Основы машинного обучения.фип_БАК

Скачать тест — (Основы машинного обучения.фип_БАК_c0d73810.pdf)

1. Искусственные нейронные сети (ИНС) — модели машинного обучения, использующие комбинации распределенных простых операций, зависящих от обучаемых параметров, для обработки входных данных. Какого вида ИНС не существует?
2. У машинного обучения есть ряд задач. Как называется та, что направлена на предсказание значения той или иной непрерывной числовой величины для входных данных?
3. Нейросети хорошо проявляют себя не только в распознавании, но и в генерации изображений. Но кое с чем у них все-таки возникают проблемы. С чем именно?
4. Особых успехов нейросети достигли в работе с изображениями. Но что из этого нейросети не могут сделать?
5. Кто создал первую модель искусственных нейронных сетей?
6. Какой из видов машинного обучения основывается на взаимодействии обучаемой системы со средой?
7. Когда говорят о нейронных сетях и машинном обучении, часто упоминают закон Мура. В чем его суть?
8. В какие игры нейросеть еще не научилась обыгрывать человека?
9. Допустим, нам нужно рассчитать необходимые параметры для создания обшивки самолета. Какая из областей машинного обучения нам в этом пригодится?
10. Алгоритм k-средних предназначен для решения задачи:
11. Для машинного обучения подходят данные:
12. Какой фреймворк больше подходит для распределенного глубокого машинного обучения (Deep Learning)?
13. В каких типах алгоритмах машинного обучения используется размеченный набор данных?
14. Что такое переобучение?
15. Какой набор данных рекомендуется использовать для проверки качества обучения модели?
16. Что такое обучение модели машинного обучения?
17. Какие значения принимает результат анализа логистической регрессией?
18. Что является результатом прогноза логистической регрессии?
19. Какой класс отвечает за последовательность преобразований при обучении логистической ML-модели в pyspark?
20. С чем, из ниже перечисленного сравнивают линейный классификатор?
21. Что называют задачей восстановления регрессии?
22. В чём заключается задача кластеризации?
23. Что, из ниже перечисленного, относится к обучающей выборке?
24. Что называется переобучением?
25. Как называется алгоритм, который добавляет к набору G по одному признаку, каждый раз выбирая тот признак, который приводит к наибольшему уменьшению внешнего критерия?
26. Что называют обучением с подкреплением?
27. Как называется метод, который использует жадные действия большую часть времени?
28. При каком размере окна h функция чрезмерно сглаживается?
29. Какой алгоритм подсчитывает долю правил в наборах, относящих объект к каждому из классов?
30. Какая, из перечисленных ниже функций, соответствует методу опорных векторов?
31. Во время обучения машинному обучению размер мини-партии предпочтительно равен степени двойки, например 256 или 512. В чем причина этого?
32. Предположим, вы используете функцию активации X в скрытом слое в нейронной сети. При любом входе определенного нейрона вы получите -0,01. Какие из следующих функций активации может иметь X?
33. Какой из следующих методов не может напрямую классифицировать текст?