wayground logo

Free Printable Worksheets

Font size

S
M
L
XL
Worksheets

Жасанды интеллект туралы тест

Total questions: 124

Worksheet time: 1hrs 22mins

Name
Class
Date
1.

Жасанды интеллект (ЖИ) дегеніміз не?

a)

Адам интеллектісін еліктей алатын бағдарламалық қамтамасыз ету

b)

Роботтарды басқаруға арналған механизм

c)

Адамнан жылдамырақ тапсырмаларды орындайтын кез келген компьютерлік бағдарлама

d)

Адам араласуын қажет етпейтін алгоритм

e)

Тек қарапайым есептеулерді орындай алатын бағдарлама

2.

Төмендегі әдістердің қайсысы бақыланатын оқытуға жатады?

a)

Модельді оқыту үшін белгіленген деректерді пайдалану

b)

Белгісіз мысалдар негізінде оқыту

c)

Жаңа деректерді жасау үшін алгоритмдерді пайдалану

d)

Оқыту үшін деректерді қажет етпейтін әдіс

e)

Нейрондық желілерді жасау үшін қолданылатын әдіс

3.

Адам миындағы нейрондардың жұмысын еліктейтін архитектура қалай аталады?

a)

Нейрондық желілер

b)

Терең оқыту

c)

Математикалық модельдеу

d)

Тікелей оқыту

e)

Генетикалық алгоритмдер

4.

Күнделікті өмірде ЖИ-ді қолдануға мысал болып не табылады?

a)

Жоғарыда аталғандардың барлығы

b)

Ауа райын болжау

c)

Антивирустық бағдарламаларды қолдану

d)

Веб-сайттарды бағдарламалау

e)

Іздеу жүйелерінен ақпарат іздеу

5.

Төмендегі тапсырмалардың қайсысы ЖИ-ге жатады?

a)

Қаржы нарығын болжау

b)

Теңдеулерді шешу

c)

Көлікті қолмен басқару

d)

Арифметикалық операцияларды орындау

e)

“Жарықты қос” сияқты командаларды орындау

6.

ЖИ өз қателіктерін зерттеп, мінез-құлқын түзететін үдеріс қалай аталады?

a)

Нығайтумен оқыту

b)

Ретрансляция

c)

Қателер

7.

ЖИ өз қателіктерін зерттеп, мінез-құлқын түзететін үдеріс қалай аталады?

a)

Нығайтумен оқыту

b)

Ретрансляция

c)

Қателер арқылы оқыту

d)

Бақылаусыз оқыту

e)

Кері байланыс

8.

Төмендегі алгоритмдердің қайсысы ЖИ-де классификация үшін қолданылады?

a)

Ең жақын көршілер алгоритмі

b)

Сызықтық регрессия

c)

Градиентті төмендеу алгоритмі

d)

Көпқабатты перцептрон алгоритмі

e)

K-орталық алгоритмі

9.

“Нығайтумен оқытуға” мысал болатын жағдайды көрсетіңіз:

a)

Компьютермен шахмат ойнау, мұнда ол өз қателерінен үйренеді

b)

Нейрондық желілер арқылы суреттерді классификациялау

c)

Интернет-дүкендердегі ұсыныстар

d)

Сөйлеуді тану моделін оқыту

e)

Картадағы ең тиімді бағытты таңдау

10.

Төмендегі терминдердің қайсысы мәтіндермен және тілдік модельдермен жұмыс істейтін ЖИ саласына жатады?

a)

Табиғи тілді өңдеу

b)

Машиналық оқыту

c)

Генетикалық бағдарламалау

d)

Компьютерлік көру

e)

Блокчейн

11.

Перцептрон дегеніміз не?

a)

Нейрондық желінің ең қарапайым моделі

b)

Бейнелерді тануға арналған құрылғы

c)

Суреттерді өңдеуге арналған алгоритм

d)

Кездейсоқ сандар генерациялау әдісі

e)

Сызықтық теңдеулерді шешу тәсілі

12.

Бұрынғы тәжірибе негізінде оңтайлы шешімді табуға арналған алгоритм қалай аталады?

a)

Генетикалық алгоритм

b)

Кездейсоқ сандарға негізделген алгоритм

c)

Қайтарыммен іздеу алгоритмі

d)

Монте-Карло әдісі

13.

ынғы тәжірибе негізінде оңтайлы шешімді табуға арналған алгоритм қалай аталады?

a)

Генетикалық алгоритм

b)

Кездейсоқ сандарға негізделген алгоритм

c)

Қайтарыммен іздеу алгоритмі

d)

Монте-Карло әдісі

e)

Дейкстра алгоритмі

14.

Төмендегі әдістердің қайсысы бақылаусыз оқытуға жатады?

a)

Кластерлеу

b)

Классификация

c)

Регрессия

d)

Нығайтумен оқыту

e)

Желі алгоритмдері

15.

Жасанды интеллект моделіне үздіксіз мәнді болжау қажет болатын тапсырма қалай аталады?

a)

Регрессия.

b)

Классификация.

c)

Кластеризация.

d)

Күшейтілген оқыту.

e)

Векторизация.

16.

Төмендегі жағдайлардың қайсысында бақыланатын оқыту (supervised learning) әдісі қолданылады?

a)

Суреттердегі қолмен жазылған сандарды тану.

b)

Ауа райын болжау.

c)

Белгіленбеген суреттерді жіктеу.

d)

Мәтіндердегі эмоцияларды талдау.

e)

Мәтін тақырыбын анықтау.

