Тесты СинергияАртём Хелп
Артём Help онлайнПолучить расчёт
Бесплатно оценим сроки и стоимостьОтправить задание в Telegram
Глубокое обучение.фит_дМАГ

Глубокое обучение.фит_дМАГ

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

80 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
Вопрос 41

Что такое «Gated Recurrent Unit (GRU)» в глубоком обучении?

  1. Тип оптимизатора
  2. Техника увеличения данных
  3. Тип рекуррентной нейронной сети
  4. Метод извлечения признаков
Вопрос 42

В чем основное отличие между «глубоким обучением» и «машинным обучением»?

  1. Глубокое обучение требует больше данных
  2. Машинное обучение быстрее
  3. Глубокое обучение использует меньшие модели
  4. Машинное обучение не может обрабатывать изображения
Вопрос 43

Что делает «уменьшение размерности» в глубоком обучении?

  1. Увеличивает размер модели
  2. Уменьшает количество признаков в данных
  3. Улучшает разрешение изображений
  4. Шифрует данные
Вопрос 44

Что такое «встраивание слов» в глубоком обучении?

  1. Перевод слов на другой язык
  2. Представление слов в виде векторов
  3. Шифрование текстовых данных
  4. Уменьшение размера текста
Вопрос 45

Для чего используются «сети глубоких убеждений»?

  1. Обработка в реальном времени
  2. Обучение без учителя
  3. Шифрование данных
  4. Сжатие данных
Вопрос 46

Что такое «адверсарное обучение» в глубоком обучении?

  1. Обучение с зашифрованными данными
  2. Обучение с использованием конкурирующих алгоритмов
  3. Обучение с зашумленными данными
  4. Обучение двух моделей друг против друга
Вопрос 47

В чем основное преимущество использования функции «ReLU» вместо «сигмоидных» функций?

  1. Быстрее вычисления
  2. Лучше справляется с обработкой изображений
  3. Более безопасно
  4. Меньший размер модели
Вопрос 48

Какова основная цель «глубокого обучения с подкреплением»?

  1. Шифрование данных
  2. Принятие решений в неопределенных условиях
  3. Сжатие данных
  4. Улучшение перевода текста
Вопрос 49

Что означает «обучение от начала до конца» в глубоком обучении?

  1. Обучение от начала до конца набора данных
  2. Обучение задачам без вмешательства человека
  3. Использование одной интегрированной модели для задачи
  4. Последовательное обучение нескольким задачам
Вопрос 50

Что такое «нормализация признаков» в глубоком обучении?

  1. Шифрование признаков
  2. Масштабирование признаков к определенному диапазону
  3. Уменьшение количества признаков
  4. Увеличение размера признаков
Вопрос 51

Что такое «ансамблевое обучение» в глубоком обучении?

  1. Обучение одной модели за раз
  2. Комбинирование нескольких моделей для улучшения производительности
  3. Метод шифрования данных
  4. Тип обучения без учителя
Вопрос 52

Какую роль играет «дропаут» в модели глубокого обучения?

  1. Шифрует данные
  2. Увеличивает точность модели
  3. Предотвращает переобучение
  4. Уменьшает время обучения
Вопрос 53

Что такое «обратное распространение ошибки» в глубоком обучении?

  1. Тип нейронной сети
  2. Метод предварительной обработки данных
  3. Техника обновления весов модели
  4. Метод шифрования данных
Вопрос 54

Для чего используется «функция потерь» в глубоком обучении?

  1. Шифрование данных
  2. Измерение эффективности работы модели
  3. Визуализация предсказаний модели
  4. Уменьшение размера модели
Вопрос 55

Что включает в себя «тонкая настройка» модели глубокого обучения?

  1. Шифрование модели
  2. Незначительные корректировки предварительно обученной модели
  3. Полное перепроектирование модели
  4. Обучение модели с нуля
Вопрос 56

Для чего используется «нормализация пакетов» в глубоком обучении?

  1. Шифрование пакетов данных
  2. Улучшение стабильности и производительности модели
  3. Уменьшение размера пакета
  4. Увеличение размера пакета
Вопрос 57

Что такое «эпоха» в обучении глубокого обучения?

  1. Тип модели
  2. Одна итерация по всему набору данных
  3. Метод шифрования данных
  4. Техника извлечения признаков
Вопрос 58

Для чего в основном используются «сверточные слои» в глубоком обучении?

  1. Шифрование данных
  2. Извлечение признаков из изображений
  3. Обработка текста
  4. Распознавание голоса
Вопрос 59

Для чего используется «функция активации» в глубоком обучении?

  1. Шифрование данных
  2. Внесение нелинейности в модель
  3. Сжатие данных
  4. Визуализация данных
Вопрос 60

Для чего обычно используется «перенос обучения» в глубоком обучении?

  1. Передача данных между серверами
  2. Применение знаний из одной области в другой
  3. Шифрование данных модели
  4. Ускорение обработки данных
Вопрос 61

Что такое «обучение без учителя с предварительной подготовкой» в глубоком обучении?

