NEW
Font size
WorksheetsЖИ 188-238
Total questions: 50
Worksheet time: 25mins
Алгоритмдік біржақтылықты анықтаудың бір көрсеткіші қандай?
Барлық студенттерге бірдей нәтиже көрсету.
Белгілі топтар үшін жүйелі түрде нашар нәтиже көрсету.
Құжаттарды тез өңдеу.
Модельдің оқу жылдамдығы.
Интерфейстің түсі.
Цифрлық сауаттылық пен жасанды интеллект құзыреттіліктері қандай компоненттерден тұрады?
Тек деректерді жүктеу әрекеттерін орындау.
Тек бағдарламалау дағдыларын ғана меңгеру.
Тек компьютерді орнату жұмыстарын атқару.
ЖИ нәтижелерін сыни бағалау, этика және тиімді промпт жазу.
Пайдаланушы атын ғана өзгерту.
Генеративті ЖИ-ны бағалаудағы қауіптілік неде?
Контексте сай емес ақпарат беру, оқытушы бақылауы қажет.
Ол тек сурет жасайды.
Ол үнемі баяу жұмыс істейді.
Ол тек бір тілде жұмыс істейді.
Ол әрқашан дұрыс жауап береді.
ЖИ «галлюцинациясын» азайтуға көмектесетін техникалық әдісті анықтаңыз?
Көп дереккөзді тексеру және фактчекинг жүргізу.
Температураны жоғарылатып, кездейсоқтықты арттыру.
Тек бір дереккөзді пайдалануға сену.
Модельдің жұмысын толығымен тоқтату.
Пайдаланушыларға жауап бермеу.
Мұғалімнің агенттігін сақтай отырып ЖИ-ны енгізудің дұрыс стратегиясын көрсетіңіз?
ЖИ-ны студенттерге қолжетімді етпеу.
ЖИ-ны тек әкімшілік есептер үшін пайдалануға шектеу.
ЖИ мұғалім шешімін қолдайтын көмекші құрал.
Барлық бағалауды ЖИ-ға тапсыру.
ЖИ-ге барлық педагогикалық шешімдерді беру.
Алгоритмдік әділдік үшін техникалық тәсілдердің бірі?
Қосу/қайта салмақтау әдісімен теңгеру.
Деректерді ешқашан өзгертпеу.
Модельді үлкенірек ету.
Барлық деректерді өшіру.
Тек модель параметрлерін көбейту.
Disclosure таңбалауында қандай ақпарат міндетті түрде көрсетілуі тиіс?
Қолданылған сервердің IP.
Құпия коммерциялық мәліметтер.
ЖИ контенті және оның шектеулері.
Тек автордың аты.
Контенттің толық шығарылу уақыты ғана.
Techno-centrism-тің білім беруге ықпалы қандай болуы мүмкін?
Оқу мақсаттарын айқындауға көмектесу.
Студенттерді белсендіру.
Оқытушылардың шығармашылығын арттыру.
Техниканы оқытуға енгізіп, сапаны төмендету.
Оқу ресурстарын тең бөлу.
ЖИ құралдарының шешімдеріне сенер алдында не істеу керек?
Жай ғана статистиканы жасыру.
Студенттерге ешқандай кері байланыс бермеу.
Жауаптарды бағалау мен тексеру, педагогтың шешімі.
Барлық шешімдерді автоматты түрде қабылдау.
Тек интерфейске сеніп, ештеңе тексермеу.
Біржақты деректер жиынтығы болғанда сабақ бағалауында қауіптілікті қалай азайтуға болады?
Бұл мәселені назардан тыс қалдыру.
Деректермен ешқашан жұмыс істемеу.
Барлық студенттерге бірдей төмен баға қою.
Деректер жинау, әртүрлі топтарды қамту және аудиттеу.
Бағалау критерийін жою.
ЖИ-ны оқытуда цифрлық сауаттылықты оқыту неге маңызды?
Студенттер тек ЖИ-ды сенеіп пайдалануы үшін.
Студенттердің ЖИ шектеулерін түсінуі үшін.
