wayground logo

Free Printable Worksheets

NEW

Font size

S
M
L
XL
Worksheets

Второе

Total questions: 50

Worksheet time: 25mins

Name
Class
Date
1.

Что происходит при положительной корреляции?

a)

Одна переменная уменьшается, вторая тоже

b)

Одна переменная увеличивается, вторая уменьшается

c)

Обе переменные увеличиваются

d)

Переменные никак не связаны

2.

Что происходит на этапе «Создание новых признаков» в Разведочном Анализе Данных (EDA)?

a)

Удаление дубликатов

b)

Объединение переменных для извлечения новых полезных характеристик

c)

Обработка текстовых данных

d)

Обучение модели

3.

Что такое Data Science?

a)

Область, занимающаяся только визуализацией данных

b)

Наука, изучающая поведение пользователей в интернете

c)

Междисциплинарная область использующая анализ данных, программирование и ML

d)

Раздел биоинформатики, связанный с нейросетями

4.

Какой шаг в Data Science следует сразу после сбора данных?

a)

Моделирование

b)

Анализ

c)

Очистка данных

d)

Развертывание

5.

Какой метод используется в построении моделей из нижеперечисленного?

a)

Диаграмма рассеяния

b)

Регрессия

c)

Веб-скрейпинг

d)

Google Sheets

6.

Какой инструмент чаще всего используется для построения нейросетей?

a)

Pandas

b)

PyTorch

c)

Seaborn

d)

NumPy

7.

Какой специалист отвечает за создание и оптимизацию моделей машинного обучения?

a)

Аналитик данных (Data Analyst)

b)

Инженер по данным (DataEngineer)

c)

Инженер Машинного Обучения (Machine Learning Engineer)

d)

Бизнес Аналитик (Business Analyst)

8.

При каком типе обучения модель работает без заранее известных ответов и самостоятельно находит структуры в данных?

a)

Обучение с учителем

b)

Обучение без учителя

c)

Подкрепляющее обучение

d)

Глубокое обучение

9.

Какой инструмент чаще всего используют для классического машинного обучения (регрессия, классификация)?

a)

Plotly

b)

Scikit-learn

c)

Flask

d)

Keras

10.

В чем основное отличие машинного обучения от традиционного программирования?

a)

Машинное обучение использует только числовые данные

b)

В машинном обучении пишется больше кода

c)

Машинное обучение использует явные правила

d)

При машинном обучении модели учатся на данных без прямого программирования

11.

Что является зависимой переменной в линейной регрессии?

a)

Переменная, на основе которой строится прогноз

b)

Любая числовая переменная

c)

Переменная, которую мы хотим предсказать

d)

Категориальный признак

12.

Как называется линейная регрессия, если для предсказания используется более одной независимой переменной?

a)

Простая линейная регрессия

b)

Нелинейная регрессия

c)

Множественная линейная регрессия

d)

Логистическая регрессия

13.

Что делает метод train_test_split из библиотеки sklearn.model_selection?

a)

Стандартизирует признаки

b)

Разделяет данные на тренировочную и тестовую выборки

c)

Выполняет визуализацию данных

d)

Удаляет пропущенные значения

14.

Какой метрикой можно измерить качество модели линейной регрессии?

a)

Accuracy

b)

Precision

c)

F1-score

d)

Средняя квадратическая ошибка (MSE)

15.

Почему MSE = 0.02 лучше, чем MSE = 0.17?

a)

Потому что это более высокая ошибка

b)

Потому что модель с меньшим MSE точнее

c)

Потому что значения Y уменьшились

d)

Потому что было меньше данных

16.

Какая пара метрик чаще всего используется для оценки линейной регрессии?

a)

Accuracy и Precision

b)

R² и MSE

c)

Recall и F1

d)

Loss и Gradient

17.

Какое значение R² указывает на лучшую работу модели?

a)

Ближе к 0

b)

Ближе к 1

c)

Отрицательное

d)

Чем ниже, тем лучше

18.

