СИНЕРГИЯ Основы искусственного интеллекта Тест 100 баллов 2024 год

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 (SupportVectorsMachine, SVM):

20. Метод подбора адаптированного learningrate 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 FeedForwardNeuralNetwork:

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