NEW
Font size
S
M
L
XL
Worksheets🌲 180 — 210 СҰРАҚ
Total questions: 30
Worksheet time: 15mins
Name
Class
Date
1.
NLP жүйесіндегі BLEU көрсеткіші дегеніміз не?
a)
Машиналық аударма сапасын бағалауға арналған метрика.
b)
Мәтінді жіктеу әдісі.
c)
Кілт сөзді шығару құралы.
d)
Мәтіннің эмоционалды бояуын талдау әдісі.
e)
Мәтіндегі сөйлем мүшелерін анықтау әдісі.
2.
Төмендегі модельдердің қайсысы NLP жүйесінде реттілік талдау үшін қолданылады?
a)
Қайталанатын нейрондық желілер (RNN).
b)
Логистикалық регрессия.
c)
Векторлық машинаны қолдау.
d)
K-мағынасы.
e)
Негізгі компонент әдісі.
3.
Мәтінді өңдеуге арналған нейрондық желілер контекстіндегі назар дегеніміз не?
a)
Модельге енгізілген мәтіннің маңызды бөліктеріне назар аударуға мүмкіндік беретін механизм.
b)
Мәтіннен нысандарды шығару процесі.
c)
Жасырын қабаттардың санын көбейту әдісі.
d)
Мәліметтерді кластерлеу алгоритмі.
e)
Деректердегі шуды сүзгілеу механизмі.
4.
NLP-дегі трансформаторлар дегеніміз не?
a)
Тізбектерді өңдеу үшін назар аудару механизмдерін пайдаланатын нейрондық желі архитектурасы.
b)
Мәтінді бір тілден екінші тілге аудару алгоритмі.
c)
Мәтінді қалыпқа келтіру әдісі.
d)
Мәтіндерді жіктеу әдісі.
e)
Нысан шығару үлгісі.
5.
Сөйлемнің синтаксистік құрылымын шығару үшін төмендегі алгоритмдердің қайсысы қолданылады?
a)
Тәуелділікті талдау.
b)
Кластерлеу.
c)
Мәтіннің классификациясы.
d)
Мәтінді векторларға түрлендіру.
e)
Мәтінді сегменттеу.
6.
NLP-те биграмма дегеніміз не?
a)
Мәтіндегі тізбектелген сөздердің жұбы.
b)
Мәтінді жіктеуге арналған модель.
c)
Мәтінді аудару әдісі.
d)
Мәтінді қалыпқа келтіру процесі.
e)
Сезімдерді талдауға арналған үлгі.
7.
POS-тегтеу дегеніміз не?
a)
Мәтіндегі әрбір сөзге сөйлеу бөлшектерін тағайындау процесі.
b)
Тақырып бойынша мәтіндердің жіктелуі.
c)
Мәтінді сандық векторларға түрлендіреді.
d)
Кілт сөздерді шығарып алыңыз.
e)
Сөйлем құрылымын талдау.
8.
Табиғи тілді өңдеу контекстіндегі «Word2Vec» дегеніміз не?
a)
Сөздерді сандық векторларға түрлендіру алгоритмі.
b)
Мәтіннің сезімін талдау әдісі.
c)
Мәтіннен нысандарды шығаруға арналған құрал.
d)
Мәтінді сегменттеу әдісі.
e)
Мәтінді аудару алгоритмі.
9.
Төмендегілердің қайсысы NLP қолданбасының мысалы болып табылады?
a)
Мәтінді автоматты түрде аудару.
b)
Кескін классификациясы.
c)
Уақыт қатарын болжау.
d)
Маршрутты оңтайландыру.
e)
Медициналық бейнелердің классификациясы.
10.
Нейрондық машина аудармалары (NMT) дегеніміз не?
a)
Нейрондық желілерді қолдану арқылы мәтінді аудару әдісі.
b)
Мәтінді санаттарға бөлу әдісі.
c)
Мәтіндегі көңіл-күйді талдау әдісі.
d)
Нысандарды таңдау әдісі.
e)
Негізгі сөздерді шығару алгоритмі.