17.

Қай термин ИИ алгоритмінің қателіктерді талдау арқылы уақыт өте келе жұмысын жақсарту қабілетін сипаттайды?

a)

Өзін-өзі оқыту.

b)

Бейімделу.

c)

Ретрансляция.

d)

Күшейтілген оқыту.

e)

Бақыланатын оқыту.

18.

Жасанды нейрондық желі өзектілігін жоғалтқан ақпаратты “ұмытып” отыратын процесс қалай аталады?

a)

Dropout (дроп-аут).

b)

Өлшемділікті азайту.

c)

Регуляризация.

d)

Қателікті артқа тарату.

e)

Декомпозиция.

19.

Нейрондық желілерде «қателікті артқа тарату» (backpropagation) дегеніміз не?

4 lines
20.

Нейрондық желілерде «қателікті артқа тарату» (backpropagation) дегеніміз не?

a)

Қателіктерді артқа есептеп, салмақтарды түзету процесі.

b)

Жаңа мәліметтерді генерациялау әдісі.

c)

Кластерлеу алгоритмдерін жетілдіру тәсілі.

d)

Мәлімет өлшемін азайту процесі.

e)

Нейрондық желінің құрылымын сипаттау.

21.

Төмендегілердің қайсысы компьютерлік көру арқылы шешілетін тапсырмаға мысал бола алады?

a)

Фотосуреттегі жүздерді тану.

b)

Тауарға деген сұранысты болжау.

c)

Мәтіндегі грамматикалық қателерді талдау.

d)

Аудиофайлдарды өңдеу.

e)

Музыка генерациясы.

22.

Терең нейрондық желіні құру үшін қолданылатын әдіс қайсы?

a)

Қателікті артқа тарату.

b)

Тірек векторлары әдісі.

c)

Кластерлеу.

d)

Ең жақын көрші алгоритмі.

e)

Логистикалық регрессия.

23.

Жасанды интеллектті адамның мәтін арқылы сөйлесуін еліктеу үшін қолдану қалай аталады?

a)

Табиғи тілді өңдеу (NLP).

b)

Машиналық оқыту.

c)

Робототехника.

d)

Генетикалық бағдарламалау.

e)

Когнитивтік есептеулер.

24.

Мәтін немесе аудио сияқты ретті мәліметтерді өңдеуге ең қолайлы нейрондық желі түрі қалай аталады?

a)

Қайталанатын нейрондық желі (RNN).

b)

Свертка нейрондық желісі (CNN).

c)

Көпқабатты перцептрон.

d)

Терең нейрондық желі.

e)

Автокодировщик.

25.

Күшейтілген оқытудың басты мақсаты неде?

a)

Агентті ортада әрекет ете отырып, марапатты барынша көбейтуге үйрету.

b)

Болашақ мәліметт

26.

Күшейтілген оқытудың басты мақсаты неде?

a)

Агентті ортада әрекет ете отырып, марапатты барынша көбейтуге үйрету.

b)

Болашақ мәліметтерді болжау.

c)

Мәліметтегі объектілерді классификациялау.

d)

Суреттегі объектілерді тану.

e)

Тест жиынындағы қателікті азайту.

27.

«Артық үйрену» (overfitting) дегеніміз не?

a)

Модель оқыту деректерін өте жақсы жаттап алып, жаңа деректерге дұрыс жалпылай алмауы.

b)

Модель тым қарапайым болып, тапсырманы дұрыс орындай алмауы.

c)

Модель өте көп деректермен оқытылған жағдай.

d)

Модельде оқытуға қажетті деректердің жеткіліксіздігі.

e)

Модель қате деректермен оқытылуы.

28.

Төмендегі ИИ қолдануларының қайсысы табиғи тілді өңдеуге (NLP) жатады?

a)

Сөйлеуді тану.

b)

Суреттерді жіктеу.

c)

Ауа райын болжау.

d)

Мәліметтердегі аномалияларды анықтау.

e)

Таңдаулар негізінде тауарларды ұсыну.

29.

Тірек векторлар әдісінің (SVM) мәні неде?

a)

Сыныптар арасындағы бөлуді барынша арттыратын гипержазықтық құру.

b)

Мәліметтерді тегістеу арқылы шуды азайту.

c)

Мәліметтерді жаңа өлшемге түрлендіру.

d)

Әртүрлі нәтижелердің ықтималдығын бағалау.

e)

Мәліметтердегі жергілікті минимумдарды іздеу.

30.

Қай әдіс ИИ модельдерінің үлкен көлемдегі мәліметтермен жұмыс істеуіне мүмкіндік береді?

a)

Терең оқыту.

b)

Логистикалық регрессия.

c)

K-средних алгоритмі.

d)

Ең жақын көршілер алгоритмі.

e)

Монте-Карло әдісі.

31.

гі мәліметтермен жұмыс істеуіне мүмкіндік береді?

a)

Терең оқыту.

b)

Логистикалық регрессия.

c)

K-средних алгоритмі.

d)

Ең жақын көршілер алгоритмі.

e)

Монте-Карло әдісі.

32.

Жасанды интеллект контекстінде «регуляризация» дегеніміз не?

a)

Модельдің күрделілігін азайту процесі, артық үйренудің алдын алу үшін.

b)

Модельдің дәлдігін арттыру процесі.

c)

Нейрондық желі қабаттарының санын көбейту процесі.

d)

Модельдің гиперпараметрлерін баптау процесі.

e)

Оқыту мәліметтерінің көлемін азайту процесі.

33.

