wayground logo

Free Printable Worksheets

NEW

Font size

S
M
L
XL
Worksheets

Жасанды Интеллект (ЖИ) Тесті: 4-бөлім (91-120 сұрақтар)

Total questions: 30

Worksheet time: 15mins

Name
Class
Date
1.

Chain-of-Thought prompting не береді?

a)

Жауапты қысқартады ғана

b)

Кодты ғана жақсартады

c)

Логикалық ойлауды жақсартады

d)

Мәтінді аударма жасауға көмектеседі

e)

Сурет генерациялайды

2.

Retrieval-Augmented Generation (RAG) не істейді?

a)

Видео кадрларды талдайды

b)

Тек ішкі білімін ғана пайдаланады

c)

Суреттерді іздеп генерациялайды

d)

Сыртқы білімді пайдаланып жауап береді

e)

Дыбыстық файлдарды өңдейді

3.

Hallucination дегеніміз не?

a)

Модельдің жылдам жауап беруі

b)

Модельдің дұрыс жауап беруі

c)

Модельдің сурет генерациялауы

d)

Модельдің өтірік немесе қате ақпарат беруі

e)

Модельдің энергияны үнемдеуі

4.

Token дегеніміз не?

a)

Пайдаланушының идентификаторы

b)

Мәтіннің ең кіші бөлшегі (сөз немесе бөлшек)

c)

Модельдің параметрінің саны

d)

Сервердің IP мекенжайы

e)

Графикалық интерфейс элементі

5.

Context window дегеніміз не?

a)

Модельдің параметрлер саны

b)

Модельдің энергия шығыны

c)

Модельдің интерфейсі

d)

Модельдің жылдамдығы

e)

Модель есте сақтай алатын мәтін көлемі

6.

GPT-4-тің контекст терезесі қанша token?

a)

8 192 token дейін жетеді

b)

2 048 token дейін жетеді

c)

32 000 token дейін жетеді

d)

128 000 token дейін жетеді

e)

4 096 token дейін жетеді

7.

Fine-tuning дегеніміз не?

a)

Модельді нөлден үйрету процесі

b)

Модельді қазақшаға аудару

c)

Модельді толық оқу процесі

d)

Модельді жылдамдату процесі

e)

Модельді нақты тапсырмаға бейімдеу

8.

LoRA дегеніміз не?

a)

Модельді өшіру әдісі

b)

Жаңа модель құрастыру әдісі

c)

Модельді толық қайта үйрету

d)

Параметрлердің аз бөлігін ғана өзгерту әдісі

e)

Модельді бутқа көшіру әдісі

9.

Қазақ тіліндегі ең танымал LLM қайсы?

a)

GermanLM немесе ItalianLM

b)

SpanishGPT немесе FrenchGPT

c)

EnglishGPT немесе RussianGPT

d)

QazLM немесе KazakhGPT жобалары

e)

ChineseLM немесе ArabicLM

10.

LLM-ді қолданудың этикалық мәселесі қандай?

a)

Тек интерфейс дизайны мәселесі

b)

Тек энергия шығыны мәселесі

c)

Өтірік ақпарат тарату және авторлық құқық

d)

Тек жылдамдық және тиімділік мәселесі

e)

Тек сервер орналасуы мәселесі

11.

Суреттерді танудың негізгі мақсаты не?

a)

Сандық файлды құрылымдық түрге көшіру жолын пайдалану

b)

Кескін мазмұнын автоматты тану әдісін қолдану

c)

Дерек мәліметін автоматты өңдеу тәсілін пайдалану

d)

Баян мәтінін алгоритмдік талдау жүйесін қолдану

e)

Мәтін блокты когнитивтік өңдеу үлгісін қолдану

12.

Нысандарды анықтау дегеніміз не?

a)

Файл құрылымын қадамдық форматқа жіктеу

b)

Деректерді уақытша кесте бойынша бөлу тәсілі

c)

Дыбыс файлын сандық түрге түрлендіру әдісі

d)

Мәтін үзіндісін логикалық топқа орналастыру

e)

Кескінде объект орнын автоматты табу тәсілі

13.

Суреттерді жіктеу мақсаты қандай?

a)

Мәтін бөлігін синтаксистік тұрғыда бөлу

b)

Дыбысты эмоция бағытымен саралау

c)

Сандық ақпаратты жылдам жою тәсілін қолдану

d)

Кескіндегі белгілі санат бойынша топқа бөлу

e)

Мәліметті кездейсоқ реттік блокқа бөлу

14.

Компьютерлік көру дегеніміз не?

a)

Мәліметті кестелік құрылымға аудару әдісі

b)

Машиналарға визуалды ақпаратты түсіндіру саласы

c)

Жүйелерге мәтін тілін синтездеу

15.

TensorFlow не істей алады?

a)

Дыбысты сандық спектрге бөлу механизмін қолдану

b)

Мәтінді құрылымдық грамматикаға бөлу

c)

Файл құрылымын блоктық түрге бөлу

d)

Кесте мәндерін индекстік ретпен бөлу

e)

Кескінді тануға арналған үлгілерді үйрету

16.

Teachable Machine қандай құрал ретінде қолданылады?

a)

Дыбысты жиілік бойынша саралау жүйесін қолдану

b)

Машиналық оқытуды визуалды ортада құру құралы

c)

Мәтінді синтаксистік талдау қызметін атқару

d)

Файлдарды каталогтық құрылымға бөлу жүйесі

e)

Кесте мәндерін уақыттық блокқа бөлу тәсілі

17.

Teachable Machine сурет моделі не істей алады?

a)

Мәтінді логикалық блок бойынша бөледі

b)

Суреттерді санат бойынша автоматты жіктейді

c)

Дыбыс дерегін диапазонға ажыратады

d)

Кесте мәндерін ретпен құрылымдайды

e)

Файлдарды блоктық жүйеге бөледі

18.