Файлдарды сақтау тәсілін үйрету үшін.
Тек промпт жазуды үйрету үшін.
Тек ЖИ-ның орнатылуын көрсету үшін.
Ашықтықтың (disclosure) жетіспеушілігі қандай түпкі зиян келтіруі мүмкін?
Пайдаланушылардың белсенділігінің артуы.
Сенімнің төмендеуі, қате ақпараттың таралуы және этикалық дағдарыс.
Құқықтық талаптардың тез орындалуы.
Бағалаудың автоматтандырылуы.
Технологияның қарқынды дамуы.
Педагогтар ЖИ ұсыныстарын қалай пайдаланғаны дұрыс?
Студенттерге ескертусіз тікелей беру.
Ұсыныстарды ешқашан пайдаланбау.
Барлық бағалауды ЖИ-ға тапсыру.
Ұсыныстарды тексеріп, түзетіп, оқу мақсаттарына сәйкестендіру.
Тек толық автоматты түрде қолдану.
ЖИ «галлюцинациясын» диагностикалау үшін қандай индикатор қолданылады?
Пайдаланушы аты.
Дерексіздік, қайшылық.
Интерфейстің түсі.
Жауаптың ұзақтығы.
Модельдің жауап беру уақыты.
Алгоритмдік біржақтылықты азайту мақсатында ұйым қандай практиканы қолдануы тиіс?
Деректерді жасыру.
Барлық шешімдерді тек жүйеге сену.
Бағалауды тоқтату
Тек пайдаланушы пікіріне сүйену.
Аудит және әсерді бағалау.
Цифрлық ортада этикалық нормаларды оқытуда қандай әдіс тиімді?
Тек тестілеу арқылы бағалау.
Кейстер мен рөлдік ойындар арқылы.
Тек теориялық дәрістер өткізу.
Барлық тапсырмаларды автоматтандыру.
Студенттерге ешқандай тапсырма бермеу.
Disclosure таңбалауын қолдану оқытудың қай аспектісін жақсартады?
Тек техникалық сапаны.
Ақпаратты бағалау қабілеті.
Сервер жылдамдығын.
Барлық лекцияларды жоюды.
Құжаттардың орналасуын.
Егер ЖИ ұсынысы алгоритмдік біржақтылық тудырса, бірінші қадам не болуы тиіс?
Барлық деректерді жою.
Қателік жоқ деп қабылдау.
Мәселені тіркеу және түзету жоспары.
Ұсынысты автоматты түрде жариялау.
Ұсынысты дереу енгізу.
Техноцентризмнен аулақ болу үшін оқу жобаларын қалай жобалау керек?
Барлық ресурстарды технологияға инвестициялау.
Технологияны басты мақсат етіп қою.
Тек сыртқы сарапшыларға сену.
Қажеттіліктерді анықтап, технологияны енгізу.
Тек технологиялық шешімдерді сынау.
Цифрлық сауаттылықтың бағалау индикаторы қайсысы?
ЖИ нәтижелерін сыни талдау қабілеті.
Тек қанша бағдарламалық құрал қолданғаны.
Файл өлшемдері.
Экранда өткізілген уақыт.
Серверге қосылу саны.
ЖИ-ны білім беру жүйесіне енгізбес бұрын ең маңызды әкімшілік қадам қандай?
Қауіпсіздік, этика және пилот бағалау.
Тек маркетингтік презентация жүргізу.
Құралды бірден бүкіл жүйеге енгізу.
Студенттерді алдын ала хабарламай өзгерістер енгізу.
Технология өндірушіге толық сену.
Жасанды интеллекттің негізгі анықтамасы қайсысы?
Тек статистикалық талдау жасау.
Қарапайым бағдарламалық код.
Адамша ойлау және үйрену жүйелері.
Графика және анимацияларды құру технологиясы.
Тек роботтарды басқару жүйелері.
Бақыланатын оқыту (supervised learning) дегеніміз не?
Мәліметтерде тек белгілер жоқ.
Жүйе тек ережелер жиынтығын қолданады.