Нейрондық желілердегі «автокодировщик» (autoencoder) дегеніміз не?

a)

Мәліметтерді сығымдау арқылы бастапқы күйіне қалпына келтіруге үйренетін желі.

b)

Кездейсоқ мәліметтер генерациялайтын алгоритм.

c)

Жаңа суреттерді генерациялайтын модель.

d)

Ретті мәліметтерді өңдеуге арналған алгоритм.

e)

Суреттерді классификациялау тәсілі.

34.

Қай машиналық оқыту түрі белгіленген деректер бар кезде, жаңа деректерге дұрыс белгілерді болжауға бағытталған?

a)

Бақыланатын оқыту (Supervised learning).

b)

Бақыланбайтын оқыту.

c)

Күшейтілген оқыту.

d)

Бақылауға негізделген оқыту.

e)

Генетикалық оқыту.

35.

Қай алгоритм кластерлеуге арналған мысал болып табылады?

a)

K-средних.

b)

Логистикалық регрессия.

c)

Тірек векторлар әдісі.

d)

Наивті Байес классификаторы.

e)

Нейрондық желілер.

36.

Машиналық оқыту моделінің жұмыс тиімділігін бағалауға арналған әдіс қайсы?

4 lines
37.

Машиналық оқыту моделінің жұмыс тиімділігін бағалауға арналған әдіс қайсы?

a)

K-fold кросс-валидация әдісі.

b)

K-средних алгоритмі.

c)

Градиенттік түсу алгоритмі.

d)

Қателікті артқа тарату әдісі.

e)

Дейкстра алгоритмі.

38.

Градиенттік түсу (gradient descent) дегеніміз не?

a)

Модельді жақсарту үшін шығын функциясын минимизациялау процесі.

b)

Күрделі нейрондық желілерді құру алгоритмі.

c)

Мәліметтерді классификациялау тәсілі.

d)

Жаңа мәліметтерді жасау алгоритмі.

e)

Мәліметтер өлшемін азайту тәсілі.

39.

Свертка нейрондық желілері (CNN) туралы қай тұжырым дұрыс?

a)

Олар суреттер мен бейне материалдармен тиімді жұмыс істейді.

b)

Негізінен мәтіндерді өңдеуде қолданылады.

c)

Уақыттық қатарларды өңдеуге өте қолайлы.

d)

Ретті мәліметтерді талдауға арналған.

e)

Жаңа мәліметтерді генерациялау үшін қолданылады.

40.

«Регрессия» дегеніміз не?

a)

Үздіксіз мәндерді болжау әдісі.

b)

Категориялық деректерді болжау әдісі.

c)

Деректерде кластерлер құру әдісі.

d)

Деректердің өлшемін азайту процесі.

e)

Жоғалған деректерді қалпына келтіру процесі.

41.

«Классификация» дегеніміз не?

a)

Категориялық мәндерді болжау процесі.

b)

Жаңа деректерді жасау процесі.

c)

Күшейтілген оқыту процесі.

d)

Уақыттық қатарларды талдау процесі.

e)

Деректердегі шуды азайту процесі.

42.

Нейрондық желілердегі «свертка қабаттары» дегеніміз не?

4 lines
43.

Нейрондық желілердегі «свертка қабаттары» дегеніміз не?

a)

Суреттерден ерекшеліктерді шығару үшін фильтрация операцияларын орындайтын қабаттар.

b)

Деректердің өлшемін азайтуға арналған қабаттар.

c)

Суреттерді меткелерге түрлендіретін қабаттар.

d)

Меткелерге негізделген үйренетін қабаттар.

e)

Түрлі классификациялар үшін қолданылатын қабаттар.

44.

Деректерде «аномалия» дегеніміз не?

a)

Деректерде қалыптан тыс немесе күтпеген мәндер.

b)

Деректердегі қайталанатын элементтер.

c)

Талдауға жатпайтын деректер.

d)

Стандартты үлгілерге сәйкес деректер.

e)

Жоғарыда айтылғандардың барлығы.

45.

«Перцептрон» дегеніміз не?

a)

Бір қабаттан тұратын және бинарлы классификация үшін қолданылатын нейрондық желі моделі.

b)

Тек меткелермен үйренетін модель.

c)

Суреттердегі шуды азайтуға арналған алгоритм.

d)

Уақыттық қатарларды өңдеуге арналған тәсіл.

e)

Сөйлеуді тануға арналған модуль.

46.

Деректердің өлшемін азайту үшін қай алгоритм қолданылады?

a)

Негізгі компоненттер әдісі (PCA).

b)

Ең жақын көршілер алгоритмі.

c)

Тірек векторлар әдісі.

d)

Монте-Карло әдісі.

e)

Логистикалық регрессия.

47.

K-средних алгоритмінің мәні неде?

a)

Деректерді k кластерге топтастыратын алгоритм.

b)

Суреттерді классификациялау әдісі.

c)

Модельдер тиімділігін бағалауға арналған әдіс

48.

K-средних алгоритмінің мәні неде?

a)

Деректерді k кластерге топтастыратын алгоритм.

b)

Суреттерді классификациялау әдісі.

c)

Модельдер тиімділігін бағалауға арналған әдіс.

d)

Деректердің өлшемін азайту әдісі.

e)

Уақыттық қатарларды болжау әдісі.

49.

«Бақыланатын оқыту» дегеніміз не?

a)

Алгоритмнің белгіленген деректер бойынша үйренуі.

b)

Бейберекет деректер бойынша үйрену.

c)

Алгоритмнің жаңа деректерді жасауы.

d)

Жартылай белгіленген деректер бойынша үйрену.

e)

Деректерсіз үйрену.

