Описание
Содержание
1. Что такое искусственный интеллект?
- Область информатики, обучающая машины выполнять задачи, требующие человеческого интеллекта
- Роботы, которые движутся самостоятельно
- Программы для обработки изображений
- Компьютерные игры
2. Какая из этих задач относится к области машинного обучения?
- Обработка естественного языка
- Обнаружение объектов на изображениях
- Обучение модели предсказывать выходные данные на основе входных
- Все вышеперечисленное
3. Что такое обучение с учителем?
- Обучение без использования данных
- Обучение модели на размеченных данных
- Обучение, при котором модель получает входные данные и соответствующие им метки
- Обучение, при котором модель сама ищет структуру данных
4. Как называется алгоритм, использующий минимизацию функции потерь?
- Кластеризация
- Регрессия
- Обратное распространение ошибки (backpropagation)
- Градиентный спуск
5. Что из перечисленного является примером классификационной задачи?
- Предсказание цены недвижимости
- Определение спама в электронной почте
- Определение, является ли изображение кошкой или собакой
- Группировка клиентов по сегментам
6. Что такое нейронная сеть?
- Модель, вдохновленная работой биологических нейронов в мозге
- Модель, предназначенная для поиска оптимальных решений
- Программное обеспечение для обработки изображений
- Компьютерная модель, состоящая из связанных между собой узлов, имитирующих работу нейронов
7. Для чего используется метод опорных векторов (SVM)?
- Обучение генеративных моделей
- Обнаружение аномалий
- Классификация и регрессия
- Классификация гиперплоскостью
8. Что такое переобучение (overfitting)?
- Когда модель недообучается и не способна распознавать новые данные
- Когда модель слишком простая
- Когда модель слишком хорошо подгоняется под обучающие данные и плохо работает на новых
- Когда модель обучается на слишком малых данных
9. Что такое кросс-валидация?
- Метод обучения модели на полном наборе данных
- Метод, при котором данные разбиваются на части для оценки модели
- Процесс поиска гиперпараметров модели
- Метод оценки качества модели через разделение данных на обучающие и тестовые части
10. Что отличает глубокое обучение от классического машинного обучения?
- Использование более простых моделей
- Обработка данных с помощью нескольких слоев нейронных сетей
- Использование только табличных данных
- Наличие глубоких нейронных сетей с большим количеством слоев
11. Что понимается под задачей генеративных моделей?
- Обучение модели распознавать образы
- Обозначение классификационных границ
- Генерация новых данных, похожих на обучающие
- Создание новых образцов данных на основе изученной распределения
12. Какая функция активации обычно используется в скрытых слоях нейронных сетей?
- Логистическая (сигмоида)
- ReLU
- Тангенс гиперболический
- Все вышеперечисленное
13. Что такое обучение с подкреплением?
- Обучение модели на размеченных данных
- Обучение через взаимодействие с окружающей средой на основе награды
- Обучение с помощью регрессии
- Обучение через проби и ошибки с получением награды за правильные действия
14. Что такое гиперпараметр в модели машинного обучения?
- Параметр, который обучается во время тренировки
- Параметр, определяющий структуру модели, настраиваемый вне процесса обучения
- Параметр, характеризующий качество модели
- Параметр, задаваемый до обучения и влияющий на процесс обучения
15. Какие из методов являются методами ансамблевого обучения?
- Бэггинг и бустинг
- Случайный лес
- Стэкинг
- Все вышеперечисленное
16. Что такое алгоритм градиентного подъема?
- Метод оптимизации, использующий градиент для поиска минимума функции
- Алгоритм классификации
- Алгоритм поиска максимума функции
- Метод итеративного обновления параметров для минимизации функции потерь
17. Какие задачи решаются с помощью кластеризации?
- Обучение с учителем
- Обработка естественного языка
- Объединение данных в группы по сходству без меток
- Группировка объектов по признакам
18. Что такое генеративные состязательные сети (GANs)?
- Модель для классификации изображений
- Модель для генерации реальных данных
- Модель для обработки текста
- Две конкурирующие нейронные сети, одна генеративная, другая дискриминативная
19. Какая задача относится к области распознавания образов?
- Классификация изображений по категориям
- Обнаружение аномалий
- Обработка последовательностей
- Все выше перечисленные
20. Что такое сверточные нейронные сети (CNN)?
- Модель, использующая свертки для обработки изображений
- Модель для работы с последовательными данными
- Обучающаяся модель классификации текста
- Нейронная сеть, предназначенная особенно для работы с изображениями и сигналами
21. Что из перечисленного является методом уменьшения размерности данных?
- t-SNE
- Principal Component Analysis (PCA)
- Autoencoders
- Все вышеперечисленное
22. Какие признаки характеризуют обучение с подкреплением?
- Использование разметки данных
- Обучение на основе награды и наказания
- Обучение без взаимодействия с окружающей средой
- Обучение через взаимодействие агента с окружением и получение вознаграждений
23. Что такое bias-variance tradeoff?
- Баланс между переобучением и недообучением модели
- Баланс между скоростью обучения и точностью
- Баланс между количеством признаков и данными
- Баланс между ошибками смещения и дисперсии
24. Что означает термин «экспланатор» в контексте искусственного интеллекта?
- Объект, который испытывает эксплорацию и эксплуатирует информацию
- Объект, планирующий действия для достижения цели
- Модель, которая ищет оптимальное решение посредством поиска
- Наиболее подходящий ответ: планировщик действий, использующий информацию об окружающей среде
25. Какие критерии используются для оценки качества модели?
- Точность (accuracy)
- Помехоустойчивость
- Обобщающая способность
- Все вышеперечисленное