Wayground logo

Free Printable Worksheets

Font size

S
M
L
XL
Worksheets

Вопросы по генеративному ИИ

Total questions: 113

Worksheet time: 2hrs 53mins

Name
Class
Date
1.

Что такое генеративный ИИ?

a)

Модель, которая только классифицирует данные

b)

Модель, создающая новые данные на основе обучающего набора

c)

Модель для сжатия данных

d)

Модель для удаления шума из данных

2.

Основное применение генеративного ИИ в образовании - это:

a)

Автоматическая проверка домашних заданий

b)

Создание персонализированного контента и помощи в обучении

c)

Ведение журналов посещаемости

d)

Администрирование школьских баз данных

3.

Что такое большая языковая модель (LLM)?

a)

Модель, обученная на большом количестве текстов для генерации языка

b)

Модель для обработки изображений

c)

Модель для управления сетью

d)

Модель для генерации музыки

4.

Архитектура трансформера состоит из:

a)

Рекуррентных слоев

b)

Конволюционных слоев

c)

Механизма внимания (attention)

d)

Прямых связей без внимания

5.

На каком языке обычно реализуют базовую модель генерации текста?

a)

C++

b)

JavaScript

c)

Python

d)

SQL

6.

Что такое prompt engineering?

a)

Создание изображений

b)

Оптимизация запросов для генеративных моделей

c)

Настройка оборудования

d)

Сжатие данных

7.

Какая из техник улучшения запроса может повысить качество ответа модели?

a)

Использование случайных слов

b)

Уточнение и детализация запроса

c)

Игнорирование резу

8.

Какая из техник улучшения запроса может повысить качество ответа модели?

a)

Использование случайных слов

b)

Уточнение и детализация запроса

c)

Игнорирование результата

d)

Использование больших шрифтов

9.

Что помогает избежать неоднозначности в ответах моделей?

a)

Использование коротких запросов

b)

Использование чётких и точных инструкций в запросе

c)

Игнорирование контекста

d)

Использование эмодзи

10.

В каком из случаев стоит использовать многократные запросы?

a)

Когда нужен разный взгляд на один вопрос

b)

Когда хочется экономить время

c)

Когда нужно один раз получить ответ

d)

Когда неважен результат

11.

Что такое предвзятость в генеративных моделях?

a)

Ошибка в синтаксисе кода

b)

Систематическое искажение результатов в пользу определённых групп или идей

c)

Ошибка памяти

d)

Низкая скорость вычислений

12.

Как можно обнаружить предвзятость в текстах?

a)

Анализируя частоту употребления определённых слов и тем

b)

Путём перезапуска компьютера

c)

Увеличивая размер датасета без анализа

d)

Используя генератор случайных чисел

13.

Какой из методов помогает снизить предвзятость?

a)

Увеличение количества данных без фильтрации

b)

Использование сбалансированных и разнообразных данных для обучения

c)

Исключение тестирования моделей

d)

Отключение слоёв внимания

14.

Почему этика важна в использовании ИИ в образовании?

a)

Для экономии ресурсов

b)

Чтобы предотвратить дискриминацию и обеспечить справедливое использование

c)

Для ускорения обучения

d)

Чтобы улучшить графику

15.

Что необходимо учитывать при внедрении генеративного ИИ в образовательные приложения?

a)

Только эффективность моделей

b)

Конфиденциальность, безопасность и отсутствие предвзятости

c)

Только стоимость лицензий

d)

Количество обучающих видео

16.

После ответа ИИ, что делать, если результат не тот, что ожидался?

a)

Сразу повторить запрос.

b)

Ограничить слова.

c)

Анализировать ошибку и уточнять запрос.

d)

Менять 'температуру' модели.

17.

ИИ-системы собирают много данных о студентах. Какая главная этическая проблема здесь?

a)

Скорость обработки.

b)

Стоимость систем.

c)

Конфиденциальность данных.

d)

Сложность обучения.

18.

Как ИИ влияет на роль учителя в классе?

a)

Полностью заменяет.

b)

Должен быть вспомогательным инструментом.

c)

Устраняет необходимость в учителе.

d)

Никак не влияет.

19.