50.

«Бақыланбайтын оқыту» дегеніміз не?

a)

Белгіленбеген деректер бойынша жасырынып жатқан құрылымдарды табу.

b)

Белгіленген деректер бойынша үйрену.

c)

Деректерді меткелермен классификациялау.

d)

Оқытушыдан кері байланыс арқылы үйрену.

e)

Тек суреттермен үйрену.

51.

«Көп қабатты перцептрон» дегеніміз не?

a)

Бірнеше қабаттан тұратын нейрондық желі, кері таралу әдісін қолданады.

b)

Бір қабаттан тұратын қарапайым нейрондық желі.

c)

Тек мәтіндік деректерді өңдеуге арналған нейрондық желі моделі.

d)

Суреттерді кластерлеуге арналған алгоритм.

e)

Уақыттық қатарларды өңдеуге арналған модуль.

52.

«Машиналық оқыту» дегеніміз не?

a)

Компьютерлердің деректерге негізделген тапсырмаларды орындауға үйренуі, яғни нақты алгоритмдерсіз.

b)

Табиғи тілдерді өңдеу алгоритмдерін жасау процесі.

c)

Видеоигрлерді ИИ көмегімен жақсарту процесі.

d)

Аудиофайлдарды өңдеу әдістерін дамыту процесі.

e)

Графиктер м

53.

«Ең жақын көршілер алгоритмі» дегеніміз не?

a)

Деректерді олардың көрші мысалдарымен ұқсастығына қарай классификациялау алгоритмі.

b)

Шығын функциясында максимум іздеу әдісі.

c)

Деректердің өлшемін азайту әдісі.

d)

Нейрондық желілерді оңтайландыру алгоритмі.

e)

Суреттерді өңдеуге арналған әдіс.

54.

Қай әдіс күшейтілген оқытуға арналған?

a)

Q-оқыту.

b)

K-средних.

c)

Тірек векторлар әдісі.

d)

Логистикалық регрессия.

e)

Монте-Карло әдісі.

55.

«Жетонмен оқыту» дегеніміз не?

a)

Модель дұрыс әрекеттері үшін марапат алады, ал қате әрекеттері үшін жазаланады.

b)

Модель объектілерді белгілер негізінде классификациялайды.

c)

Модель оқыту деректеріндегі қатені минимизациялайды.

d)

Модель таңбаланбаған деректермен оқытылады.

e)

Модель мысалдар арқылы өзін-өзі оқытады.

56.

Қандай әдіс бойынша ИИ мысалдар негізінде өздігінен оқиды?

a)

Жетонмен оқыту.

b)

Ұстаздық оқыту.

c)

Ұстазсыз оқыту.

d)

Терең оқыту.

e)

Генетикалық бағдарламалау.

57.

Нейрондық желілерде «қате кері тарату» дегеніміз не?

a)

Қате есептеп, нейрондық желінің салмақтарын түзету процесі.

b)

Сигналдардың нейрондық желі арқылы таралу процесі.

c)

Желінің жұмысын тексеру процесі.

d)

Орташа нәтиже

58.

«у» дегеніміз не?

a)

Қате есептеп, нейрондық желінің салмақтарын түзету процесі.

b)

Сигналдардың нейрондық желі арқылы таралу процесі.

c)

Желінің жұмысын тексеру процесі.

d)

Орташа нәтижелерді сақтау процесі.

e)

Жаңа деректерді генерациялау процесі.

59.

«Деректерді нормалау» дегеніміз не?

a)

Деректерді бір шкалаға келтіру процесі.

b)

Деректерді категорияларға классификациялау процесі.

c)

Жаңа деректерді оқыту үшін құру процесі.

d)

Артық деректерді жою процесі.

e)

Деректерге жаңа белгілер қосу процесі.

60.

«Ұстазсыз оқыту» дегеніміз не?

a)

Белгіленбеген деректермен оқып, деректердегі жасырын құрылымдарды анықтау.

b)

Белгіленген деректермен оқыту процесі.

c)

Модельге деректерге қалай жауап беру керектігін көрсету процесі.

d)

Пайдаланушылардан жинақталған деректермен оқыту процесі.

e)

Үлкен деректер көлемін жаңа мысалдар жасау үшін пайдалану процесі.

61.

Қандай алгоритм ықтималдықтар негізінде классификаторларды оқыту үшін пайдаланылады?

a)

Логистикалық регрессия.

b)

Қолдау векторлары әдісі.

c)

K-орташа әдісі.

d)

Терең нейрондық желілер.

e)

K жақын көрші алгоритмі.

62.

Машиналық оқыту мен дәстүрлі алгоритмдер арасындағы негізгі айырмашылық қандай?

a)

Машиналық оқыту шешімдерді оқыту арқылы табады, ал дәстүрлі алгоритмдер қатаң бағдарламаланған нұсқауларды қолданады.

b)

Машиналық оқыту шешімдерді тек алгоритмдер арқылы табады, ал дәстүрлі алгоритмдер тек деректерді іздейді.

63.

Дәстүрлі алгоритмдер қатаң бағдарламаланған нұсқауларды қолданады. (Дұрыс жауап)

a)

Машиналық оқыту шешімдерді тек алгоритмдер арқылы табады, ал дәстүрлі алгоритмдер тек деректерді іздейді.

b)

Машиналық оқыту деректерді талап етпейді, дәстүрлі алгоритмдер талап етеді.

c)

Дәстүрлі алгоритмдер нейрондық желілерді пайдалануды талап етеді, ал машиналық оқыту — жоқ.

d)

Машиналық оқыту тек классификация үшін алгоритмдерді қолданады, ал дәстүрлі алгоритмдер тек деректерді талдайды.

