Free Printable Проектная деятельность

Worksheets

Проектная деятельность

Total questions: 24

Worksheet time: 12mins

Name

Class

Date

Что такое машинное обучение?

Область математики, изучающая алгоритмы

Область искусственного интеллекта, обучающая модели на данных

Метод обработки изображений

Технология создания нейронных сетей

Какие типы машинного обучения существуют

Обучение на основе данных без меток

Обучение с помощью нейронных сетей и учителя

Обучение с использованием правил

Обучение с учителем, обучение без учителя, обучение с подкреплением

Что такое нейронные сети?

Нейронные сети - это модели машинного обучения, имитирующие работу мозга для обработки данных.

Нейронные сети - это алгоритмы для создания графиков.

Нейронные сети - это устройства для хранения данных.

Нейронные сети - это тип программного обеспечения для игр.

Что включает в себя теоретическая часть проектной работы?

Обзор литературы, анализ существующих решений, формулирование целей и задач проекта, обоснование выбора методов.

Только практическая часть проекта

Оценка рисков и управление проектом

Финансовый анализ и бюджетирование

Дайте определение понятию машинное обучение. Приведите примеры

Примеры машинного обучения: создание видеоигр и управление автомобилями.

Машинное обучение - это метод программирования без использования данных.

Машинное обучение - это процесс, при котором компьютеры не могут обучаться.

Машинное обучение - это область ИИ, позволяющая компьютерам обучаться на данных. Примеры: распознавание изображений, обработка языка, рекомендации.

Дайте определение понятию рекуррентные нейронные сети (RNN) и их назначение

Рекуррентные нейронные сети (RNN) - это сети, которые не учитывают временные зависимости.

Рекуррентные нейронные сети (RNN) - это статические нейронные сети для обработки изображений.

Рекуррентные нейронные сети (RNN) - это алгоритмы для обработки только текстовых данных.

Рекуррентные нейронные сети (RNN) - это нейронные сети, предназначенные для обработки последовательных данных с учетом временных зависимостей.

Расскажите, как выбрать тему для проектной работы? Что такое цель и задачи проектной работы? Как они должны быть сформулированы?

Цель проектной работы не важна, главное — оформление.

Выбор темы основывается на интересах и актуальности. Цель определяет, что вы хотите достичь, а задачи — конкретные шаги для этого.

Выбор темы зависит только от преподавателя.

Задачи должны быть максимально общими и расплывчатыми.

В чем заключается роль пулинга (pooling) в сверточных нейронных сетях, и какие типы пулинга существуют?

Существует только один тип пулинга: максимальный пулинг.

Пулинг используется для увеличения размерности данных в нейронных сетях.

Существует три типа пулинга: максимальный, средний и минимальный.

Помогает уменьшить размер. Существуют два основных типа пулинга: максимальный пулинг (max pooling) и средний пулинг (average pooling).

Как можно адаптировать сверточную нейронную сеть для работы с текстами или временными рядами?

Использование рекуррентных нейронных сетей для обработки текстов.

Применение линейной регрессии для анализа временных рядов.

Адаптация CNN для текстов и временных рядов включает преобразование данных в двумерные представления и применение сверток для извлечения признаков.

Анализ текстов с помощью алгоритмов кластеризации без предварительной обработки.

10.

Что такое генеративные состязательные сети (GAN) и как они работают?

Генеративные состязательные сети (GAN) — это модели машинного обучения, состоящие из генератора и дискриминатора, которые обучаются совместно для создания реалистичных данных.

Генеративные состязательные сети (GAN) не могут создавать новые данные.

Генеративные состязательные сети (GAN) используются только для классификации данных.

Генеративные состязательные сети (GAN) состоят из одного нейронного слоя.

11.

Чем отличается обучение генератора и дискриминатора в GAN?

Генератор различает реальные и фальшивые данные, дискриминатор создает фальшивые.

Генератор создает фальшивые данные, дискриминатор различает реальные и фальшивые.

Генератор обучается на реальных данных, дискриминатор на фальшивых.

Генератор и дискриминатор выполняют одинаковые функции в GAN.

12.

Какие способы существуют для предотвращения переобучения при обучении RNN?

Увеличение размера обучающей выборки

Использование более сложной архитектуры

Регуляризация, дропаут, ранняя остановка.

Игнорирование валидационных данных

13.

Как можно использовать рекуррентные нейронные сети для генерации текста или музыки?

Рекуррентные нейронные сети не могут использоваться для генерации текста или музыки.

