NEW
Font size
S
M
L
XL
Worksheets🌲 150 — 180 СҰРАҚ
Total questions: 30
Worksheet time: 15mins
Name
Class
Date
1.
Осы алгоритмдердің қайсысы көп класты жіктеу есептері үшін қолданылады?
a)
Логистикалық регрессия алгоритмі.
b)
k-алгоритмді білдіреді.
c)
Векторлық машинаны (SVM) қолдау.
d)
Ең кіші квадраттар әдісі.
e)
Ең жақын көршілер әдісі.
2.
Төмендегілердің қайсысы регрессия мәселесінің мысалы болып табылады?
a)
Сипаттамаларға қарап үйдің бағасын болжау.
b)
Сипаттама негізінде өнім санатын анықтау.
c)
Мәтін категориясын болжау.
d)
Жануарлардың түрлері бойынша жіктелуі.
e)
Суреттегі объектілерді тану.
3.
Машиналық оқытудағы кездейсоқ орман дегеніміз не?
a)
Бірнеше шешім ағаштарын пайдаланатын ансамбль әдісі.
b)
Деректерден мүмкіндіктерді шығару әдісі.
c)
Өлшемді азайту алгоритмі.
d)
Мәтіндік мәліметтерді өңдеу алгоритмі.
e)
Сызықтық регрессия есептерін шешу әдісі.
4.
Қолдау векторлық машинасы (SVM) дегеніміз не?
a)
Деректерді кластарға бөлетін гипержазықты табу әдісі.
b)
Оңтайлы мүмкіндіктерді іздеу алгоритмі.
c)
Деректерді кластерлеу әдісі.
d)
Сызықтық регрессия есептерін шешу алгоритмі.
e)
Нейрондық желілердің конвергенциясын жақсарту әдісі.
5.
Төмендегілердің қайсысы бақылаусыз оқу тапсырмасы болып табылады?
a)
Кластерлеу.
b)
классификациясы.
c)
Регрессия.
d)
Болжау.
e)
Оқытуды күшейту.
6.
Айқас валидация дегеніміз не?
a)
Деректерді бірнеше бөлікке бөлу арқылы үлгі өнімділігін бағалау әдісі.
b)
Үлгі гиперпараметрлерін оңтайландыру әдісі.
c)
Деректерді қалыпқа келтіру әдісі.
d)
Ерекшеліктердің маңыздылығын анықтау әдісі.
e)
Деректер өлшемділігін азайту әдісі.
7.
Импульспен градиенттің түсуі дегеніміз не?
a)
Жоғалту функциясының минимумын табуға арналған жеделдетілген оңтайландыру әдісі.
b)
Деректерді кластерлеу әдісі.
c)
Мәтіндік деректерді өңдеу әдісі.
d)
Оңтайлы нейрондық желінің архитектурасын таңдау әдісі.
e)
Нейрондық желілердегі градиентті есептеу әдісі.
8.
Төмендегі алгоритмдердің қайсысы машиналық оқыту үлгісінде артық орнатуды азайту үшін қолданылады?
a)
Регуляризация.
b)
Градиенттің төмендеуі.
c)
Ең кіші квадраттар әдісі.
d)
K-мағынасы.
e)
Кездейсоқ орман алгоритмі.
9.
Классификациялық есепте модельдің дәлдігін бағалау үшін төмендегі әдістердің қайсысы қолданылады?
a)
Шатасу матрицасы.
b)
Функцияны түрлендіру.
c)
Жетіспейтін мәндерді өңдеу.
d)
Айқас тексеру.
e)
Ансамбльдік әдістер.
10.
Төмендегілердің қайсысы бақылаусыз оқыту әдісіне жатады?
a)
Кластерлеу.
b)
Сызықтық регрессия.
c)
Логистикалық регрессия.
d)
Ең жақын көршілер әдісі.
e)
Векторлық машинаны қолдау.
11.
Негізгі құрамдас талдау (PCA) дегеніміз не?
a)
Деректер өлшемділігін азайту әдісі.
b)
Деректерді жіктеу әдісі.
c)
Мәтіндік деректерді өңдеу әдісі.
d)
Нейрондық желілерді оқыту әдісі.
e)
Деректерді кластерлеу әдісі.