64.

«Жетонмен оқыту» дегеніміз не?

a)

Агент ортасында шешімдер қабылдайды, дұрыс әрекеттер үшін марапат алады және қате әрекеттер үшін жазаланады. (Дұрыс жауап)

b)

Алгоритм белгіленген деректер негізінде оқытылады.

c)

Деректер сыныптарға бөлінеді.

d)

Агент мысалдар арқылы оқытылады, бірақ дұрыс жауаптар көрсетілмейді.

e)

Модель жаңа деректерді өздігінен жасайды.

65.

Машиналық оқытуда күрделі деректерді талдау үшін қарапайым түрге айналдыру процесі қалай аталады?

a)

Ерекшеліктерді алу. (Дұрыс жауап)

b)

Деректерді өңдеу.

c)

Белгілерді түрлендіру.

d)

Ұстазсыз оқыту.

e)

Деректерді визуализациялау.

66.

Қандай алгоритм ең жақсы суреттерді классификациялау үшін қолданылады?

a)

Конволюциялық нейрондық желілер (CNN). (Дұрыс жауап)

b)

Қолдау векторлары әдісі.

c)

Рекурренттік нейрондық желілер.

d)

Линейная регрессия.

e)

Көршілердің жақын алгоритмі.

67.

«Градиентті түсіру» дегеніміз не машиналық оқыту моделін үйрету контексінде?

4 lines
68.

«Градиентті түсіру» дегеніміз не машиналық оқыту моделін үйрету контексінде?

a)

Қателік функциясының минималды мәнін табу үшін салмақтарды итеративті түрде жаңарту әдісі.

b)

Объектілерді классификациялау әдісі.

c)

Функцияның глобалды максимумын іздеу алгоритмі.

d)

Функциялардың туындыларын есептеу алгоритмі.

e)

Деректер өлшемін азайту әдісі.

69.

Модель оқыту деректерін тым жақсы есте сақтап, жалпы қорытынды жасау қабілетін жоғалтатын процесс қандай терминмен сипатталады?

a)

Артық оқыту (Переобучение).

b)

Аз оқыту (Недообучение).

c)

Декомпозиция.

d)

Регуляризация.

e)

Кросс-валидация.

70.

«Қолдау векторлары әдісі» (SVM) дегеніміз не?

a)

Деректерді кластарға бөлу үшін гиперплоскость құратын алгоритм.

b)

Деректердің өлшемін азайту алгоритмі.

c)

Классификация ықтималдықтарын бағалау әдісі.

d)

Уақыттық қатарларды талдау үшін қолданылатын әдіс.

e)

Деректерді кластерлеу алгоритмі.

71.

Келесі тапсырмалардың қайсысы классификация міндетіне жатады?

a)

Суреттердегі беттерді тану.

b)

Температураны болжау.

c)

Мәтіннің сезімталдығын талдау.

d)

Тауарлар қорын болжау.

e)

Фильмдердің рейтингін бағалау.

72.

«Терең оқыту» дегеніміз не?

a)

Үлкен көлемдегі деректерді өңдеу үшін көпқабатты нейрондық желілерді қолданатын оқыту әдісі.

b)

Қарапайым сызықтық модельдерді қолданатын оқыту әдісі.

c)

Жетонмен оқыту әдісі.

d)

Уақыттық қатарларды талдау әдісі.

73.

лемдегі деректерді өңдеу үшін көпқабатты нейрондық желілерді қолданатын оқыту әдісі.

a)

Қарапайым сызықтық модельдерді қолданатын оқыту әдісі.

b)

Жетонмен оқыту әдісі.

c)

Уақыттық қатарлармен жұмыс істеуге бағытталған оқыту әдісі.

d)

Тек логикаға негізделген модельдермен жұмыс істеу әдісі.

74.

Машиналық оқыту контексінде «регуляризация» дегеніміз не?

a)

Модельдің күрделілігіне жазалау қосу арқылы оның сапасын жақсарту әдісі.

b)

Оқыту жиынынан маңызды емес деректерді жою процесі.

c)

Модельдің күрделілігін арттыру арқылы дәлдікті жоғарылату әдісі.

d)

Модельді қарапайымдау үшін деректер көлемін азайту процесі.

e)

Модельдің өнімділігін жақсарту үшін қайтадан оқыту процесі.

75.

Модельдің дәлдігін арттыру үшін оқыту кезінде нейрондарды кездейсоқ өшіру әдісі қалай аталады?

a)

Dropout (Дроп-аут).

b)

Регуляризация.

c)

Градиентті түсіру.

d)

Ерекшеліктерді түрлендіру.

e)

Деректерді қысу.

76.

«Негізгі компоненттер әдісі» (PCA) дегеніміз не?

a)

Деректердің негізгі ақпаратын сақтай отырып, өлшемін азайту әдісі.

b)

Суреттерді классификациялау әдісі.

c)

Мәтіндерді өңдеу әдісі.

d)

Кластерлеу алгоритмі.

e)

Болашақ оқиғаларды болжау алгоритмі.

77.

Модель объектілерді қолда бар деректер негізінде классификациялау керек болатын тапсырма қандай терминмен сипатталады?

a)

Классификация.

b)

Кластерлеу.

c)

Регрессия.

d)

Жетонмен оқыту.

e)

Деректер генерациясы.

