Тесты СинергияАртём Хелп
Артём Help онлайнПолучить расчёт
Бесплатно оценим сроки и стоимостьОтправить задание в Telegram
Технологии и системы искусственного интеллекта.mosap_БАК

Технологии и системы искусственного интеллекта.mosap_БАК

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

30 вопросов Вариант 1 Доступ 7 дней
Содержание теста

Вопросы и варианты

Без отметок и подсказок к правильным ответам

Вопрос 1

Что из перечисленного НЕ является данными?

  1. Любая информация зафиксированная на каком либо носителе
  2. Бухгалтерская книга
  3. Количество посетителей вашего сайта
  4. Время и дата транзакции
  5. Определение времени суток, в которое вы обрабатываете большинство транзакций
Вопрос 2

Упорядочите типы машинного обучения по степени наличия размеченных обучающих данных:

  1. Supervised
  2. Weakly-supervised
  3. Unsupervised
Вопрос 3

Какие из перечисленных компонентов НЕ относятся к машинному обучению?

  1. Алгоритмы
  2. Данные
  3. Изложение
  4. Моделирование
Вопрос 4

Упорядочите шаги в процессе подготовки данных:

  1. Сбор данных
  2. Очистка данных
  3. Исследование данных
  4. Преобразование данных
Вопрос 5

Сегодня данные нужны бизнесу, чтобы:

  1. Привлекать новых клиентов
  2. Улучшать и автоматизировать бизнес-процессы
  3. Принимать более обоснованные решения с учётом большого количества факторов
  4. Выплачивать заработную плату
Вопрос 6

Соотнесите в верном соответствии термины и определения:

  1. Данные для обучения
  2. Алгоритм
  3. Признаки
  4. Набор данных, используемый для работы модели
  5. Процесс извлечения паттернов из данных
  6. Индикаторы, используемые для предсказания
Вопрос 7

Что включает в себя компонент "модели" в машинном обучении?

  1. Алгоритмы или математические модели, которые используются для анализа данных и выполнения конкретных задач
  2. Только текстовые данные
  3. Данные, которые необходимо классифицировать
  4. Графические изображения
Вопрос 8

К направлению … в Data Science относится задача “Разработка архитектуры хранилища данных”

  1. Data Engineering
Вопрос 9

Упорядочите этапы разработки ML-проекта:

  1. Подготовка данных
  2. Моделирование
  3. Валидация
  4. Развертывание
Вопрос 10

… - это вид машинного обучения, основанный на использовании только неразмеченных данных

  1. Обучение без учителя
Вопрос 11

Соотнесите в верном соответствии термины и определения:

  1. Машинное обучение
  2. Искусственный интеллект
  3. Модель
  4. Алгоритмы
  5. Процесс, позволяющий моделям учиться на данных
  6. Область, изучающая создание систем, основанных на знаниях
  7. Структура, которая делает предсказания на основе данных
  8. Пошаговые процедуры, используемые для решения задач
Вопрос 12

Предсказание значения известного таргета по известной выборке данных возможно произвести при обучении …

  1. с учителем
Вопрос 13

Соотнесите в верном соответствии термины и определения:

  1. Обучение с учителем
  2. Обучение без учителя
  3. Обучение слабо контролируемым образом
  4. Классификация
  5. Подход, при котором модель обучается на размеченных данных
  6. Подход, при котором модель анализирует неразмеченные данные
  7. Метод, при котором модель обучается на частично размеченных данных
  8. Задача, в которой модель назначает категории данным
Вопрос 14

Что означает "supervised learning"?

  1. Обучение с учителем
  2. Обучение без учителя
  3. Обучение с подкреплением
  4. Обучение с частичным привлечением учителя
Вопрос 15

Процесс оценки эффективности модели на тестовых данных называется … модели

  1. Валидация
  2. Тестирование
  3. Тестированием
Вопрос 16

… - это математическое или компьютерное представление процесса или явления, которое помогает прогнозировать результаты и проводить эксперименты.