12.
Төмендегілердің қайсысы регрессия әдістерінің көмегімен шешілген есептің мысалы болып табылады?
a)
Келесі күннің температурасын болжау.
b)
Пікірлерді оң немесе теріс деп жіктеу.
c)
Электрондық поштаны спам және спам емес деп жіктеу.
d)
Фотосуреті бойынша өсімдіктің түрін анықтау.
e)
Клиенттерді қызығушылықтары бойынша кластерлеу.
13.
Машиналық оқыту контекстіндегі деректерді «қалыпты ету» дегеніміз не?
a)
Үлгі өнімділігін жақсарту үшін деректерді стандартты шкалаға жеткізу процесі.
b)
Деректер көлемін ұлғайту процесі.
c)
Мәліметтердің өлшемділігін азайту процесі.
d)
Модель үшін жаңа мүмкіндіктерді жасау процесі.
e)
Ең маңызды мүмкіндіктерді таңдау процесі.
14.
Төмендегілердің қайсысы машиналық оқытуда жіктеу мәселесі болып табылады?
a)
Қараудың оң немесе теріс екенін анықтайды.
b)
Келесі айға акция бағасын болжау.
c)
Энергияны тұтынуды болжау.
d)
Автобустың келу уақытын болжау.
e)
Уақыт қатарын талдау.
15.
Градиентті түсіру әдісі дегеніміз не?
a)
Минималды табу үшін функцияның туындысын қолданатын оңтайландыру әдісі.
b)
Белгіленбеген деректерге үйрету әдісі.
c)
Мүмкіндіктер санын көбейту әдісі.
d)
Деректерді кластерлеу әдісі.
e)
Мәтіндік деректерді өңдеу әдісі.
16.
Төмендегілердің қайсысы табиғи тілді өңдеу (NLP) тапсырмасы болып табылады?
a)
Ақпаратты және семантикалық байланыстарды шығару үшін мәтінді талдау.
b)
Кескінді классификациялау үшін машиналық оқыту алгоритмдерін жасау.
c)
Сандық деректерді мәтін пішіміне түрлендіреді.
d)
Уақыт қатарлары негізінде болашақ оқиғаларды болжау.
e)
Желі беру үшін деректерді қысу.
17.
Төмендегілердің қайсысы NLP жүйесіндегі сезімді талдау тапсырмасының мысалы болып табылады?
a)
Мәтіндегі көңіл-күйді анықтау (жағымды, болымсыз, бейтарап).
b)
Сөйлемнің синтаксистік құрылымының анықтамасы.
c)
Мәтінді бір тілден екінші тілге аудару.
d)
Мәтіндердің тақырыптық категорияларға жіктелуі.
e)
Мәтіннен түйінді сөздерді шығарып алыңыз.
18.
Табиғи тілді өңдеудегі токенизация дегеніміз не?
a)
Мәтінді жеке сөздерге немесе сөз тіркестеріне бөлу процесі.
b)
Мәтіндегі көңіл-күйді талдау әдісі.
c)
Мәтінді сандық көрсетуге түрлендіреді.
d)
Сөйлемдегі сөйлем мүшелерін анықтау.
e)
Сөйлемнің синтаксистік құрылымының анықтамасы.
19.
NLP-де нені білдіреді?
a)
Сөздерді негізге немесе түбірге келтіру процесі.
b)
Мәтінді машиналық оқыту пішіміне түрлендіру.
c)
Мәтіндегі әрбір сөздің сөйлем мүшесін анықтайды.
d)
Мәтінді сандық векторға түрлендіреді.
e)
Мәтіннен нысандарды шығару процесі.
20.
Мәтіннен ақпаратты алу үшін төмендегі әдістердің қайсысы қолданылады?
a)
Атаулы нысанды тану (NER).
b)
Оқытуды күшейту.
c)
Ең жақын көршілер әдісі.
d)
k-кластерлеу алгоритмін білдіреді.
e)
Негізгі компонент әдісі.
21.