78.

болатын тапсырма қандай терминмен сипатталады?

a)

Классификация.

b)

Кластерлеу.

c)

Регрессия.

d)

Жетонмен оқыту.

e)

Деректер генерациясы.

79.

Қайсысы ұстаздық оқыту алгоритмінің мысалы болып табылады?

a)

Логистикалық регрессия.

b)

K-орташа алгоритмі.

c)

Генетикалық алгоритмдер.

d)

Монте-Карло әдісі.

e)

Нейрондық желілер алгоритмі.

80.

Модель гипотезаларды бағалап, оларды параметрлерді оңтайландыру үшін пайдаланатын әдіс қалай аталады?

a)

Байес әдісі

b)

Градиентті түсіру.

c)

Кросс-валидация.

d)

Генетикалық программалау.

e)

K жақын көрші әдісі.

81.

Төменде келтірілгендердің қайсысы регрессия тапсырмасының мысалы?

a)

Келесі тоқсанға сатылымдарды болжау.

b)

Тауар категориясын болжау.

c)

Адамның жынысын суреттен анықтау.

d)

Электрондық поштаның спам екенін анықтау.

e)

Клиенттерді сегменттерге бөлу.

82.

Алдыңғы мәндерге негізделген болашақтағы мәндерді болжау үшін қандай алгоритм қолданылады?

a)

Рекуррентті нейрондық желілер (RNN).

b)

K-орташа алгоритмі.

c)

Линейная регрессия.

d)

Қолдау векторлары әдісі.

e)

Артқа тарату алгоритмі.

83.

Көптеген алгоритмдер біріктіріліп, модельдің нәтижелерін жақсарту процесін қандай термин сипаттайды?

a)

Ансамбльдеу.

b)

Градиентті түсіру.

c)

Көпқабатты оқыту.

d)

Генеративті модельдер.

e)

Гиперпараметрлерді баптау.

84.

Машиналық оқыту контекстінде «регрессия» дегеніміз не?

4 lines
85.

Машиналық оқыту контекстінде «регрессия» дегеніміз не?

a)

Деректер негізінде сандық мәндерді болжау.

b)

Категориялық деректерді болжау.

c)

Уақыттық қатарларды болжау.

d)

Деректердегі жасырын белгілерді болжау.

e)

Деректерді топтарға бөлу процесі.

86.

Модельдің жұмысын бағалау үшін деректерді бірнеше бөлікке бөлетін әдіс қалай аталады?

a)

Кросс-валидация.

b)

Монте-Карло әдісі.

c)

Жақын көрші әдісі.

d)

Дискретизация.

e)

Қолдау арқылы оқыту алгоритмі.

87.

«Терең нейрондық желілер» дегеніміз не?

a)

Күрделі деректерді модельдеу үшін көп қабатты нейрондық желілерден тұратын желілер.

b)

Тек бір қабаттан тұратын классификациялау үшін қолданылатын модельдер.

c)

Уақыттық қатарларды өңдеу үшін қолданылатын желілер.

d)

Тек суреттерді пайдаланатын модельдер.

e)

Жасырын қабаттар қолданылмайтын желілер.

88.

Гиперплоскость арқылы кластарды бөлу үшін деректерді классификациялайтын алгоритм қалай аталады?

a)

Қолдау векторлары әдісі (SVM).

b)

K-орташа алгоритмі.

c)

Логистикалық регрессия.

d)

Рекуррентті нейрондық желі.

e)

Линейная регрессия.

89.

«Ұстаздық оқыту» дегеніміз не?

a)

Модельге деректердің белгілері беріліп, сол белгілер негізінде модель құру процесі.

b)

Модельдің деректерсіз оқытылу процесі.

c)

Модельдің белгілері жоқ деректермен оқытылу процесі.

d)

Модельдің қолданушылардан кері байланыс алу арқылы

90.

«Графикалық модельдеу» дегеніміз не?

a)

Өзара байланысқан айнымалыларды графтар мен түйіндер арқылы көрсету үшін деректерді модельдеу әдісі.

b)

Нейрондық желілер негізінде модельдер құру үшін қолданылатын оптимизация әдісі.

c)

Графиктер арқылы уақыттық қатарларды талдау техникасы.

d)

Сандық деректерді көрсету үшін визуалды элементтерді пайдалану.

e)

Деректерді визуализациялау үшін графиктер құру.

91.

Қандай алгоритм классификация үшін қолданылады және әр кластың ықтималдығына негізделеді?

a)

Логистикалық регрессия.

b)

Қолдау векторлары әдісі.

c)

K-орташа алгоритмі.

d)

Жақын көрші әдісі.

e)

Рекуррентті нейрондық желілер.

92.

Машиналық оқыту контекстінде «кластерлер» дегеніміз не?

a)

Деректердің топтары, олар ұқсас сипаттамаларға ие және кластерлеу алгоритмдерінде жиі қолданылады.

b)

Деректердің белгілерін болжау алгоритмдері.

c)

Сандық мәндерді болжау үшін құрылған модельдер.

d)

Мәтіндік деректерді өңдеуге арналған модельдер.

e)

Деректерді талдау үшін қолданылатын желілік құрылымдар.

93.

Модель алдын ала әрекеттерге жауап ретінде оқытылатын әдіс қалай аталады?

a)

Оқыту арқылы күшейту.

b)

Ұстаздық оқыту.

c)

Ұстазсыз

94.