  1. Модель машинного обучения
  2. Модель
Вопрос 17

Выберите правильные утверждения:

  1. Любой Искусственный интеллект это нейросеть
  2. Глубокое обучение это раздел методов машинного обучения
  3. Машинное обучение и глубокое обучение это два несвязанных между собой раздела области Искусственного интеллекта
  4. Машинное обучение это раздел области Искусственного интеллекта
Вопрос 18

Соотнесите термины и определения:

  1. Размеченные данные
  2. Кластеризация
  3. Регрессия
  4. Алгоритмы обучения
  5. Данные, которые содержат выходные метки для обучения
  6. Метод разделения данных на группы без предварительных меток
  7. Задача предсказания непрерывной выходной переменной
  8. Процессы, используемые для извлечения паттернов из данных
Вопрос 19

Задача …- разделение данные на группы (кластеры) на основе признаков в данных

  1. Кластеризация
  2. кластеризации
Вопрос 20

Какие данные являются структурированными?

  1. Таблицы базы данных
  2. Аудиофайлы
  3. Текстовые документы без формата
  4. CSV файлы с разделителями
  5. Документы XML
  6. Интернет-трафик
Вопрос 21

Соотнесите в верном соответствии термины и определения:

  1. Процесс обучения
  2. Обратная связь
  3. Задача аномалий
  4. Качественный анализ
  5. Этап, на котором модель извлекает знания из данных
  6. Информация о результате предсказания модели, используемая для её улучшения
  7. Задача распознавания отклонений в данных
  8. Оценка результатов модели на основе человеческой оценки
Вопрос 22

В чем отличие между машинным обучением, нейронными сетями и глубоким обучением?

  1. Нейронные сети - это методы машинного обучения, использующие модели нейронных сетей для анализа и обработки данных.
  2. Машинное обучение - это широкий класс методов обработки данных, включая нейронные сети и глубокое обучение.
  3. Глубокое обучение - это термин, который используется вместо машинного обучения для описания методов, основанных на глубоких нейронных сетях.
  4. Машинное обучение - это метод, который используется только для анализа больших наборов данных, не включая нейронные сети или глубокое обучение.
Вопрос 23

Выберите верные утверждения:

  1. Агент - это сущность, которая действует в среде с целью максимизации награды
  2. Награда - это численное значение, которое агент получает за свои действия и которое служит мотивацией для достижения цели.
  3. Среда - это внешний мир или контекст, в котором действует агент, и с которым агент взаимодействует для достижения своей цели.
  4. Агент - это человек, который разрабатывает и обучает модели машинного обучения для решения задач
  5. Награда в обучении с подкреплением может быть как положительной, так и отрицательной
Вопрос 24

Термин ……… описывает выбор алгоритмов и методов для конкретной задачи в ML-проекте

  1. Моделирование
Вопрос 25

В чем отличие между обучением с учителем, обучением без учителя и обучением с частичным привлечением учителя?

  1. Обучение с учителем использует нейронные сети, обучение без учителя использует деревья решений, а обучение с частичным привлечением учителя - метод опорных векторов.
  2. Обучение с учителем применяется только в задачах классификации, обучение без учителя - только в задачах регрессии, а обучение с частичным привлечением учителя - только в задачах кластеризации.
  3. Обучение с учителем использует размеченные данные для обучения модели с учителем, обучение без учителя не требует разметки данных, а обучение с частичным привлечением учителя сочетает в себе элементы обоих подходов, а также использует частичную разметку данных.
  4. Обучение с учителем требует наличия учителя, который напрямую указывает модели правильные ответы, обучение без учителя не использует учителя вообще, а обучение с частичным привлечением учителя использует учителя только в начальной стадии обучения.
Вопрос 26

Цель этапа “...” - встроить (интегрировать) модель в бизнес-процесс

  1. внедрение
Вопрос 27

… проекта - это набор правил, ролей и основных задач, которыми руководствуются при ведении проекта

  1. Методология
Вопрос 28

… - это задача, в которой мы пытаемся уменьшить количество признаков, характеризующих объект

  1. dimensionality reduction
  2. Понижение размерности
Вопрос 29

… - это свойства и характеристики, извлекаемые из данных, которыми описываются наши моделируемые объекты или процессы

  1. features
  2. Признаки
Вопрос 30

Категориальные признаки разделяются на …

  1. Номинальные и Непрерывные
  2. Порядковые и Дискретные
  3. Дискретные и Непрерывные
  4. Номинальные и Порядковые