NLP-де лемматизация дегеніміз не?
a)
Сөздерді олардың лексикалық нормасына келтіру процесі.
b)
Мәтіндегі сөздердің синонимдерін табу процесі.
c)
Мәтінді басқа тілге аудару процесі.
d)
Мәтіннің эмоционалды бояуын талдау әдісі.
e)
Мәтінді жіктеу процесі.
22.
NLP контекстіндегі сөз қапшығы (садақ) дегеніміз не?
a)
Сөз ретін елемейтін, бірақ олардың жиілігін ескеретін мәтінді көрсету үлгісі.
b)
Мәтіннен нысандарды шығару алгоритмі.
c)
Мәтінді басқа тілге аудару әдісі.
d)
Мәтіндегі түйінді сөздерді ерекшелеу алгоритмі.
e)
Мәтінді сегменттеу әдісі.
23.
Төмендегі әдістердің қайсысы мәтінді сандық векторлар ретінде көрсету үшін қолданылады?
a)
Word2Vec.
b)
Логистикалық регрессия.
c)
K-әдісті білдіреді.
d)
Векторлық машинаны қолдау.
e)
k-ең жақын көршілер алгоритмі.
24.
Мәтінді машиналық аудару үшін қандай алгоритм қолданылады?
a)
Қайталанатын нейрондық желілерге (RNN) негізделген дәйекті модель.
b)
k-кластерлеу алгоритмін білдіреді.
c)
Сызықтық регрессия.
d)
Векторлық машинаны (SVM) қолдау.
e)
Логистикалық регрессия.
25.
NLP-де жасырын Марков үлгісі (HMM) дегеніміз не?
a)
Күйлердің тізбегін болжау үшін қолданылатын статистикалық модель, мысалы, сөйлеу бөліктері.
b)
Мәтіннің сезімін талдауға арналған модель.
c)
Мәтінді санаттарға жіктеуге арналған модель.
d)
Мәтінді бір тілден екінші тілге аудару үлгісі.
e)
Кілт сөзді шығару үлгісі.
26.
Төмендегілердің қайсысы NLP-те сөз бөлігін белгілеу (POS-тегтеу) тапсырмасының мысалы болып табылады?
a)
Сөйлемдегі әрбір сөздің сөйлем мүшелерін анықтайды.
b)
Мәтіннің көңіл-күйін анықтайды.
c)
Мәтінді басқа тілге аудару.
d)
Мәтінді тақырыптық категорияларға жіктеу.
e)
Атаулы нысандарды шығарып алу.
27.
Төмендегілердің қайсысы атаулы нысанды тану (NER) арқылы шығарып алуға болатын нысанның мысалы болып табылады?
a)
Адамдардың, ұйымдардың, күндердің, орындардың аттары.
b)
Сөйлемдегі сөйлем мүшелері.
c)
Мәтіндік көңіл-күй.
d)
Сандық мәндер.
e)
Мәтіннің тақырыптық категориясы.
28.
NLP-те сөздерді ендіру дегеніміз не?
a)
Сөздер бекітілген өлшемі бар тығыз векторлар ретінде ұсынылатын әдіс.
b)
Сөздер арасындағы мағыналық байланыстарды шығару алгоритмі.
c)
Мәтінді басқа тілге аудару процесі.
d)
Мәтінді жіктеу механизмі.
e)
Мәтіннен негізгі сөз тіркестерін шығару әдісі.
29.
NLP-те тіл тәуелділігін модельдеу үшін қандай алгоритм қолданылады?
a)
LSTM (ұзақ қысқа мерзімді жад).
b)
K-мағынасы.
c)
Ең жақын көршілер әдісі.
d)
Желілік нейрондық модельдер.
e)
Жасырын Марков үлгісі.
30.
Мәтінді өңдеу контекстіндегі жиілік сөздігі дегеніміз не?
a)
Мәтіндегі жиіліктері көрсетілген сөздердің тізімі.
b)
Мәтінді аудару үлгісі.
c)
Синтаксистік құрылымды талдауға арналған құрал.
d)
Сезімдерді талдау құралы.
e)
Негізгі сөздерді бөлектеу әдісі.
Reset
