Основы искусственного интеллекта.ои(sa) ( 38 ответов на тест Синергия / МОИ / МТИ / МосАП )

Основы искусственного интеллекта.ои(sa) ( 38 ответов на тест Синергия / МОИ / МТИ / МосАП )

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

Алгоритм Backpropagation:
Архитектура полносвязной нейронные сети основана на идее
В каком случае метрика accuracy будет репрезентативной
Все описанные в лекции алгоритмы обладают общим свойством. Каким?
Выберете верное утверждение:
Выберете верное утверждение:
Градиентные методы оптимизации
Градиентный бустинг - это:
Если мы предсказываем средние затраты на обслуживание машины, то максимальная скорость разгона машины – это
Если мы предсказываем среднюю стоимость машины в зависимости от ее класса, то класс представляет собой
Задача автоматического выделения похожих новостных статей без размеченной выборки – это задача
Задача автоматической идентификации марки машины по ее изображению – это задача
Задача классификации – это задача
Задача понижения размерности признакового пространства – это задача
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:
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:
Идея Momentum состоит в:
Лучший способ борьбы с переобучением:
Метод опорных векторов (Support Vectors Machine, SVM):
Метод подбора адаптированного learning rate на основе оценки исторических градиентов:
Метод K-Means - Это :
Наиболее популярный на текущий момент метод оптимизации, основанный на идее использования двух моментных членов, предложенный в 2015 году:
Начальная инициализация весов нейросети:
Недостатки k-means:
Нейронные сети бывают следующих видов:
Нейронные сети, наиболее часто применяющиеся в CV – это
Обучение нейронной сети – это применение алгоритма оптимизации для решения задачи
Обучение с учителем характеризуется
Отметьте верные высказывания о функциях активации:
Переобучение – это эффект, возникающий при
При прямом проходе через Feed Forward Neural Network:
Производная сигмоиды выражается через саму сигмоиду аналитически, как
Процедура LearnID3 состоит в:
Решающие деревья обладают следующими свойствами:
Случайный лес – это:
Условия Каруша-Куна-Таккера применимы для решения:
Функции активации в нейронных сетях:
Эмпирический риск вводится исходя из предположения, что