі негізгі әдістер мен олардың сипаттамаларын сәйкестендіріңіз

a)

Тауарлардың бірге сатып алыну заңдылықтарын табу үшін қолданылады

1.

Ассоциативті ережелер

b)

Пайдаланушылардың ұқсас бағалау тарихына сүйеніп ұсыныстар құру

2.

Коллаборативті фильтрация

c)

Пайдаланушыларды немесе объектілерді ұқсастығына қарай топтарға бөлу

3.

Қолданушыларды кластерлеу әдісі

30.

Ұсыныс жүйелерінде қолданылатын модельдер мен олардың сипаттамаларын сәйкестендіріңіз:

a)

Пайдаланушы мен тауар матрицасын жасырын факторларға бөлу арқылы рейтингтерді болжау

1.

SVD (Сингулярлық жіктеу)

b)

Рейтинг матрицасын екі факторлық матрицаға бөліп, оларды кезектесіп оңтайландыру

2.

ALS (Альтернативті ең кіші квадраттар әд

c)

Пайдаланушының бағасын ұқсас басқа пайдаланушылардың бағалары негізінде болжау

3.

User-based әдісі

Similar Resources on Wayground

Спорттық психология бойынша тест

25 questions

Спорттық психология бойынша тест

quiz

Worksheet

•

University

ИКТ 3 ЧАСТЬ

34 questions

ИКТ 3 ЧАСТЬ

quiz

Worksheet

•

University

Visual Studio 1-25 сұрақтары

25 questions

Visual Studio 1-25 сұрақтары

quiz

Worksheet

•

University

Дене шынықтыру тесті

25 questions

Дене шынықтыру тесті

quiz

Worksheet

•

University

КМиСЗ 2 вариант

25 questions

КМиСЗ 2 вариант

quiz

Worksheet

•

University

Инфо-6

25 questions

Инфо-6

quiz

Worksheet

•

University

Спорттағы психология

25 questions

Спорттағы психология

quiz

Worksheet

•

University

Сұрақтар жинағы

25 questions

Сұрақтар жинағы

quiz

Worksheet

•

University