Модель алдын ала әрекеттерге жауап ретінде оқытылатын әдіс қалай аталады?

a)

Оқыту арқылы күшейту.

b)

Ұстаздық оқыту.

c)

Ұстазсыз оқыту.

d)

Терең оқыту.

e)

Регуляризация.

95.

«Переобучение» дегеніміз не?

a)

Модельдің оқыту деректерін тым жақсы жаттап алу процесі және жаңа деректерге жалпылау қабілетін жоғалтуы.

b)

Модельдің жеткілікті дәлдікке жетпеуі.

c)

Модельді оқыту үшін тым көп деректер қолдану процесі.

d)

Бір уақытта бірнеше деректер жиынтығында модельді оқыту процесі.

e)

Модельді өнімділікті жақсарту үшін түзету процесі.

96.

«Деректердің өлшемін азайту әдісі, бірақ негізгі ақпаратты сақтай отырып» қалай аталады?

a)

Өлшемділікті азайту (PC).

b)

Деректерді нормалау.

c)

Деректерді қысу.

d)

Белгілерді түрлендіру.

e)

Регуляризация.

97.

Машиналық оқытуда “классификация” міндеті қандай?

a)

Деректерді топтарға немесе категорияларға бөлу.

b)

Сандық деректерге негізделген мәндерді болжау.

c)

Айнымалылар арасындағы жасырын тәуелділіктерді бағалау.

d)

Уақыттық қатарларды болжау.

e)

Модельді жақсарту үшін деректер құрылымын өзгерту.

98.

«Жақын көрші әдісі» дегеніміз не?

a)

Белгілі бір қашықтыққа негізделген объектілерді іздеу арқылы классификациялайтын алгоритм.

b)

Кластарды бөлу үшін гиперплоскаларды құратын классификация алгоритмі.

c)

Уақыттық қатарларды болжау әдісі.

d)

Нейрондық желілерді оңтайландыру үшін қолданылатын алгоритм.

99.

«Графтық нейрондық желілер» дегеніміз не?

a)

Нейрондық желілер, олар түйіндер арасындағы тәуелділіктерді көрсету үшін графтарды пайдаланады.

b)

Тек мәтіндік деректермен жұмыс істейтін модельдер.

c)

Тек регрессия міндеттерінде қолданылатын желілер.

d)

Уақыттық қатарларды талдау үшін рекуррентті нейрондық желілерді қолданатын желілер.

e)

Деректерді кластерлеу үшін қолданылатын модельдер.

100.

«Табиғи тілдерді өңдеу» (NLP) дегеніміз не?

a)

Ақпаратты алу үшін мәтіндік деректермен жұмыс істеу процесі.

b)

Сандық деректерді өңдеу және оларды одан әрі талдау процесі.

c)

Суреттер мен бейнелермен жұмыс істеу процесі.

d)

Графиктерді талдау үшін нейрондық желілерді құру процесі.

e)

Уақыттық қатарларды талдау процесі.

101.

Осы алгоритмдердің қайсысы ұстаздық оқыту алгоритмінің мысалы болып табылады?

a)

Логистикалық регрессия.

b)

K-орташа алгоритмі.

c)

Жақын көрші әдісі.

d)

Рекуррентті нейрондық желілер.

e)

Генетикалық алгоритмдер.

102.

Машиналық оқытуда “регрессия” міндеті қандай?

a)

Непрерывті мәндерді болжау, мысалы, температура немесе баға.

b)

Категориялық мәндерді болжау.

c)

Деректерді топтарға бөлу.

d)

Модельдің дәлдігін бағалау.

e)

Деректерден жасырын

103.

Непрерывті мәндерді болжау, мысалы, температура немесе баға.

a)

Непрерывті мәндерді болжау, мысалы, температура немесе баға.

b)

Категориялық мәндерді болжау.

c)

Деректерді топтарға бөлу.

d)

Модельдің дәлдігін бағалау.

e)

Деректерден жасырын паттерндерді шығару.

104.

Уақыттық қатарларды талдауға арналған әдіс, ол бақылаулар арасындағы уақыттық тәуелділіктерді ескереді, қалай аталады?

a)

Рекуррентті нейрондық желілер (RNN).

b)

Логистикалық регрессия.

c)

Қолдау векторлары әдісі.

d)

Генеративті модельдер.

e)

Монте-Карло әдісі.

105.

«Аномалия» деректерде не болып табылады?

a)

Әдеттен тыс немесе типтік емес деректер, олар шығу тегі бойынша ерекшеленуі мүмкін.

b)

Жеңіл классификацияланатын деректер.

c)

Нормализациялауды қажет ететін деректер.

d)

Белгілері жоқ деректер.

e)

Тек мәтіндік ақпаратты қамтитын деректер.

106.

Машиналық оқыту модельдерінде қателерді іздеп, жою үшін қолданылатын әдіс қалай аталады?

a)

Дебаггинг.

b)

Оқыту арқылы күшейту.

c)

Регуляризация.

d)

Кросс-валидация.

e)

Қателікті кері тарату.

107.

Машиналық оқыту контекстінде «нейрондық желі» дегеніміз не?

a)

Классификация және болжау үшін қолданылатын нейрондардан тұратын құрылым.

b)

Уақыттық қатарлармен жұмыс істеу алгоритмі.

c)

Модельдің жұмысын жақсартуға арналған оңтайландыру әдісі.

d)

Мәтіндік деректерді өңдеуге арналған алгоритм.

e)

Суреттермен жұмыс істеуге арналған алгоритм.