Как преподавателям нужно готовиться к будущему с ИИ?

a)

Только учить программированию.

b)

Обучать критическому мышлению и адаптации.

c)

Игнорировать ИИ.

d)

Заменять ИИ.

20.

Какую инструкцию нужно задать для изменения стиля текста с помощью ИИ (сленг на деловой)?

a)

Генерировать идеи

b)

Трансформировать тон

c)

Проверять факты

d)

Суммировать

21.

Какой первый этап в построении систем машинного обучения?

a)

Тестирование модели.

b)

Обработка данных.

c)

Сбор данных.

d)

Построение модели.

22.

Что является основной целью сбора данных для ИИ и машинного обучения?

a)

Увеличить скорость

b)

Собрать всесторонние и репрезентативные данные.

c)

Сделать данные короткими.

d)

Просто сохранить информацию.

23.

Какая задача относится к этапу чистки и подготовки данных?

a)

Развертывание модели.

b)

Тестирование модели.

c)

Обработка пропущенных значений.

d)

Выбор алгоритма.

24.

Для чего используется библиотека Pandas в Python?

a)

Для создания изображений.

b)

Для работы с текстом.

c)

Для анализа и манипулирования данными.

d)

Для создания видео.

25.

Как прочитать CSV-файл в Pandas?

a)

df.create_csv()

b)

pd.save_csv()

c)

pd.read_csv()

d)

df.load_csv()

26.

Что показывает df.head()?

a)

Последние строки

b)

Описание данных

c)

Первые строки

d)

Информацию о данных

27.

Что такое "горячее

4 lines
28.

Что показывает df.head()?

a)

Последние строки

b)

Описание данных

c)

Первые строки

d)

Информацию о данных

e)

Первые строки

29.

Что такое "горячее кодирование" (one-hot encoding)?

a)

Сжатие данных

b)

Удаление данных

c)

Преобразование категорий в числовые значения

d)

Сортировка данных

30.

Какая мера центральной тенденции используется для заполнения пропусков и является наиболее часто встречающимся числом?

a)

Среднее значение

b)

Медиана

c)

Мода

d)

Диапазон

31.

Какая библиотека Python обычно используется для работы со структурированными данными в формате DataFrame?

a)

NumPy

b)

Matplotlib

c)

Pandas

d)

Scikit-learn

32.

Какие данные организованы по строгим правилам в таблицах (строки/столбцы)?

a)

Неструктурированные

b)

Полуструктурированные

c)

Структурированные

d)

Временные ряды

33.

Какой тип данных не имеет фиксированной структуры (текст, изображения, аудио)?

a)

Структурированные

b)

Полуструктурированные

c)

Неструктурированные

d)

Табличные

34.

Что показывает стандартное отклонение?

a)

Центральную точку данных

b)

Типичное отклонение значений от среднего

c)

Наиболее частый элемент

d)

Общий объем данных

35.

Что является основной целью описательной статистики?

a)

Предсказывать будущее

b)

Строить сложные модели

c)

Резюмировать данные для интерпретации

d)

Находить выбросы

36.

Какая метрика центральной тенденции чувствительна к выбросам?

a)

Медиана

b)

Мода

37.

Какая метрика центральной тенденции чувствительна к выбросам?

a)

Медиана

b)

Мода

c)

Среднее арифметическое (mean)

d)

Размах

38.

Что такое выброс (outlier) в наборе данных?

a)

Точка данных, сильно отличающаяся от остальных

b)

Самое частое значение

c)

Центральное значение

d)

Среднее значение

39.

Что квартили делают с набором данных?

a)

Определяют среднее

b)

Вычисляют размах

c)

Находят моду

d)

Разделяют данные на 4 равные части

40.

Какая модель специализируется на генерации текста?

a)

MusicLM

b)

Stable Diffusion

c)

GPT-4

d)

DALL-E 2

41.

Какое из следующих утверждений относится к ограничениям генеративного ИИ?

a)

Он всегда даёт правильные ответы

b)

Не требует вычислительных ресурсов

c)

Может содержать предвзятость и использоваться для обмана

d)

Полностью заменяет преподавателей

42.

