Машинное обучение и рекомендательные системы.ти

Скачать тест — (Машинное обучение и рекомендательные системы.ти_ccca6582.pdf)

1. Какая из перечисленных задач относится к задачам машинного обучения с учителем?
2. Какой алгоритм относится к метрическим классификаторам?
3. Какая метрика расстояния вычисляет сумму абсолютных разностей координат между двумя точками?
4. Какой алгоритм кластеризации требует предварительного задания количества кластеров?
5. Какой из перечисленных алгоритмов кластеризации лучше всего подходит для обнаружения кластеров произвольной формы?
6. Какой критерий используется для выбора лучшего признака при построении деревьев решений в алгоритме ID3?
7. Какой критерий используется для выбора лучшего признака при построении деревьев решений в алгоритме CART?
8. Что такое «Kernel Trick» в контексте метода опорных векторов (SVM)?
9. Что такое переобучение (overtraining)?
10. Что показывает ROC-кривая?
11. Что такое AUC (Area Under the Curve)?
12. Какое из утверждений верно относительно лесов решающих деревьев (Random Forest)?
13. Что такое опорные векторы в методе опорных векторов (SVM)?
14. Какая из перечисленных метрик наиболее чувствительна к несбалансированности классов?
15. Какой из алгоритмов кластеризации на основе плотности требует указания минимального количества точек в окрестности для определения “основной” точки?
16. Какой из перечисленных алгоритмов чаще всего используется для уменьшения размерности данных?
17. Что такое “энтропия” в контексте деревьев решений?
18. Какой из следующих алгоритмов классификации наиболее подвержен влиянию выбросов?
19. Что характеризует «зазор» (margin) в методе опорных векторов (SVM)?
20. Какая из следующих характеристик является преимуществом использования ансамблевых методов (например, Random Forest)?
21. Какая функция активации чаще всего используется в выходном слое логистической регрессии?
22. Какой метод оптимизации используется для обучения логистической регрессии и нейронных сетей?
23. Что такое “обратное распространение ошибки” (backpropagation)?
24. Какая операция используется в сверточных нейронных сетях (CNN) для обнаружения локальных признаков в изображениях?
25. Какова цель операции пулинга в CNN?
26. Какой тип регрессии используется, когда зависимость между переменными не является линейной?
27. Что такое смещение (bias) в контексте машинного обучения?
28. Что такое дисперсия (variance) в контексте машинного обучения?
29. Какова основная цель регуляризации в машинном обучении?
30. Какой метод объединяет прогнозы нескольких базовых моделей для получения более точного и устойчивого результата?
31. Какой из следующих ансамблевых методов обучает базовые модели последовательно, где каждая последующая модель фокусируется на исправлении ошибок предыдущих?
32. Какой алгоритм стохастического поиска имитирует процесс отжига металла?
33. Какой алгоритм стохастического поиска использует принципы естественного отбора?
34. Что такое “функция активации” в нейронной сети?
35. Что такое “скорость обучения” (learning rate) в градиентном спуске?
36. Какая из следующих функций активации помогает решить проблему “исчезающего градиента”?
37. Какой метод помогает уменьшить дисперсию модели, обучая несколько моделей на разных подвыборках данных?
38. В каком из следующих алгоритмов каждая модель в ансамбле получает вес в зависимости от её производительности?
39. Какой алгоритм стохастического поиска может принимать ухудшающие решения с определенной вероятностью, чтобы избежать застревания в локальных минимумах?
40. Какой из методов не относится к коллаборативной фильтрации?
41. В каком типе коллаборативной фильтрации рекомендации формируются на основе предпочтений похожих пользователей?
42. Какая мера обычно используется для вычисления сходства между пользователями в user-based CF?
43. Какой тип матрицы часто используется для представления взаимодействий пользователей с объектами в рекомендательных системах?
44. В каком алгоритме используется FP-дерево для поиска частых наборов объектов?
45. Какая мера определяет, как часто набор объектов X и Y встречается вместе в транзакциях?
46. Какая мера определяет, насколько вероятно, что правило X -> Y является верным?
47. Какая мера определяет, насколько связь между X и Y сильнее, чем если бы они были независимы?
48. Какой из алгоритмов предназначен для поиска ассоциативных правил?
49. Какое из понятий означает минимальный набор правил, из которого можно вывести все остальные правила с использованием логических операций?
50. Что такое “холодный старт” в контексте рекомендательных систем?
51. Какая мера характеризует, насколько правило сохраняется при небольших изменениях в данных?
52. Какой из подходов к коллаборативной фильтрации лучше подходит для ситуации, когда количество объектов значительно меньше, чем количество пользователей?
53. Какое из следующих утверждений верно относительно FP-дерева?
54. Что такое “замкнутое множество” (closed itemset)?
55. В какой из рекомендательных систем используются знания о характеристиках самих объектов (например, жанр фильма, описание товара)?
56. Что такое “лифт” (Lift) равный 1?
57. Какая из мер интересности наиболее чувствительна к большим наборам данных?
58. Что из перечисленного является преимуществом коллаборативной фильтрации по сравнению с контентно-ориентированными системами?
59. Какой метод используется для выявления латентных факторов путем разложения матрицы оценок?
60. Какой алгоритм матричной факторизации учитывает как явные оценки, так и неявные взаимодействия?
61. Какой алгоритм матричной факторизации учитывает временную динамику предпочтений пользователей и популярности объектов?
62. Какой метод оптимизации используется для минимизации ошибки между предсказанными и фактическими оценками в матричной факторизации и обновляет параметры на каждой итерации на основе случайно выбранного образца данных?
63. Какой метод оптимизации для матричной факторизации итеративно обновляет латентные факторы пользователей и объектов, фиксируя одну группу факторов и оптимизируя другую?
64. Какой метод обобщает линейные модели и модели матричной факторизации и позволяет учитывать взаимодействия между признаками высокой размерности?
65. Для чего может использоваться поиск минимального разреза в рекомендательных системах?
66. Какой подход к рекламе показывает рекламные объявления пользователям на основе тематики просматриваемой ими веб-страницы?
67. Какой метод используется для сравнения двух версий веб-страницы или приложения с целью определения, какая из них лучше работает?
68. Что означает встраивание дополнительной информации в модели рекомендательных систем?
69. Какой метод объединяет прогнозы нескольких рекомендательных алгоритмов для повышения точности и устойчивости системы?
70. В чем преимущество использования глубокого обучения для рекомендательных систем?
71. Какое утверждение верно относительно PureSVD?
72. В каком из перечисленных случаев особенно полезны факторизационные машины?
73. Какой метод позволяет учитывать контекст пользователя (время, местоположение) при формировании рекомендаций?
74. Что из перечисленного не является методом оценки качества рекомендательных систем?
75. Что является преимуществом использования ансамблей рекомендательных алгоритмов?
76. Что подразумевается под латентными факторами в моделях матричной факторизации?