108.

Модель нақты белгілермен емес, болжам жасау үшін пайдалануға болатын деректерге негізделіп

4 lines
109.

Модель нақты белгілермен емес, болжам жасау үшін пайдалануға болатын деректерге негізделіп оқытылатын әдіс қалай аталады?

a)

Ұстазсыз оқыту.

b)

Ұстаздық оқыту.

c)

Оқыту арқылы күшейту.

d)

Деректерді генерациялау.

e)

Регуляризация.

110.

Шешімдер ағашы туралы қай тұжырым дұрыс?

a)

Шешімдер ағашы деректерді белгілер бойынша шарттармен бөліп жібереді.

b)

Шешімдер ағашы классификация тапсырмалары үшін қолданылмайды.

c)

Шешімдер ағашы тек сандық деректермен жұмыс істей алады.

d)

Шешімдер ағашы рекурсияны пайдаланбайды.

e)

Шешімдер ағашы машиналық оқытудың ең жылдам алгоритмдері болып табылады.

111.

Модельдің параметрлерін табу үшін ықтималдықты максимизациялау әдісін қолданатын алгоритм қалай аталады?

a)

Байес әдісі.

b)

Қолдау векторлары әдісі.

c)

Логистикалық регрессия.

d)

Ең кіші квадраттар әдісі.

e)

Градиенттік спуск.

112.

Машиналық оқытудағы “кросс-валидация” дегеніміз не?

a)

Модель әртүрлі деректер жиынтықтарында оқытылып, басқа деректерде тексеріледі.

b)

Деректерді оқу және тестілеу жиынтықтарына бөлу әдісі.

c)

Деректердің өлшемін азайту процесі.

d)

Модельдің ең жақсы гиперпараметрлерін табуға арналған алгоритм.

e)

Модельдің дәлдігін есептеу процесі.

113.

Нейрондық желілерде «переобучение» (overfitting) мәселесін азайту үшін қолданылатын әдіс қандай?

(a)  

114.

Нейрондық желілерде «переобучение» (overfitting) мәселесін азайту үшін қолданылатын әдіс қандай?

a)

Регуляризация. (Дұрыс жауап)

b)

Градиенттік спуск.

c)

Жақын көрші әдісі.

d)

Кластерлеу алгоритмі.

e)

Кросс-валидация.

115.

Нейрондық желілер контекстінде “перцептрон” дегеніміз не?

a)

Классификация үшін қолданылатын қарапайым нейрондық желі. (Дұрыс жауап)

b)

Уақыттық қатарлармен жұмыс істеуге арналған алгоритм.

c)

Нейрондық желілердің оқытуын жақсартатын әдіс.

d)

Қателерді минимизациялау әдісі.

e)

Деректерді генерациялау алгоритмі.

116.

Базалық модельдердің бірнешеуін пайдаланып, болжамдарды жақсартатын алгоритм қалай аталады?

a)

Ансамблирование. (Дұрыс жауап)

b)

Болжамдар жүйесі.

c)

Рандомизацияланған іздеу.

d)

Генетикалық алгоритм.

e)

Логистикалық регрессия.

117.

Қай алгоритм деректерді кластерлеу үшін қолданылады?

a)

K-средних әдісі. (Дұрыс жауап)

b)

Логистикалық регрессия.

c)

Қолдау векторлары әдісі.

d)

Шешімдер ағаштары.

e)

Рекуррентті нейрондық желілер.

118.

“Оқыту арқылы күшейту” дегеніміз не?

a)

Агенттің өз әрекеттеріне сыйақылар немесе жазалаулар алатын оқыту әдісі. (Дұрыс жауап)

b)

Модельге деректерді классификациялау үшін белгілер берілуі арқылы оқыту.

c)

Модель белгілері жоқ деректерде оқытылады.

d)

Тек регрессия әдістері қолданылатын оқыту.

e)

Алгоритм алдын ала анықталған категорияларға деректерді классификациялайды.

119.

Ниеттендірілген регрессия арқылы шешілетін мәселе

4 lines
120.

Ниеттендірілген регрессия арқылы шешілетін мәселенің мысалы қайсысы?

a)

Үй бағасын болжау.

b)

Хаттың спам екендігін анықтау.

c)

Қай өнімді сатып алу керек екенін анықтау.

d)

Адамның жынысын анықтау.

e)

Қандай веб-беттердің танымал екенін анықтау.

121.

“Модельді кішігірім деректер жиынтықтарында оқыту және оларды кейін біріктіру” процесі қалай аталады?

a)

Ансамблирование.

b)

Кросс-валидация.

c)

Шешімдер ағаштары.

d)

Деректерді сығу.

e)

Регуляризация.

122.

Қай алгоритм суреттерді өңдеуге арналған?

a)

Конволюциялық нейрондық желілер (CNN).

b)

Қолдау векторлары әдісі.

c)

Логистикалық регрессия.

d)

Сызықтық регрессия.

e)

K-средних әдісі.

123.

Қателікті минимизациялау үшін модельдің параметрлерін оңтайландыру әдісі қалай аталады?

a)

Градиенттік спуск.

b)

Кросс-валидация жүйесі.

c)

Логистикалық регрессия.

d)

Монте-Карло әдісі.

e)

Признақтарды түрлендіру.

124.

Машиналық оқытуда “гиперпараметрлер” дегеніміз не?

4 lines

Similar Resources on Wayground

функция және процедура. Графтар

120 questions

функция және процедура. Графтар

quiz

Worksheet

•

11th Grade - University