Для чего используется генерация речи в образовании?

a)

Для создания текстовых описаний

b)

Для анализа ответов студентов

c)

Для озвучивания новостей и видеоуроков

d)

Для перевода программного кода

43.

Как находится медиана в наборе с четным количеством значений?

a)

Среднее значение всех элементов

b)

Мода

c)

Сумма крайних значений

d)

Среднее двух центральных элементов

44.

Что измеряет дисперсия?

a)

Центральную тенденцию

b)

Частоту

45.

Что измеряет дисперсия?

a)

Центральную тенденцию

b)

Частоту значений

c)

Разницу между максимумом и минимумом

d)

Среднее отклонение данных от среднего

e)

Среднее отклонение данных от среднего

46.

Зачем применяется нормализация в машинном обучении?

a)

Для удаления выбросов

b)

Для уменьшения количества данных

c)

Для сведения данных к единой шкале

d)

Для увеличения дисперсии

e)

Для сведения данных к единой шкале

47.

Что показывает Q1 (первый квартиль)?

a)

Значение, ниже которого находится 25% данных

b)

Среднее значение

c)

Самое частое значение

d)

Размах между Q2 и Q3

e)

Значение, ниже которого находится 25% данных

48.

Что отличает инференциальную статистику от описательной?

a)

Она показывает центральную тенденцию

b)

Она применяется только к малым выборкам

c)

Она позволяет делать выводы о популяции на основе выборки

d)

Она работает только с категорическими данными

e)

Она позволяет делать выводы о популяции на основе выборки

49.

Что является основной целью визуализации данных?

a)

Создание анимаций

b)

Перевод чисел в текст

c)

Сделать данные более доступными и понятными

d)

Увеличить объем данных

e)

Сделать данные более доступными и понятными

50.

Какой тип диаграммы лучше использовать для отображения распределения значений?

a)

Круговая диаграмма

b)

Столбчатая диаграмма

c)

Гистограмма

d)

Линейный график

51.

Какой из принципов визуализации данных наиболее важен для ясности восприятия?

a)

Использование большого количества цветов

b)

Максимизация деталей

c)

Четкость и простота

d)

Использование 3D-графиков

52.

Почему визуализация особенно важна при работе с большими данными?

a)

Потому что она уменьшает объем данных

b)

Потому что таблицы всегда читаются быстрее

c)

Потому что она помогает выявить скрытые закономерности

d)

Потому что не требует статистических знаний

53.

Какой тип визуализации используется для отображения плотности данных с помощью цветовых вариаций?

a)

Круговая диаграмма

b)

Гистограмма

c)

Тепловая карта

d)

Линейный график

54.

Какая из библиотек Python используется для построения визуализаций?

a)

NumPy

b)

OpenCV

c)

Matplotlib

d)

BeautifulSoup

55.

Какой шаг НЕ входит в разведочный анализ данных (EDA)?

a)

Создание модели машинного обучения

b)

Поиск пропущенных значений

c)

Выделение ключевых признаков

d)

Анализ одного и нескольких признаков

56.

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

57.

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

a)

Удаление дубликатов

b)

Объединение переменных для извлечения новых полезных характеристик

58.

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

59.

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

60.

Какой шаг в Data Science следует сразу после сбора данных?

a)

Моделирование

b)

Анализ

c)

Очистка данных

d)

Развертывание

61.

Какой метод используется в построении моделей из нижеперечисленного?

a)

Диаграмма рассеяния

b)

Регрессия

c)

Веб-скрейпинг

d)

Google Sheets

62.

Какой инструмент чаще всего используется для построения нейросетей?

a)

Pandas

b)

PyTorch

c)

Seaborn

d)

NumPy

63.

Какой специалист отвечает за создание и оптимизацию моделей машинного обучения?

a)

Аналитик данных (Data Analyst)

b)

Инженер по данным (Data Engineer)

c)

Инженер Машинного Обучения (Machine Learning Engineer)

d)

Бизнес Аналитик (Business Analyst)

64.

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

65.

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

66.

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

a)

Plotly

b)

Scikit-learn

c)

Flask

d)

Keras

67.

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

68.

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

69.

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

70.

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

71.

Какой метрикой можно измерить качество модели линейной регрессии?

a)

Accuracy

b)

Precision

c)

F1-score

d)

Средняя квадратическая ошибка (MSE)

72.