11.
Төмендегі әдістердің қайсысы мәтіннің қысқаша мазмұнын құру үшін қолданылады?
a)
Негізгі ақпаратты сақтай отырып, мәтінді қысады.
b)
Мәтінді бөліктерге бөлу.
c)
Мәтінді кестелерге түрлендіру.
d)
Мәтінді қалыпқа келтіру.
e)
Мәтінді басқа тілге аудару.
12.
Wordnet дегеніміз не?
a)
Сөздердің синонимдері мен антонимдерін қамтитын ағылшын тіліне арналған лексикалық деректер қоры.
b)
Машиналық аударма алгоритмі.
c)
Мәтіндерді жіктеу әдісі.
d)
Талдауға арналған үлгі.
e)
Кескінді тану алгоритмі.
13.
NLP-де LSTM дегеніміз не?
a)
Ұзын тізбектерді өңдеуге арналған қайталанатын нейрондық желі моделі.
b)
Мәтінді аудару әдісі.
c)
Сезімдерді талдау алгоритмі.
d)
Мәтінді кластерлеуге арналған үлгі.
e)
Мәтінді қалыпқа келтіру әдісі.
14.
Төмендегілердің қайсысы NLP жүйесіндегі кластерлік мәселенің мысалы болып табылады?
a)
Құжаттарды ұқсас тақырыптар бойынша топтаңыз.
b)
Мәтінді басқа тілге аудару.
c)
Мәтіннің көңіл-күйін талдау.
d)
Сөйлем мүшелерінің анықтамасы.
e)
Мәтіндегі субъектілердің анықтамасы.
15.
NLP-де сезімді талдау дегеніміз не?
a)
Мәтіннің эмоционалды бояуын анықтау (жағымды, жағымсыз, бейтарап).
b)
Мәтін тақырыбын анықтайды.
c)
Мәтінді бір тілден екінші тілге аудару.
d)
Мәтіннен нысандарды шығару.
e)
Синтаксистік құрылымның анықтамасы.
16.
Төмендегі модельдердің қайсысы NLP-те уақытқа тәуелділікті талдау үшін қолданылады?
a)
RNN (қайталанатын нейрондық желі).
b)
k-алгоритмді білдіреді.
c)
Векторлық машинаны қолдау.
d)
Логистикалық регрессия.
e)
Ең жақын көршілер әдісі.
17.
NLP-те сөздердің үлестірілген көріністері қандай?
a)
Мәтіндердегі сөздерді көрсету үшін тығыз векторларды пайдаланатын модельдер.
b)
Мәтінді жіктеуге арналған модельдер.
c)
Мәтінді сегменттеу әдісі.
d)
Нысан шығару алгоритмі.
e)
Синтаксистік құрылымды талдау процесі.
18.
NLP контекстіндегі қолғап дегеніміз не?
a)
Ғаламдық статистиканы пайдалана отырып, сөздерді векторлар ретінде көрсетуге арналған модель.
b)
Мәтінді классификациялау алгоритмі.
c)
Сезімдерді талдауға арналған үлгі.
d)
Мәтінді аудару әдісі.
e)
Кілт сөздерді бөлектеуге арналған құрал.
19.
Төмендегілердің қайсысы компьютерлік көру проблемасына жатады?
a)
Суреттерден немесе бейнелерден ақпаратты шығарып алу және талдау.
b)
Мәтінді өңдеу және талдау.
c)
Машинамен оқыту үлгілерін үйрету.
d)
Уақыт қатарын болжау.
e)
Дыбыстық сигналдарды өңдеу.
20.
Суреттегі объектілерді анықтау алгоритмі қандай мәселені шешеді?
a)
Суреттегі нысандарды іздеңіз және бөлектеңіз.
b)
Суреттерді санаттарға жіктеу.
c)
Кескінді сандық кескінге түрлендіреді.
d)
Суреттегі нысандарға дейінгі қашықтықты анықтайды.
e)
Кескіннің мәтіндік сипаттамасын жасаңыз.