Какой тип машинного обучения использует размеченные данные для обучения модели?

a)

Неконтролируемое обучение

b)

Обучение с подкреплением

c)

Контролируемое обучение

d)

Самообучение

19.

Что является примером задачи контролируемого обучения?

a)

Группировка клиентов по поведению

b)

Снижение размерности

c)

Предсказание цены квартиры

d)

Выявление аномалий в данных

20.

Какой из следующих алгоритмов относится к неконтролируемому обучению?

a)

Линейная регрессия

b)

Случайный лес

c)

K-means

d)

Логистическая регрессия

21.

Какой недостаток характерен для контролируемого обучения?

a)

Требуется большой объем неразмеченных данных

b)

Трудность выявления скрытых структур

c)

Необходимость размеченного набора данных

d)

Не может быть реализовано в Python

22.

Что делает алгоритм кластеризации?

a)

Делит данные на тренировочные и тестовые

b)

Группирует объекты по схожим признакам

c)

Создает метки классов

d)

Предсказывает непрерывное значение

23.

В чем заключается ключевое отличие между контролируемым и неконтролируемым обучением?

a)

Контролируемое обучение не требует данных

b)

Только неконтролируемое обучение использует Python

c)

Контролируемое: размеченные данные. Неконтролируемое: неразмеченные.

d)

Они используют одинаковые методы

24.

Что относится к задачам неконтролируемого обучения?

a)

Предсказание спама в почте

b)

Сегментация клиентов на основе поведения

c)

Прогнозирование погоды

d)

Распознавание лиц

25.

Что предсказывает логистическая регрессия?

a)

Числовые значения

b)

Группы без меток

c)

Вероятность принадлежности к классу

d)

Случайные признаки

26.

Как работает дерево решений?

a)

Вычисляет гиперплоскость

b)

Создает последовательность случайных прогнозов

c)

Делит данные по пороговым значениям

d)

Использует только линейные зависимости

27.

Что предсказывает модель в задаче классификации?

a)

Числовое значение

b)

Категориальную метку

c)

Вектор ошибок

d)

Плотность распределения

28.

Какой алгоритм используется для прогнозирования непрерывных значений?

a)

Логистическая регрессия

b)

Линейная регрессия

c)

Метод опорных векторов

d)

Случайный лес

29.

Какой алгоритм классификации включает формулу логистической функции?

a)

Дерево решений

b)

Линейная регрессия

c)

Логистическая регрессия

d)

Случайный лес

30.

Какой алгоритм неконтролируемого обучения уменьшает размерность признаков?

a)

Дерево решений

b)

Метод главных компонент (PCA)

c)

Случайный лес

d)

Метод опорных векторов (SVM)

31.

Как называется таблица, сравнивающая предсказанные и фактические классы?

a)

Матрица точности (Precision Matrix)

b)

Таблица полноты (Recall Table)

c)

Матрица ошибок (Confusion Matrix )

d)

Карта классификации (Classification Map)

32.

Что измеряет метрика accuracy?

a)

Долю верных предсказаний

b)

Количество классов

c)

Размер выборки

d)

Скорость модели

33.

Что показывает confusion matrix?

a)

Список ошибок

b)

Распределение TP, FP, FN, TN

c)

Только точность

d)

Лишь полноту

34.

Зачем проводится кросс-валидация в машинном обучении?

a)

Для случайного удаления признаков

b)

Для предсказания будущих значений

c)

Для визуализации обучающей выборки

d)

Для оценки способности модели к обобщению

35.

Что такое гиперпараметры модели?

a)

Параметры, изучаемые во время обучения

b)

Параметры, задаваемые до обучения и влияющие на его ход

c)

Ошибки модели

d)

Весовые коэффициенты

36.

