NEW
Font size
S
M
L
XL
Worksheets🌲 90 — 120 СҰРАҚ
Total questions: 30
Worksheet time: 15mins
Name
Class
Date
1.
АИ қандай бағыты адам миының жұмысын имитациялайтын нейрондық желілерді жобалау және дамытумен байланысты?
a)
Нейрондық желі технологиялары.
b)
Компьютерлік көру.
c)
Генетикалық алгоритмдер.
d)
Оқытуды күшейту.
e)
Машинамен оқыту.
2.
AI қай саласы шектеулі ресурстар жағдайында шешім қабылдай алатын жүйелерді құруға бағытталған?
a)
Алгоритмдік оңтайландыру.
b)
Робототехника.
c)
Генетикалық алгоритмдер.
d)
Компьютерлік көру.
e)
Логикалық бағдарламалау.
3.
Оңтайлы шешімдерді табу үшін алгоритмдерді әзірлеу әдістерін АИ қай саласы зерттейді?
a)
Оңтайландыру.
b)
Нейрондық желі технологиялары.
c)
Машинамен оқыту.
d)
классификациясы.
e)
Ұсыну жүйелері.
4.
Автоматты талдау және сөйлеуді тану әдістерін зерттеу АИ-нің қандай саласымен байланысты?
a)
Сөйлеуді өңдеу.
b)
Генетикалық алгоритмдер.
c)
Сараптамалық жүйелер.
d)
Компьютерлік көру.
e)
Болжау.
5.
AI қай саласы практикалық тәжірибеден үйренуге болатын жүйелерді құруға бағытталған?
a)
Оқытуды күшейту.
b)
Машинамен оқыту.
c)
Табиғи тілді өңдеу.
d)
Генетикалық алгоритмдер.
e)
Сараптамалық жүйелер.
6.
AI қай саласы стандартты емес және толық емес деректермен жұмыс істей алатын жүйелерді құруды қамтиды?
a)
Құрылымы жоқ деректерді өңдеу.
b)
Ұсыну жүйелері.
c)
Болжау.
d)
классификациясы.
e)
Генетикалық алгоритмдер.
7.
АИ қандай бағыты мәтіндік ақпаратты талдау және интерпретациялау үшін бағдарламалық қамтамасыз етуді жасауға бағытталған?
a)
Табиғи тілді өңдеу.
b)
Генетикалық алгоритмдер.
c)
Болжау.
d)
Машинамен оқыту.
e)
классификациясы.
8.
Жасанды интеллекттің қай бағыты деректердің алуан түрімен жұмыс істей алатын жүйелерді құруға бағытталған?
a)
мультимодальды жүйелер.
b)
классификациясы.
c)
Сараптамалық жүйелер.
d)
Болжау.
e)
Табиғи тілді өңдеу.
9.
AI қай саласы бәсекелестік ортада мәселелерді шешуге қабілетті жүйелерді құрумен айналысады?
a)
Ойын агенттері жүйелері.
b)
Болжау.
c)
Компьютерлік көру.
d)
Машинамен оқыту.
e)
Генетикалық алгоритмдер.
10.
Төмендегілердің қайсысы терең оқытудың негізгі принципі болып табылады?
a)
көп қабатты нейрондық желілерді пайдалану.
b)
күшейтілген оқыту алгоритмі.
c)
шешім ағаштарын пайдалану.
d)
жіктеу үшін логикалық ережелерді қолдану.
e)
қайталанатын желілер арқылы мәтіндік деректерді өңдеу.
11.
Кескінді өңдеу үшін терең оқыту жүйелерінде қандай нейрондық желі архитектурасы қолданылады?
a)
Конволюциялық нейрондық желілер (CNN).
b)
қайталанатын нейрондық желілер (RNN).
c)
көп қабатты перцептрондар (MLP).
d)
генеративті қарсылас желілер (GAN).
e)
когнитивті нейрондық желілер.
12.