21.
Әрі қарай талдау үшін кескіннің сапасын жақсарту процесі қалай аталады?
a)
Кескінді алдын ала өңдеу.
b)
Кескінді көрсетіңіз.
c)
Стеганография.
d)
Шуды азайту.
e)
Кескінді қысу.
22.
Суреттегі заттардың шеттерін ерекшелеу үшін қандай әдіс қолданылады?
a)
Canny алгоритмі.
b)
Векторлық машинаны қолдау.
c)
Бағдарланған градиенттердің гистограммасы.
d)
k-кластерлеу дегенді білдіреді.
e)
Фурье түрлендіруі.
23.
Компьютерлік көру контекстіндегі конволюция дегеніміз не?
a)
Кескіннен мүмкіндіктерді шығару үшін сүзгілерді қолдану процесі.
b)
Мәтіндік деректерді өңдеу әдісі.
c)
3D модельдерін құру алгоритмі.
d)
Бет-әлпетті тану техникасы.
e)
Суреттегі объектілерді классификациялау әдісі.
24.
Кескінді сегменттеу үшін қандай әдіс қолданылады?
a)
Кескінді сипаттамалары ұқсас аймақтарға бөледі.
b)
Кескінді ақ-қара түске түрлендіреді.
c)
Кескін классификациясы.
d)
Кескіннен негізгі нүктелерді шығарады.
e)
Нысандардың бағытын анықтайды.
25.
Компьютерлік көрудегі бағдарланған градиенттердің гистограммасы (HOG) дегеніміз не?
a)
Кескіндегі градиенттердің бағдарлануына негізделген мүмкіндіктерді шығару әдісі.
b)
Суреттегі объектілерді анықтау алгоритмі.
c)
Кескінді қысу әдісі.
d)
Бет-әлпетті тану техникасы.
e)
Кескіннің анықтығын жақсарту әдісі.
26.
Бет-әлпетті тану үшін қандай модель кеңінен қолданылады?
a)
Хаар алгоритмі.
b)
Ең жақын көршілер әдісі.
c)
Векторлық машинаны қолдау.
d)
K-алгоритмді білдіреді.
e)
k-ең жақын көршілер алгоритмі.
27.
Төмендегі аймақтардың қайсысы компьютерлік көрудің бөлігі болып табылады?
a)
Объектіні анықтау және тану.
b)
Мәтіндік ақпаратты өңдеу.
c)
Уақыт қатарын болжау.
d)
Дыбыстық деректердің классификациясы.
e)
Сандық деректерді өңдеу.
28.
Компьютерлік көрудегі конволюционды нейрондық желілер (CNN) технологиясы туралы қай мәлімдеме дұрыс?
a)
CNN кескіндерден мүмкіндіктерді шығару үшін тиімді пайдаланылады.
b)
CNN тек мәтіндік деректермен жұмыс істеуге арналған.
c)
CNN тек уақыттық қатарларды өңдеу үшін пайдаланылады.
d)
CNN кескіндерді жіктеу тапсырмалары үшін пайдаланылмайды.
e)
CNN тек бейне өңдеу үшін пайдаланылады.
29.
SIFT (Scale-Invariant Feature Transform) әдісі дегеніміз не?
a)
Суреттерден негізгі нүктелер мен мүмкіндіктерді шығару алгоритмі.
b)
Кескінді қысу әдісі.
c)
Кескінді сегменттеу алгоритмі.
d)
Бейнедегі қозғалатын объектілерді талдау әдісі.
e)
Үш өлшемді объектілерді қалпына келтіру алгоритмі.
30.
Кескінді екілік ету кезіндегі «шекті мән» дегеніміз не?
a)
Жарықтық мәніне байланысты кескін пикселдерін қара немесе ақ түске түрлендіретін әдіс.
b)
Кескін сапасын жақсарту әдісі.
c)
Кескін ажыратымдылығын арттыру әдісі.
d)
Кескінге шуды қосу техникасы.
e)
Суретті қысу алгоритмі.
Reset