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

73.

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

74.

Какое значение R² указывает на лучшую работу модели?

a)

Ближе к 0

b)

Ближе к 1

c)

Отрицательное

d)

Чем ниже, тем лучше

75.

Какой тип машинного обучения использует размеченные данные для обучения модели?

a)

Неконтролируемое обучение

b)

Обучение с подкреплением

c)

Контролируемое обучение

d)

Самообучение

76.

Что является примером задачи контролируемого обучения?

a)

Группировка клиентов по поведению

b)

Снижение размерности

c)

Предсказание цены квартиры

d)

Выявление аномалий в данных

77.

Какой из следующих алгоритмов относится к неконтролируемому обучению?

a)

Линейная регрессия

b)

Случайный лес

c)

K-means

d)

Логистическая регрессия

78.

Какой недостаток характерен для контролируемого обучения?

a)

Требуется большой объем неразмеченных данных

b)

Трудность выявления скрытых структур

c)

Необходимость

79.

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

e)

Необходимость размеченного набора данных

80.

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

e)

Группирует объекты по схожим признакам

81.

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

e)

Контролируемое: размеченные данные. Неконтролируемое: неразмеченные.

82.

Что относится к задачам неконтролируемого обучения?

a)

Предсказание спама в почте

b)

Сегментация клиентов на основе поведения

c)

Прогнозирование погоды

d)

Распознавание лиц

83.

Что предсказывает логистическая регрессия?

a)

Числовые значения

b)

Группы без меток

c)

Вероятность принадлежности к классу

d)

Случайные признаки

84.

Как работает дерево решений?

a)

Вычисляет гиперплоскость

b)

Создает последовательность случайных прогнозов

c)

Делит данные по пороговым значениям

d)

Использует только линейные зависимости

85.

Что предсказывает модель в задаче классификации?

4 lines
86.

Что предсказывает модель в задаче классификации?

a)

Числовое значение

b)

Категориальную метку

c)

Вектор ошибок

d)

Плотность распределения

87.

Какой алгоритм используется для прогнозирования непрерывных значений?

a)

Логистическая регрессия

b)

Линейная регрессия

c)

Метод опорных векторов

d)

Случайный лес

88.

Какой алгоритм классификации включает формулу логистической функции?

a)

Дерево решений

b)

Линейная регрессия

c)

Логистическая регрессия

d)

Случайный лес

89.

Какой алгоритм неконтролируемого обучения уменьшает размерность признаков?

a)

Дерево решений

b)

Метод главных компонент (PCA)

c)

Случайный лес

d)

Метод опорных векторов (SVM)

90.

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)

91.

Что измеряет метрика accuracy?

a)

Долю верных предсказаний

b)

Количество классов

c)

Размер выборки

d)

Скорость модели

92.

Что показывает confusion matrix?

a)

Список ошибок

b)

Распределение TP, FP, FN, TN

c)

Только точность

d)

Лишь полноту

93.

Зачем проводится кросс-валидация в машинном обучении?

a)

Для случайного удаления признаков

b)

Для предсказания будущих значений

c)

Для визуализации

94.

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

95.

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

96.

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

97.

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

98.

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

99.

Какая цветовая модель используется для отображения изображений на экране?

a)

CMYK

b)

HSV

c)

RGB

d)

LAB

100.

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

101.

Что делает точечная операция "увеличение яркости"?

4 lines
102.

Что 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

103.

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

104.

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

105.

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

106.

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

a)

Отображает изображение

b)

Преобразует цветовое пространство

c)

Загружает изображение

d)

Применяет фильтр к изображению

107.

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

108.

Как называется рамка, обводящая объект на изображении?

a)

Область интереса

b)

Классификационное окно

c)

Bounding box/Ограничивающая рамка

d)

Маркер

109.

Из каких основных слоев состоит базовая нейронная сеть?

a)

Слой обработки

b)

Слой обучения

c)

Слой вывода

110.

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.

111.

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.

112.

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.

113.

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

ИНКЛЮЗИЯ 100-210

109 questions

ИНКЛЮЗИЯ 100-210

quiz

Worksheet

•

University