Кіріс-қорытынды жұбы бойынша үйренетін модель.
Тек визуализация әдістері.
Агент ортада әрекет жасап марапат жинайды.
Білім беру жүйесінде адаптивті оқыту жүйесінің негізгі мақсаты қандай?
Барлық студенттерге бірдей материал беру.
Оқытушылардың жұмыс уақытын қысқарту.
Тек видеосабақтар жинау.
Контент пен тапсырмаларды бейімдеу.
Тек бағалау нәтижелерін жариялау.
Қайсысы нейрондық желінің активизация функциясына жатады?
TF-IDF.
MSE (Mean Squared Error).
SGD.
ReLU.
PCA.
LLM (үлкен тілдік модельдер) оқу процесінде қалай пайдалы болуы мүмкін?
Тез және теңгерімді кері байланыс беру.
Студенттердің физиологиялық деректерін оқу үшін.
Тек бейнекамераны басқару.
Бағдарламалау тілін ауыстыру.
Құжаттарды шифрлау.
Қайсысы overfitting (шамадан тыс үйрену) белгісі?
Модель ешқашан үйренбейді.
Мәлімет азайғанда модель жақсарады.
Тестте жоғары, оқытуда төмен дәлдік.
Екі жағдайда да дәлдік тең.
Жаттығуда жоғары, тестте төмен дәлдік.
Төмендегі қайсысы білім беру үшін қолданылатын ұсыныс жүйесінің типі?
Тек шешім ағаштары.
Белгіленбеген кластерлеу.
Тек регрессиялық талдау.
Мазмұн негізіндегі және пайдаланушы негізіндегі ұсыныстар.
Оптикалық сәйкестендіру.
Precision (таза дәлдік) және Recall (жауаптылық) қай жерде әсіресе маңызды?
Классификацияда, әсіресе теңгерімсіз кластар кезінде.
Activation функциясын таңдағанда.
PCA орындағанда.
Data augmentation жасағанда.
Таза сандық регрессияда.
Келесі қай алгоритм кластерлеуге жатады?
Random Forest.
Naive Bayes.
Gradient Boosting.
K-means.
Logistic Regression.
Эссе бағалауда автоматтандырылған жүйе не үшін қауіпті болуы мүмкін?
Бағдарламашылар үшін қауіпті емес.
Тек грамматиканы тексерсе, бұл қауіпсіз.
Сөздік қорының кедергісі және түсініксіз критерийлер.
Барлығы қате емес.
Автоматты түрде жылдам жұмыс жасау.
Naive Bayes классификаторының негізгі болжамы қандай?
Барлық айнымалылар бір-бірімен тәуелді.
Мәліметтер векторлық болмайды.
Модель нейрондық желі болып табылады.
Айнымалылар шартты тәуелсіз деп есептеледі.
Мәліметтер тек график түрінде болады.
Қайсысы трансформер (Transformer) архитектурасының негізгі компоненті?
Batch normalization жоқ.
K-means кластерлеуі.
Self-attention механизмі
Рекурренттік цикл.
Decision stump.
Педагогикалық деректер талдауда (learning analytics) негізгі мақсат қандай?
Барлық жеке деректерді ашу.
Оқу нәтижелерін болжау және оқыту нәтижелерін жақсарту.
Тек техникалық қолдау көрсету.
Тек студенттердің жиналысын ұлғайту.
Сервер жүктемесін арттыру.
Cross-validation (көлденең тексеру) не үшін қолданылады?
Тек кластерлеу үшін.
Мәліметтерді қысқарту үшін.
Жүйені жылдамдату үшін.
Тек нейрондық желілерде ғана.
Модельдің жалпыламалану қабілетін бағалау үшін.
Қайсысы білім беру чатботының негізгі дизайн қағидасы болуы тиіс?
Тек техникалық сұрақтарға жауап беру.
Студентті бағалау кезінде ешқашан қолданбау.
Барлық жеке деректерді жариялау.
Барлық жауаптарды автоматты түрде генерациялау, адам қатысуынсыз.
Педагогикалық мақсатқа бағытталған, түсініктілік пен бақылауды сақтау.