Что означает переобучение модели?

a)

Высокая точность на обучающей и тестовой выборках

b)

Высокая точность на обучении и низкая на тесте

c)

Низкая точность на обеих выборках

d)

Модель не прошла обучение

37.

Какой вывод можно сделать, если точность модели низкая и на обучающей, и на тестовой выборке?

a)

Модель идеальна

b)

Модель переобучена

c)

Модель недообучена

d)

Ошибка в метрике

38.

Зачем проводится предварительная обработка изображений в ИИ-системах?

a)

Для генерации случайных шумов

b)

Для повышения скорости камеры

c)

Для улучшения качества и подготовки к анализу

d)

Для уменьшения количества данных

39.

Какая цветовая модель используется для отображения изображений на экране?

a)

CMYK

b)

HSV

c)

RGB

d)

LAB

40.

Какое значение может принимать каждая компонента цвета в RGB-модели?

a)

От -1 до 1

b)

От 0 до 255

c)

Только 0 или 1

d)

От 0 до 1000

41.

Что делает точечная операция "увеличение яркости"?

a)

Умножает значения пикселей на константу

b)

Добавляет значение к каждому пикселю

c)

Вычитает стандартное отклонение

d)

Заменяет пиксель на его соседей

42.

Что происходит при увеличении контраста изображения?

a)

Все пиксели становятся светлее

b)

Все пиксели становятся темнее

c)

Диапазон значений пикселей сужается

d)

Светлые области становятся светлее, тёмные — темнее

43.

К какому этапу относится извлечение границ, текстур и углов в системе компьютерного зрения?

a)

Принятие решений

b)

Предварительная обработка

c)

Извлечение признаков

d)

Сбор данных

44.

Что делает функция cv2.imread('image.jpg') в OpenCV?

a)

Отображает изображение

b)

Преобразует цветовое пространство

c)

Загружает изображение

d)

Применяет фильтр к изображению

45.

Что делает алгоритм обнаружения объектов?

a)

Делит изображение на пиксели

b)

Определяет точный цвет каждого объекта

c)

Определяет класс изображения

d)

Находит объекты и строит для них рамки с указанием класса

46.

Как называется рамка, обводящая объект на изображении?

a)

Область интереса

b)

Классификационное окно

c)

Bounding box/Ограничивающая рамка

d)

Маркер

47.

Из каких основных слоев состоит базовая нейронная сеть?

a)

Слой обработки, слой анализа, слой вывода.

b)

Входной слой, скрытый слой, выходной слой.

c)

Слой кодирования, слой декодирования, слой классификации.

d)

Слой данных, слой алгоритмов, слой результатов.

48.

Что отличает глубокие нейронные сети от обычных, базовых нейронных сетей?

a)

Глубокие нейронные сети не имеют скрытых слоев

b)

Глубокие нейронные сети имеют множество скрытых слоев

c)

Глубокие нейронные сети используются только для простых задач

d)

Глубокие нейронные сети не требуют обучающих данных

49.

Что такое трансферное обучение (Transfer Learning)?

a)

Метод обучения модели с нуля для каждой новой задачи

b)

Повторное использование обученной модели для новой задачи

c)

Тренировка нейронных сетей без данных.

d)

Модель, которая забывает знания

50.

Когда выгодно использовать трансферное обучение?

a)

Много данных, нет ограничений по ресурсам

b)

Задача сильно отличается от исходной

c)

Мало данных, ограниченные ресурсы, похожая задача

d)

Нет необходимости в быстром результате

Similar Resources on Wayground

Тест по русскому языку

55 questions

Тест по русскому языку

quiz

Worksheet

•

Professional Development

ИТ в профессиональной деятельности

45 questions

ИТ в профессиональной деятельности

quiz

Worksheet

•

Professional Development

python

53 questions

python

quiz

Worksheet

•

Professional Development

Тест по русскому языку

54 questions

Тест по русскому языку

quiz

Worksheet

•

Professional Development