Тесты СинергияАртём Хелп
Артём Help онлайнПолучить расчёт
Бесплатно оценим сроки и стоимостьОтправить задание в Telegram
Глубокое обучение.фит_БАК(1 2)

Глубокое обучение.фит_БАК(1 2)

Просмотрите все вопросы и варианты бесплатно. Правильные ответы скрыты и открываются только после получения доступа.

40 вопросов Вариант 1 Доступ 7 дней
Содержание теста

Вопросы и варианты

Без отметок и подсказок к правильным ответам

Вопрос 1

Что является основным фокусом глубокого обучения?

  1. Обработка изображений
  2. Ввод данных
  3. Перевод текста
  4. 3D моделирование
Вопрос 2

Какой из следующих является популярным фреймворком глубокого обучения?

  1. TensorFlow
  2. Microsoft Office
  3. Adobe Photoshop
  4. MySQL
Вопрос 3

Что такое нейрон в нейронной сети?

  1. Единица хранения данных
  2. Тип алгоритма
  3. Элемент обработки
  4. Инструмент шифрования
Вопрос 4

В чем основное преимущество глубокого обучения перед традиционным машинным обучением?

  1. Быстрее вычисления
  2. Способность обрабатывать неструктурированные данные
  3. Меньшие затраты
  4. Проще алгоритмы
Вопрос 5

Для чего используется обратное распространение ошибки в глубоком обучении?

  1. Предварительная обработка данных
  2. Оценка модели
  3. Обновление весов модели
  4. Шифрование данных
Вопрос 6

Какой из следующих является примером обучения с учителем?

  1. Кластеризация
  2. Обучение с подкреплением
  3. Классификация
  4. Снижение размерности
Вопрос 7

Что означает ReLU в глубоком обучении?

  1. Относительный блок
  2. Прямоугольный линейный блок
  3. Рекуррентный линейный блок
  4. Случайный логарифмический блок
Вопрос 8

Что такое переобучение в контексте машинного обучения?

  1. Недостаточная производительность на тренировочных данных
  2. Модель хорошо работает на новых данных
  3. Чрезмерная сложность модели
  4. Недостаточно тренировочных данных
Вопрос 9

Что означает аббревиатура CNN?

  1. Когнитивная нейронная сеть
  2. Свёрточная нейронная сеть
  3. Связанная нейронная сеть
  4. Композитная нейронная сеть
Вопрос 10

Что такое «функция потерь» в глубоком обучении?

  1. Функция потери данных
  2. Функция для оптимизации модели
  3. Функция для измерения ошибки
  4. Функция для уменьшения вычислений
Вопрос 11

Что такое «глубокая нейронная сеть»?

  1. Сеть с множеством слоёв
  2. Сеть для исследования глубоководья
  3. Сеть с интенсивными вычислениями
  4. Сеть с одним слоем
Вопрос 12

Что делает «дропаут» в нейронной сети?

  1. Случайно удаляет нейроны
  2. Увеличивает скорость сети
  3. Уменьшает размер сети
  4. Шифрует данные
Вопрос 13

Что такое «размер партии» в глубоком обучении?

  1. Размер входных данных
  2. Количество итераций
  3. Количество образцов, обрабатываемых за один раз
  4. Размер выходных данных
Вопрос 14

Каково основное применение «сверточных нейронных сетей»?

  1. Анализ временных рядов
  2. Распознавание изображений
  3. Распознавание голоса
  4. Хранение данных
Вопрос 15

Что такое «тонкая настройка» в глубоком обучении?

  1. Корректировка начальных параметров
  2. Повторное обучение предварительно обученной модели
  3. Уменьшение размера модели
  4. Увеличение количества слоев модели
Вопрос 16

Для чего используются «автокодировщики»?

  1. Шифрование данных
  2. Извлечение признаков
  3. Обработка в реальном времени
  4. Сжатие сети
Вопрос 17

Какова роль «функций активации» в нейронных сетях?

  1. Шифрование данных
  2. Определение выхода нейронов
  3. Сжатие данных
  4. Хранение данных
Вопрос 18

Что означает аббревиатура RNN?

  1. Случайная нейронная сеть
  2. Рекуррентная нейронная сеть
  3. Быстрая нейронная сеть
  4. Прямоугольная нейронная сеть
Вопрос 19

Что такое «перенос обучения» в глубоком обучении?

  1. Передача данных между серверами
  2. Использование модели, разработанной для одной задачи, для другой задачи
  3. Обучение в реальном времени
  4. Передача методов обучения
Вопрос 20

Для чего используется «ранняя остановка» при обучении моделей?