Қайсысы модельді тұрақтандыру (regularization) әдісі емес?
Early stopping.
Data duplication without noise.
L1 және L2.
Weight decay.
Dropout.
Қайсысы білімдік деректер жиынтығында сипаттама (feature) жасаудың мысалы?
Тек PDF файлдар сақтау.
Студент сабаққа қатысу пайызЫ.
Сервердің IP адресі.
Тек сессия уақыты емес.
Студенттің аты-жөні.
Қайсысы этикалық қағидаларға қарсы келеді?
Жүйенің шешімін түсінікті ету.
Құпиялық саясатын жариялау.
Студенттердің рұқсатсыз жеке деректерді беру.
Әділдік пен тең мүмкіндік қамтамасыз ету.
Қауіпсіздік шараларын қолдану.
RNN (рекурренттік нейрондық желілер) қай түрдегі тапсырмаларда тиімді?
Көрсеткіштерді визуализациялауда.
PCA орындауда.
Тек бейне генерациясында.
Қатты кластерлеуде.
Уақыттық қатарлар мен тілдік тізбектерде.
TF-IDF тәсілі не үшін қолданылады?
Сурет өңдеуде.
Мәтіндік деректерде маңызды сөздерді анықтауда.
Мәліметтерді нормалау.
Аудио сигналдарын бөлу.
Кластер центрін табу.
Педагогтық рекомендацияда контекстті енгізу неге маңызды?
Құжаттарды сығып сақтау үшін.
Тек техникалық талаптарды орындау үшін.
Контекст қажет емес, жалпы ұсыныс жеткілікті.
Серверді тестілеу үшін.
Мазмұнды студентке дәл бейімдеу.
Gradient descent әдісінің мақсаты қандай?
Функцияны минимизациялап параметрлерді табу.
Тек бейне кодтау.
Қателерді жасыру.
Модель параметрлерін кездейсоқ өзгерту.
Мәліметтерді көшіру.
Dimensionality reduction (өлшемдік қысу) әдістерінің артықшылығы қандай?
Модельдің күрделілігін арттыру.
Шулы сипаттамаларды азайтып визуализацияны жеңілдету.
Барлық сипаттамаларды сақтау.
Деректер көлемін ұлғайту.
Мәліметтерді жою.
Knowledge tracing дегеніміз не?
Сервер журналдарын талдау.
Тек бағалауды автоматтандыру.
Студенттің білім деңгейін уақыт бойынша қадағалап, болжау.
Тек оқу материалдарын сақтау.
Тек курс силлабусын құрастыру.
Қайсысы entropy (энтропия) ұғымына қатысты?
Модельдің жылдамдығы.
Мәліметті шифрлау метрикасы.
Тек графикалық көрсеткіш.
Барлық деректер қатты құрылымдалған.
Ақпараттық теорияда кездейсоқтық пен белгісіздікті өлшейтін шама.
Embedding (сөз не бірліктің векторлық көрінісі) не үшін қажет?
Сервер оптимизациясы.
Мәліметтерді шифрлау.
Тек кестелерді сорттау.
Сандық емес деректерді санға айналдырып ұқсастық көрсету.
Файлдарды қысу.
A/B тестілеу білім беру платформасында нені өлшейді?
Модельдің салмағын.
Дизайндардың студент нәтижесіне әсерін салыстыру.
Барлығын бір уақытта жариялау.
Сұрақтар санын азайтады.
Тек жауап беру уақытын.
Қайсысы біртекті емес (heterogeneous) білім беру деректері мысалы?
Тек текстік жауаптар.
Тек сандық баға.
Тек бір CSV файлы.
Тек бір оқушы деректері.
Мәтін, бейне, логтар және тест нәтижелері.
Decision tree модельдерінің артықшылығы қандай?
Толық өлшемді регрессияға ғана жарайды.
Тек кластерлеуге жарайды.
Тек бейне деректерді өңдейді.
Жай интерпретация және ереже негізінде көрсету.
Кез келген проблемаға ең жылдам шешім береді.
