Университет «Синергия» Основы искусственного интеллекта (Темы 1-5 Итоговый тест)

Университет «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.