wayground logo

Free Printable Worksheets

Font size

S
M
L
XL
Worksheets

ML DL

Total questions: 31

Worksheet time: 23mins

Name
Class
Date
1.

1. Что такое Machine Learning (машинное обучение)?

a)

Кодирование алгоритмов вручную

b)

Обучение компьютеров на данных

c)

Работа с текстами вручную

d)

Программирование игр

2.

Кто впервые ввёл термин Machine Learning?

a)

Alan Turing

b)

Arthur Samuel

c)

Geoffrey Hinton

d)

Andrew Ng

3.

Основная цель Machine Learning — это…

a)

Изучить язык Python

b)

Сделать искусственный интеллект похожим на человека

c)

Автоматизировать офисные задачи

d)

Обучить систему находить закономерности в данных

4.

Что означает принцип “Garbage in, garbage out”?

a)

Данные не важны

b)

Качество данных определяет качество модели

c)

Алгоритм всегда исправит ошибки

d)

Ошибки не влияют на результат

5.

Что делает Feature Engineering (инженерия признаков)?

a)

Создаёт новые датасеты

b)

Преобразует сырые данные в информативные признаки

c)

Удаляет обученные модели

d)

Меняет архитектуру сети

6.

Зачем делят данные на training и testing sets?

a)

Чтобы проверить, насколько модель обучилась

b)

Чтобы протестировать скорость Python

c)

Чтобы уменьшить размер данных

d)

Чтобы ускорить вычисления

7.

Что такое Model (модель) в ML?

a)

Программа, которая делает предсказания

b)

Набор данных

c)

График

d)

Обучающая среда

8.

Что делает Loss function (функция потерь)?

a)

Вычисляет точность модели

b)

Ускоряет обучение

c)

Показывает, насколько предсказание отличается от правильного ответа

d)

Проверяет нейроны

9.

Как называется процесс уменьшения ошибки модели?

a)

Training

b)

Labeling

c)

Sampling

d)

Testing

10.

Что делает Optimizer (оптимизатор), например SGD или Adam?

a)

Сохраняет модель

b)

Делит данные

c)

Проверяет скорость сети

d)

Обновляет веса нейронов

11.

Что такое Supervised Learning (обучение с учителем)?

a)

Обучение без меток

b)

Обучение через награды

c)

Обучение с правильными ответами

d)

Обучение с помощью подсказок

12.

Пример Supervised Learning — это:

a)

Кластеризация клиентов

b)

Прогноз цены квартиры

c)

Сегментация рынка без меток

d)

Алгоритм игры в шахматы

13.

Что такое Unsupervised Learning (обучение без учителя)?

a)

Модель учится по готовым меткам

b)

Модель получает награды

c)

Модель работает без данных

d)

Модель сама ищет закономерности

14.

Пример Unsupervised Learning —

a)

Классификация писем на спам/не спам

b)

Группировка пользователей по интересам

c)

Предсказание температуры

d)

Обучение чат-бота

15.

Что делает Reinforcement Learning (обучение с подкреплением)?

a)

Имитирует работу мозга

b)

Учится через награды и штрафы

c)

Использует метки

d)

Работает без среды

16.

Пример Reinforcement Learning

a)

Распознавание лиц

b)

Поиск тем в текстах

c)

Кластеризация музыки

d)

Самообучающаяся игра в шахматы

17.

Какую роль играет Agent (агент) в RL?

a)

Принимает решения и учится через опыт

b)

Хранит данные и проверяет ошибки

c)

Настраивает сеть

18.

Что такое Reward (вознаграждение)?

a)

Ошибка модели

b)

Количество данных

c)

Скорость обучения

d)

Число, показывающее, насколько действие успешно

19.

Что такое Neuron (нейрон)?

a)

Математическая функция, вычисляющая взвешенную сумму входов

b)

Отдельный файл

c)

Алгоритм обучения

20.

Формула работы нейрона:

a)

input = f(output – bias)

b)

input + weight = bias

c)

output = f(weights × inputs + bias)

d)

output = input × weights

21.

Что такое Layer (слой) в нейросети?

a)

Совокупность нейронов

b)

Отдельный файл

c)

Признак

d)

Ошибка

22.

Что делает Activation Function (функция активации)?

a)

Определяет, будет ли нейрон активен

b)

Измеряет ошибку

c)

Увеличивает количество данных

d)

Останавливает обучение

23.

Что такое Backpropagation (обратное распространение ошибки)?

a)

Процесс обновления весов на основе ошибки

b)

Новый тип сети, который занимается обработкой картинок

c)

Кластеризация данных

24.

Что делает Bias (смещение) в нейроне?

a)

Ускоряет вычисления

b)

Добавляет гибкость модели

c)

Удаляет фичи

d)

Нормализует данные

25.

Что такое Overfitting (переобучение)?

a)

Модель слишком общая

b)

Модель не учится

c)

Модель выучила шум и плохо работает на новых данных

26.

Как избежать overfitting?

a)

Добавить больше слоёв

b)

Увеличить данные и использовать regularization

c)

Уменьшить loss

d)

Убрать bias

27.

Что означает термин Black Box (чёрный ящик)?

a)

Модель с тёмным интерфейсом

b)

Модель, чьи решения непонятны

c)

Интерпретируемая модель

d)

Ошибка в данных

28.

Что делает LIME?

a)

Объясняет одно конкретное предсказание

b)

Измеряет точность и обучает сеть

c)

Кластеризует данные

29.

На чём основан SHAP (Shapley values)?

a)

Теория игр

b)

Теория вероятностей

c)

Логическая алгебра

d)

Кластеризация

30.

Чем SMART отличается от CLEAR?

a)

SMART — про цели и результат; CLEAR — про объяснение и логику

b)

SMART — про творчество; CLEAR — про скорость

c)

SMART — для текстов; CLEAR — для кода

31.

Что такое Attention map (карта внимания)?

a)

Ошибка кода

b)

Визуализация областей, на которые смотрела модель

c)

График обучения

d)

Нормальное поведение

Similar Resources on Wayground

Признаки подобия прямоугольных треугольников

32 questions

Признаки подобия прямоугольных треугольников

quiz

Worksheet

•

9th - 12th Grade

ИИ 11 класс

36 questions

ИИ 11 класс

quiz

Worksheet

•

12th Grade

Ақпараттық 1-модуль жалғасы...

35 questions

Ақпараттық 1-модуль жалғасы...

quiz

Worksheet

•

12th Grade