Рекуррентные нейронные сети работают только с изображениями.

Рекуррентные нейронные сети требуют статических данных для обучения.

Рекуррентные нейронные сети могут генерировать текст или музыку, обучаясь на последовательностях и предсказывая следующий элемент на основе предыдущих.

14.

Какие основные направления в искусственном интеллекте существуют, и чем они друг от друга отличаются?

Генетические алгоритмы

Криптография

Системы управления базами данных

Основные направления в искусственном интеллекте: машинное обучение, обработка естественного языка, компьютерное зрение, робототехника, экспертные системы.

15.

Чем отличается глубокое обучение от обычного машинного обучения, и в чем заключаются его основные преимущества?

Глубокое обучение использует многослойные нейронные сети для автоматического извлечения признаков, что позволяет обрабатывать большие объемы данных с высокой точностью.

Глубокое обучение не может обрабатывать изображения и видео.

Обычное машинное обучение всегда использует нейронные сети для анализа данных.

Глубокое обучение требует меньше данных для обучения, чем обычное машинное обучение.

16.

Что такое переобучение (overfitting) и как с ним бороться при обучении моделей машинного обучения?

Переобучение (overfitting) — это ситуация, когда модель слишком точно подстраивается под обучающие данные, что ухудшает её производительность на новых данных. Для борьбы с ним применяют регуляризацию, уменьшение сложности модели, кросс-валидацию и увеличение объема данных.

Для борьбы с переобучением нужно всегда использовать максимальную сложность модели.

Переобучение — это когда модель не обучается на данных и не может делать прогнозы.

17.

Как в машинном обучении решаются задачи, связанные с несбалансированными данными?

Использование методов переобучения, недообучения, устойчивых алгоритмов, генерации синтетических данных и настройки весов классов.

Игнорирование классов с меньшим количеством данных.

Использование только линейных моделей для всех классов.

18.

Назовите этапы разработки проектной работы и охарактеризуйте каждый этап?

1) Подготовительный этап; 2) Этап планирования; 3) Этап реализации; 4) Этап контроля; 5) Этап завершения.

Этап анализа; Этап планирования. Этап изучения

Этап тестирования;

19.

Чем отличается гипотеза от цели исследования?(приведите примеры, опираясь на свою работу)

Гипотеза - это конечный результат, цель - предположение.

Гипотеза - это результат исследования, цель - метод его достижения.

Гипотеза - это предположение, цель - конечный результат исследования.

20.

Что такое рекуррентная нейронная сеть (RNN) и как она отличается от обычных нейронных сетей?

Рекуррентная нейронная сеть (RNN) - это тип нейронной сети, которая не учитывает последовательность данных.

Обычные нейронные сети всегда имеют больше слоев, чем рекуррентные нейронные сети.

Рекуррентная нейронная сеть (RNN) - это тип нейронной сети, который обрабатывает последовательные данные, используя внутренние состояния для учета контекста, в отличие от обычных нейронных сетей.

21.

Дайте определение понятию искусственный интеллект приведите примеры применения

Искусственный интеллект - это только программное обеспечение для игр.

Примеры искусственного интеллекта: обычные калькуляторы и микроволновые печи.

Искусственный интеллект - это область, изучающая только биологические системы.

Искусственный интеллект - это область, создающая системы, выполняющие задачи, требующие интеллекта. Примеры: виртуальные помощники, системы рекомендаций, автономные автомобили.

22.

Что такое teacher forcing в контексте обучения RNN и какие его плюсы и минусы?

Метод обучения, когда модель обучается только на текстах

Метод обучения, когда модель обучается без данных

Метод обучения, когда истинные значения подаются на вход вместе предсказаний модели

Метод обучения, когда модель обучается только на изображениях

23.

Какие основные приложения и области, где эффективно используются рекуррентные нейронные сети?

Основные приложения РНС: обработка естественного языка, временные ряды, распознавание речи, генерация текста.

Управление базами данных

Классификация статей

Обработка изображений

24.

Как работает операция свертки в CNN и как она помогает выявлять признаки в изображениях?

Операция свертки в CNN помогает выявлять признаки в изображениях, применяя фильтры для извлечения характеристик, таких как края и текстуры.

Фильтры в свертке применяются для изменения цветовой палитры изображений.

Операция свертки не влияет на качество изображений.

Свертка в CNN используется только для уменьшения размера изображений.

Reset

Проектная деятельность

Total questions: 24

Worksheet time: 12mins

Similar Resources on Wayground