Объектілерді тануда деректердің жеткілікті болуы неге маңызды?

a)

Дыбысты нақты жиілікке қою мүмкіндігі үшін

b)

Мәтінді мағыналық бөлуге мүмкіндік беру үшін

c)

Кесте құрылымын дұрыс реттеу үшін

d)

Модельдің дәлдігі мен тұрақтылығын арттыру үшін

e)

Файл блоктарын дұрыс бөлу үшін қажет

19.

Teachable Machine интерфейсінің артықшылығы қандай?

a)

Тек кесте құрылымын топтастырады

b)

Тек мәтін өңдеуге арналған құрал береді

c)

Дыбысты тек жиілікке бөлуге жарайды

d)

Файл құрылымының индексіне қолайлы

e)

Код жазбай үлгі құруға мүмкіндік береді

20.

Нысандарды тану үшін не маңызды?

a)

Мәтін жолдарын грамматикаға бөлу

b)

Дыбыстың спектрлік бөлігін алу

c)

Әртүрлі ракурстан сапалы деректер жинау

d)

Файл каталогын дұрыс бөлу

e)

Кесте мәнін реттеу тәсілі

21.

Teachable Machine қандай дерек түрлерімен жұмыс істей алады?

a)

Тек кестелік мәндерге бөлуге арналған

b)

Тек мәтінмен және синтаксиспен айналысады

c)

Тек дыбысты жиілікке бөлуге арналған

d)

Суретпен, дыбыспен және қозғалыспен жұмыс істей алады

e)

Тек файл құрылымын реттеуге жарайды

22.

Teachable Machine нәтижесін қалай көруге болады?

a)

Файл тәртібін кестеде көру

b)

Мәтін құрылымын синтаксистік талдау

c)

Дыбыстық спектрде визуалдау

d)

Каталог мәндерін реттеу

e)

Үлгі болжамын онлайн тест арқылы көру

23.

Teachable Machine үлгісін қолдануға болатын орын?

a)

Тек кесте редакторларында қолдану

b)

Тек мәтіндік редакторларда қолдану

c)

Тек дыбыс жүйелерінде пайдалану

d)

Веб-сайттарда, қосымшаларда және жобаларда

e)

Тек файл құрылымдарын реттеу

24.

NLP дегеніміз не?

a)

Сандық деректі құрылымға бөлу әдісі

b)

Табиғи тілді автоматты өңдеу технологиясы

c)

Файлдарды блоктық реттеу тәсілі

d)

Дыбыстық жиілік арқылы талдау жүйесі

e)

Кестені индекспен топтау әдісі

25.

NLP қолдану мақсаты қандай?

a)

Кестелік мәндерді топтап бөлу әдісі

b)

Сандық белгіленген блокты өңдеу

c)

Файл құрылымын жүйелік реттеу жолы

d)

Дыбыс спектрін диапазонға бөлу тәсілі

e)

Мәтінді мағыналық тұрғыда автоматты талдау

26.

Мәтіндік деректерді алдын ала өңдеу не үшін қажет?

a)

Сандық форматты блоктау үшін

b)

Дыбыстық сигналды нақтылау үшін қолдану

c)

Файл атауларын каталогқа бөлу үшін

d)

Модельге дұрыс кіріс беру үшін мәтінді дайындау

e)

Кестелік мәндерді реттеу үшін

27.

Tokenization дегеніміз не?

a)

Файл құрылымын блокқа жіктеу

b)

Кесте мәндерін индекспен бөлу

c)

Сандық деректі битке бөлу

d)

Дыбысты жиілік деңгейіне түрлендіру

e)

Мәтінді бөлек сөздерге немесе бірліктерге бөлу

28.

NLP модельдерін оқыту не үшін жүргізіледі?

a)

Сандық форматты бөлу үшін

b)

Мәтінді автоматты түсіну сапасын жақсарту үшін

c)

Файл құрылымын реттеу үшін

d)

Дыбысты спектрге бөлу дәлдігін өсіру үшін

e)

Кесте мәндерін өңдеу үшін

29.

Named Entity Recognition (NER) не істейді?

a)

Сандық деректі жүйелейді

b)

Кесте мәндерін блокқа бөледі

c)

Дыбыс спектрін жіктейді және бөледі

d)

Мәтіндегі атаулы нысандарды анықтайды

e)

Файл құрылымын ретке келтіреді

30.

NLP-де машиналық оқыту не үшін қажет?

a)

Сандық деректі блоктау үшін

b)

Дыбыс диапазонын автоматты бөлу үшін

c)

Файл құрылымын реттеу үшін

d)

Мәтін үлгілерінен заңдылықтарды анықтау үшін

e)

Кесте мәндерін бөлу үшін

Similar Resources on Wayground

Бұлтты технологиялар 1-25

25 questions

Бұлтты технологиялар 1-25

quiz

Worksheet

•

University

Инфо-7

25 questions

Инфо-7

quiz

Worksheet

•

University

3- класс повторение

25 questions

3- класс повторение

quiz

Worksheet

•

3rd Grade - University

6-кл каз

32 questions

6-кл каз

quiz

Worksheet

•

6th Grade - University

Сессия Алгоритм 1-32 сұрақтар

32 questions

Сессия Алгоритм 1-32 сұрақтар

quiz

Worksheet

•

University

Органическая химия 151 - 181

31 questions

Органическая химия 151 - 181

quiz

Worksheet

•

University

SQL және деректер типтері

25 questions

SQL және деректер типтері

quiz

Worksheet

•

University

126-150 VS

25 questions

126-150 VS

quiz

Worksheet

•

University