Төмендегілердің қайсысы терең нейрондық желілер арқылы жіктеу мәселелерін шешу үшін жиі қолданылады?
a)
Сигмоидты.
b)
гиперболалық тангенс.
c)
relu (relu).
d)
сызықтық функция.
e)
Софтбокс.
13.
Мәтін немесе уақыт қатарлары сияқты дәйекті деректерді өңдеу үшін нейрондық желінің қай түрі жиі қолданылады?
a)
қайталанатын нейрондық желілер (RNN).
b)
Конволюциялық нейрондық желілер (CNN).
c)
генеративті қарсылас желілер (GAN).
d)
көп қабатты перцептрондар (MLP).
e)
нейрондық желі кластерлері.
14.
Терең оқыту контекстінде "күшейту жаттығулары" дегеніміз не?
a)
агент қоршаған ортамен өзара әрекеттесу негізінде оқытылатын Алгоритм.
b)
алгоритм, онда желілер белгіленген деректерде оқытылады.
c)
нейрондық желінің салмағын оңтайландыру әдісі.
d)
шешім қабылдау үшін кездейсоқ ормандарды қолданатын Алгоритм.
e)
эволюциялық алгоритмдерге негізделген әдіс.
15.
Төмендегілердің қайсысы конволюциялық нейрондық желілердің (CNN) негізгі артықшылықтарының бірі болып табылады?
a)
суреттерден белгілерді тиімді алу мүмкіндігі.
b)
тек мәтіндік деректермен жұмыс істеу мүмкіндігі.
c)
сандық деректерді өңдеудің жоғары жылдамдығы.
d)
нейрондық желінің бір қабатын ғана пайдалану.
e)
оқыту үшін көп деректер қажет емес.
16.
Терең оқыту моделін қайта оқытудың алдын алу үшін қандай әдістер қолданылады?
a)
Регуляризация (мысалы, L2-регуляризация).
b)
желі қабаттарының санын азайту.
c)
оқу үлгісінің өлшемін азайту.
d)
оқу жылдамдығын арттыру.
e)
сызықтық модельдерді қолдану.
17.
Терең оқыту контекстінде "перцептрон" дегеніміз не?
a)
екілік жіктеу үшін қолданылатын қарапайым нейрондық желі моделі.
b)
мәтіндік деректерді өңдеу алгоритмі.
c)
суреттерден белгілерді алу әдісі.
d)
уақыт қатарларын талдауға арналған Модель.
e)
деректерді кластерлеу алгоритмі.
18.
Конволюциялық нейрондық желідегі қандай қабат кірістерден белгілерді алуға жауапты?
a)
Конволюциялық қабат.
b)
толық байланысқан қабат.
c)
белсендіру қабаты.
d)
қалыпқа келтіру қабаты.
e)
жалпылау қабаты.
19.
Терең нейрондық желілерде қай белсендіру функциясы жиі қолданылады?
a)
relu (Түзетілген сызықтық бірлік).
b)
Сигмоид.
c)
Гиперболалық тангенс (тангенс).
d)
Сызықтық белсендіру.
e)
Softmax.
20.
Нейрондық желілер контекстіндегі «кері таралу» дегеніміз не?
a)
Есептелген қатеге негізделген желі салмағын жаңарту алгоритмі.
b)
Кіріс деректерінің масштабын азайту әдісі.
c)
Қажет емес нейрондарды жою әдісі.
d)
Жасырын қабаттардың санын көбейту алгоритмі.
e)
Деректерді визуализациялауды жақсарту алгоритмі.
21.
Терең оқыту контекстінде «шамадан тыс оқыту» термині нені білдіреді?
a)
Модель жаңа деректерге жалпылау мүмкіндігін жоғалтып, жаттығу деректерінен асып кеткенде.
b)
Модель жаттығу деректеріне жеткілікті түрде сәйкес келмегенде.
c)
Деректердегі қателерге байланысты үлгіні үйрету мүмкін болмаған кезде.
d)
Модель жаңа деректерді өңдей алмаған кезде.
e)
Модель тым тез үйренгенде.