  1. Обучение модели без меток
  2. Предварительное обучение с зашифрованными данными
  3. Обучение с преподавателем
  4. Использование предварительно маркированных данных
Вопрос 62

Для чего обычно используется «увеличение данных» в глубоком обучении?

  1. Для шифрования данных
  2. Для уменьшения размера модели
  3. Для увеличения разнообразия тренировочных данных
  4. Для ускорения обучения модели
Вопрос 63

Какое основное преимущество глубокого обучения перед традиционными алгоритмами?

  1. Требуется меньше данных
  2. Способность изучать представления признаков
  3. Более быстрые вычисления
  4. Проще в программировании
Вопрос 64

Что такое проблема «исчезающего градиента» в глубоком обучении?

  1. Когда градиенты становятся слишком малыми во время обучения
  2. Когда данные случайно исчезают
  3. Когда размер модели значительно уменьшается
  4. Когда происходит шифрование градиентов
Вопрос 65

Какой тип задачи представляет собой «генерация изображений» в глубоком обучении?

  1. Обучение с учителем
  2. Обучение без учителя
  3. Обучение с подкреплением
  4. Полу-контролируемое обучение
Вопрос 66

Что обычно включает в себя «тонкая настройка» в глубоком обучении?

  1. Полное изменение архитектуры модели
  2. Обучение модели с нуля
  3. Внесение небольших корректировок в предварительно обученную модель
  4. Шифрование модели для безопасности
Вопрос 67

Что такое «инженерия признаков» в глубоком обучении?

  1. Процесс выбора и преобразования сырых данных в признаки
  2. Шифрование признаков для безопасности
  3. Уменьшение количества признаков в наборе данных
  4. Увеличение размера модели
Вопрос 68

Что делает «стохастический градиентный спуск» в глубоком обучении?

  1. Шифрует данные
  2. Увеличивает скорость обучения
  3. Оптимизирует модель, обновляя веса
  4. Уменьшает размер данных
Вопрос 69

Для чего используется «рекуррентная нейронная сеть» в глубоком обучении?

  1. Обработка последовательных данных
  2. Распознавание изображений
  3. Шифрование данных
  4. Уменьшение размера данных
Вопрос 70

Что такое «обнаружение аномалий» в глубоком обучении?

  1. Обнаружение ошибок в модели
  2. Идентификация необычных шаблонов в данных
  3. Шифрование конфиденциальных данных
  4. Уменьшение ошибок в данных
Вопрос 71

Для чего особенно эффективно глубокое обучение?

  1. Маленькие наборы данных
  2. Структурированные данные
  3. Сложные шаблоны данных
  4. Простая арифметика
Вопрос 72

Почему в глубоком обучении часто используются GPU?

  1. Для шифрования данных
  2. Для хранения больших наборов данных
  3. Для параллельной обработки
  4. Для улучшения скорости интернета
Вопрос 73

Для чего используется «макс-пулинг» в сверточной нейронной сети?

  1. Для увеличения количества признаков
  2. Для уменьшения пространственного размера представлений
  3. Для шифрования модели
  4. Для увеличения точности модели
Вопрос 74

Что делает «полносвязный слой» в нейронной сети?

  1. Соединяет все нейроны друг с другом
  2. Шифрует данные
  3. Уменьшает размерность данных
  4. Обрабатывает только изображения
Вопрос 75

Что такое «переобучение модели» в глубоком обучении?

  1. Когда модель хорошо работает на тренировочных данных, но плохо на невиданных данных
  2. Когда модель слишком проста
  3. Когда размер модели слишком велик
  4. Когда модель обучается слишком короткое время
Вопрос 76

Для чего используется «глубокий автокодировщик»?

  1. Шифрование данных
  2. Уменьшение размерности данных
  3. Увеличение размера данных
  4. Хранение больших наборов данных
Вопрос 77

Что такое «обрезка градиента» в глубоком обучении?

  1. Уменьшение размера модели
  2. Шифрование градиентов
  3. Ограничение значения градиентов для предотвращения их взрыва
  4. Ускорение обучения модели
Вопрос 78

Для чего используется «ранняя остановка» в глубоком обучении?

  1. Для предотвращения переобучения
  2. Для шифрования модели
  3. Для сокращения времени обучения
  4. Для увеличения количества признаков
Вопрос 79

Что такое «кросс-валидация» в контексте обучения моделей глубокого обучения?

  1. Шифрование данных
  2. Обучение на различных подмножествах данных для валидации модели
  3. Соединение разных моделей
  4. Уменьшение количества слоев в модели
Вопрос 80

Что означает «тонкозернистая классификация» в глубоком обучении?

  1. Классификация с очень маленькими наборами данных
  2. Различение очень похожих категорий
  3. Классификация только мелких объектов
  4. Шифрование данных классификации