СИНЕРГИЯ Основы искусственного интеллекта (Темы 1-5 Итоговый тест)
МТИ МосТех МосАП МФПУ Синергия Тест оценка ОТЛИЧНО
2024 год
Ответы на 33 вопроса
Результат – 100 баллов
С вопросами вы можете ознакомиться до покупки
ВОПРОСЫ:
УЧЕБНЫЕ МАТЕРИАЛЫ
1 Введение в ML
2 Практические задания для самостоятельного выполнения 1
3 Постановка задачи ML
4 Практические задания для самостоятельного выполнения 2
5 Классические алгоритмы ML. 1 часть
6 Практические задания для самостоятельного выполнения 3
7 Классические алгоритмы ML. 2 часть
8 Практические задания для самостоятельного выполнения 4
9 Метрика качества и работа с признаками
10 Практические задания для самостоятельного выполнения 5
11 Основы NLP
12 Практические задания для самостоятельного выполнения 6
13 Векторные представления слов
14 Практические задания для самостоятельного выполнения 7
15 Рекомендательные системы. Часть 1
16 Практические задания для самостоятельного выполнения 8
17 Рекомендательные системы. Часть 2
18 Практические задания для самостоятельного выполнения 9
19 Нейронные сети
20 Практические задания для самостоятельного выполнения 10
21 Компьютерное зрение
22 Практические задания для самостоятельного выполнения 11
23 Заключение
1. Алгоритм Backpropagation:
2. Архитектура полносвязной нейронные сети основана на идее
3. В каком случае метрика accuracy будет репрезентативной
4. Все описанные в лекции алгоритмы обладают общим свойством. Каким?
5. Выберете верное утверждение:
6. Выберете верное утверждение:
7. Градиентный бустинг - это:
8. Если мы предсказываем средние затраты на обслуживание машины, то максимальная скорость разгона машины – это
9. Если мы предсказываем среднюю стоимость машины в зависимости от ее класса, то класс представляет собой
10. Задача автоматического выделения похожих новостных статей без размеченной выборки – это задача
11. Задача автоматической идентификации марки машины по ее изображению – это задача
12. Задача классификации – это задача
13. Задача понижения размерности признакового пространства – это задача
14. Задачу машинного обучения можно представить в виде последовательности выполнения действий по выбору оптимальной решающей функции f из многопараметрического семейства F. Выбор модели машинного обучения происходит на этапе:
15. Задачу машинного обучения можно представить в виде последовательности выполнения действий по выбору оптимальной решающей функции f из многопараметрического семейства F. Задача обучения сводится к задаче оптимизации на этапе:
16. Идея Momentum состоит в:
17. Лучший способ борьбы с переобучением:
18. Метод K-Means - Это:
19. Метод опорных векторов (Support Vectors Machine, SVM):
20. Метод подбора адаптированного learning rate на основе оценки исторических градиентов:
21. Наиболее популярный на текущий момент метод оптимизации, основанный на идее использования двух моментных членов, предложенный в 2015 году:
22. Недостатки k-means:
23. Обучение с учителем характеризуется
24. Отметьте верные высказывания о функциях активации:
25. Переобучение – это эффект, возникающий при
26. При прямом проходе через Feed Forward Neural Network:
27. Процедура LearnID3 состоит в:
28. Решающие деревья обладают следующими свойствами:
29. Случайный лес – это:
30. Условия Каруша-Куна-Таккера применимы для решения:
31. Функции активации в нейронных сетях:
32. Что такое машинный перевод?
33. Эмпирический риск вводится исходя из предположения, что