22.
Осы әдістердің қайсысы нейрондық желілерге арналған тренингтер жиынтығын арттыру тәсілі болып табылады?
a)
Деректерді көбейту.
b)
Деректерді кластерлеу.
c)
Регрессия.
d)
Логарифмдік масштабтау.
e)
Деректерді қалыпқа келтіру.
23.
Төмендегілердің қайсысы терең оқытудың негізгі кемшілігі болып табылады?
a)
Оқыту үшін үлкен көлемдегі деректердің қажеттілігі.
b)
Шағын деректердегі жоғары дәлдік.
c)
Нәтижелерді оңай түсіндіру.
d)
Жылдам оқу уақыты.
e)
Есептеу күрделілігі төмен.
24.
Төмендегі алгоритмдердің қайсысы генеративті қарсылас желілердің (GAN) түріне жатады?
a)
DCGAN.
b)
CNN.
c)
RNN.
d)
MLP.
e)
K-мағынасы.
25.
Нейрондық желіні оқыту контекстіндегі градиенттің ыдырауы дегеніміз не?
a)
Параметр жаңартулары қателерді барынша азайту бағытында болатын оңтайландыру әдісі.
b)
Нейрондардың оңтайлы санын таңдау әдісі.
c)
Мүмкіндік таңдау әдісі.
d)
Мәліметтерді өңдеу әдісі.
e)
Жіктеу дәлдігін арттыру әдісі.
26.
Машиналық оқыту контекстіндегі «кездейсоқ орман» дегеніміз не және оның терең нейрондық желілерден айырмашылығы бар ма?
a)
Бұл ансамбльдік оқыту әдісі, бірақ терең нейрондық желілерде қолданылмайды.
b)
Бұл терең оқыту жүйелеріндегі нейрондық желілерді алмастыратын әдіс.
c)
Бұл нейрондық желілерді үйретудің жылдам әдісі.
d)
Бұл терең нейрондық желілерді пайдалана отырып, регрессия есептерін шешу әдісі.
e)
Бұл тереңірек қабаттары бар нейрондық желілердің модификациясы.
27.
Нейрондық желілер контекстіндегі «softmax» дегеніміз не?
a)
Шығыстарды ықтималдыққа түрлендіретін белсендіру функциясы.
b)
Конволюциялық нейрондық желілер үшін белсендіру функциясы.
c)
Енгізілген деректерді қалыпқа келтіру әдісі.
d)
Оқытуды жылдамдату алгоритмі.
e)
Регрессияға арналған жоғалту функциясы.
28.
Бейнелердің мәтіндік сипаттамасын жасау үшін нейрондық желінің қандай моделі қолданылады?
a)
Қайталанатын нейрондық желілермен (RNN) біріктірілген конволюционды нейрондық желілер (CNN).
b)
Генеративті қарсылас желілер (GAN).
c)
Көпқабатты перцептрондар.
d)
Кездейсоқ орман алгоритмдері.
e)
Уақыт қатарларын талдау алгоритмдері.
29.
Терең нейрондық желілерді жаттықтыру кезінде конвергенцияны жақсарту үшін осы әдістердің қайсысы қолданылады?
a)
Қалыпты үлестіру арқылы салмақтарды инициализациялаңыз.
b)
Градиенттің түсуін реттеусіз пайдаланыңыз.
c)
Жасырын қабаттардың көп санын пайдалану.
d)
Жаттығу жиынының өлшемін азайтыңыз.
e)
Ең жақын көрші әдісін қолданыңыз.
30.
Терең оқыту контекстіндегі «автокодер» дегеніміз не?
a)
Деректердің өлшемділігін азайтуға арналған нейрондық желі.
b)
Белгіленген деректер бойынша нейрондық желіні оқытуға арналған жүйе.
c)
Жіктеу дәлдігін жақсарту әдісі.
d)
Мәтіндік деректерді жіктеу әдісі.
e)
Кескінді тану алгоритмі.
Reset