  1. Чтобы предотвратить переобучение
  2. Чтобы ускорить обучение
  3. Чтобы повысить точность
  4. Чтобы сократить использование данных
Вопрос 21

Что такое «семантическая сегментация» в глубоком обучении?

  1. Сегментация текста на значимые части
  2. Разделение изображений на значимые части
  3. Сегментация аудио на слоги
  4. Разделение данных на кластеры
Вопрос 22

Какое из следующих является применением глубокого обучения?

  1. Таблицы
  2. Автономные автомобили
  3. Текстовый процессор
  4. Управление базами данных
Вопрос 23

К чему приводит «переобучение»?

  1. Улучшение точности модели
  2. Плохая обобщаемость на новых данных
  3. Ускорение времени обучения
  4. Уменьшение размера модели
Вопрос 24

Что означает аббревиатура SGD в глубоком обучении?

  1. Последовательный градиентный спуск
  2. Стохастический градиентный спуск
  3. Стандартная графическая динамика
  4. Сегментированное геометрическое распределение
Вопрос 25

Для чего используется «пулинг» в сверточных нейронных сетях?

  1. Увеличение количества параметров
  2. Уменьшение пространственных размеров
  3. Шифрование данных
  4. Улучшение цветов в изображениях
Вопрос 26

Что такое «извлечение признаков» в контексте глубокого обучения?

  1. Удаление ненужных данных
  2. Выявление важных закономерностей в данных
  3. Преобразование текста в речь
  4. Сжатие изображений
Вопрос 27

Для чего используются «генеративно-состязательные сети»?

  1. Шифрование данных
  2. Создание синтетических данных
  3. Ускорение обучения сети
  4. Уменьшение ошибок сети
Вопрос 28

В чем ключевое преимущество сетей LSTM перед традиционными RNN?

  1. Меньшая вычислительная стоимость
  2. Быстрее скорость обучения
  3. Лучше справляются с зависимостями длительного характера
  4. Более эффективны в хранении данных
Вопрос 29

Что такое «обучение без учителя» в глубоком обучении?

  1. Обучение без заранее определенной целевой переменной
  2. Обучение с четко определенной целевой переменной
  3. Обучение без учителя
  4. Обучение с маркированными данными
Вопрос 30

Что означает «обобщение модели» в глубоком обучении?

  1. Модель хорошо работает на тренировочных данных
  2. Модель плохо работает на новых данных
  3. Модель хорошо работает на невиданных данных
  4. Модель упрощена для общего использования
Вопрос 31

Какова основная функция «оптимизатора» в глубоком обучении?

  1. Шифрование данных
  2. Улучшение производительности модели
  3. Хранение данных
  4. Визуализация данных
Вопрос 32

Что такое «тензор» в контексте глубокого обучения?

  1. Тип нейронной сети
  2. Единица хранения данных
  3. Многомерный массив данных
  4. Алгоритм обучения
Вопрос 33

Что делает функция ReLU в нейронной сети?

  1. Шифрует данные
  2. Преобразует отрицательные значения в ноль
  3. Рандомизирует данные
  4. Уменьшает размерность данных
Вопрос 34

Что такое «увеличение данных» в глубоком обучении?

  1. Добавление большего количества слоев в сеть
  2. Увеличение объема тренировочных данных
  3. Уменьшение размера набора данных
  4. Шифрование тренировочных данных
Вопрос 35

Что такое «свертка» в глубоком обучении?

  1. Функция для уменьшения размера данных
  2. Тип функции активации
  3. Матричная операция над изображениями
  4. Техника шифрования данных
Вопрос 36

Для чего используется «нормализация» при предварительной обработке данных?

  1. Для шифрования данных
  2. Для превращения данных в нечитаемые
  3. Для масштабирования данных в определенный диапазон
  4. Для увеличения размера данных
Вопрос 37

Что такое задача «классификации» в глубоком обучении?

  1. Разделение данных на разные категории
  2. Предсказание непрерывной величины
  3. Шифрование данных
  4. Сжатие данных
Вопрос 38

Что такое «перенос обучения»?

  1. Изучение нового языка
  2. Использование модели, обученной на одной задаче, для другой задачи
  3. Передача данных с одного сервера на другой
  4. Обучение по учебникам
Вопрос 39

Что делает функция softmax в нейронной сети?

  1. Шифрует данные
  2. Уменьшает размер модели
  3. Преобразует логиты в вероятности
  4. Увеличивает размерность данных
Вопрос 40

Что такое «гиперпараметр» в глубоком обучении?

  1. Параметр, устанавливаемый до тренировки
  2. Параметр, изучаемый во время тренировки
  3. Тип нейронной сети
  4. Ключ шифрования данных