Тесты СинергияАртём Хелп
Артём Help онлайнПолучить расчёт
Бесплатно оценим сроки и стоимостьОтправить задание в Telegram
Теории и системы искусственного интеллекта.dor_БАК_25-145-Б

Теории и системы искусственного интеллекта.dor_БАК_25-145-Б — вариант 8

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

12 вопросов Вариант 8 Доступ 7 дней
Содержание теста

Вопросы и варианты

Без отметок и подсказок к правильным ответам

Вопрос 1

Вы – исследователь в области искусственного интеллекта (ИИ), интересующийся историческими аспектами этой научной области. Ваша задача состоит в анализе и интерпретации различных этапов развития искусственного интеллекта. В какой период, по мнению большинства экспертов, произошло значительное падение интереса к исследованиям в области ИИ, известное как «вторая зима ИИ»?

  1. В 1950-е – начало 1960-х гг.
  2. В 1960–70-е гг.
  3. В 1980-е – начало 1990-х гг.
  4. В период с 2010-х гг. по настоящее время.
Вопрос 2

В 1956 г. на Дартмутской конференции был введен термин «искусственный интеллект». Какие подходы к созданию ИИ использовались в программах в это время?

  1. Программы, основанные на логических правилах.
  2. Программы, использующие генетические алгоритмы и нейронные сети.
  3. Программы, работающие на нейронных сетях и глубоких обучающих моделях.
  4. Программы, фокусирующиеся исключительно на обработке естественного языка.
Вопрос 3

Специалист по машинному обучению работает над проектом по созданию модели для предсказания цен на жилье. Для этой задачи ему необходимо выбрать метод регрессии. Какой метод подходит для выполнения данной задачи (с учетом того, что у специалиста есть обучающая выборка с размеченными данными)? Ответ обоснуйте.

  1. Линейная регрессия, так как она проста в реализации и хорошо подходит для задач с линейными зависимостями.
  2. Метод k-средних, так как это метод кластеризации, который поможет разбить данные на группы.
  3. Алгоритм k-ближайших соседей (KNN), так как он эффективен при наличии небольшого объема данных и прост в использовании.
  4. Алгоритм опорных векторов (SVM), так как он хорошо работает с небольшими наборами данных, даже если они имеют высокую размерность.
Вопрос 4

Основная задача системы обработка естественного языка (NLP) заключается в том, чтобы преобразовать неструктурированные текстовые данные в понятные и структурированные форматы. Какой подход может использоваться для выполнения этой задачи?

  1. Системы машинного обучения, основанные на методах глубинного обучения, таких как рекуррентные нейронные сети (RNN).
  2. Полуавтоматические подходы, которые объединяют экспертов и статистические методы.
  3. Эвристические алгоритмы, которые основываются на одноразовых правилах и частных данных.
  4. Формальные логические системы, которые используют строгие аксиомы и законы.
Вопрос 5

Организация планирует создать систему управления клиентскими данными. У этой организации есть возможность собирать данные из различных источников, таких как веб-формы, анкетные исследования и сторонние API. К каким типам будут относиться данные, собранные через веб-формы? (Укажите 2 варианта ответа).

  1. Структурированные данные, поскольку они собраны в определенных полях и можно применять SQL-запросы для их обработки.
  2. Неструктурированные данные, так как они могут содержать свободные текстовые поля и не имеют заранее определенной структуры.
  3. Полуструктурированные данные, так как они могут содержать метаданные и не всегда следуют жесткой схеме, но все же могут быть частично организованы.
  4. Синтетические данные, так как они сгенерированы системой для аналитических целей.
Вопрос 6

Исследователь работает с набором данных, содержащим текстовые сообщения, изображения и видео. К каким типам будут относиться данные из этого набора, содержащие текстовую информацию? (Укажите 2 варианта ответа).

  1. Полуструктурированные данные, так как текстовые данные могут иметь теги или метаданные.
  2. Неструктурированные данные, так как текстовые данные не имеют заранее определенной структуры и могут содержать разнообразные форматы.
  3. Структурированные данные, так как текстовые данные можно организовать в таблицы.
  4. Синтетические данные, так как они могут быть сгенерированы для анализа текстовых сообщений.
Вопрос 7

Специалист по обработке естественного языка разрабатывает модель для автоматического анализа текстовых данных, чтобы определить тональность отзывов пользователей на продукт. Он решает использовать рекуррентные нейронные сети (RNN) в сочетании с механизмами внимания (attention mechanism). Какие преимущества обеспечивает применение механизмов внимания в этой модели? (Укажите 2 варианта ответа).

  1. Механизмы внимания увеличивают общее количество параметров модели, что всегда приводит к улучшению качества.
  2. Механизмы внимания позволяют модели сосредоточиться на наиболее значимых элементах входного текста, улучшая качество понимания контекста.
  3. Механизмы внимания уменьшают время вычислений в процессе обучения, что позволяет быстрее обучить большую модель.
Вопрос 8

Разработчик создает систему для предсказания спроса на товары в онлайн-магазине, используя методы глубокого обучения. Он применяет свёрточные нейронные сети (CNN) для обработки временных рядов, связанных с продажами. Какие преимущества могут предоставить свёрточные нейронные сети в данной задаче? (Укажите 2 варианта ответа).

  1. Свёрточные нейронные сети позволяют напрямую работать с текстовыми данными, игнорируя необходимость в числовых представлениях.
  2. Свёрточные нейронные сети способны выявлять пространственные зависимости и локальные паттерны в данных, что полезно для анализа временных рядов.
  3. Свёрточные нейронные сети имеют меньшую вычислительную сложность по сравнению с полносвязанными нейронными сетями, что облегчает их применение.
  4. Свёрточные нейронные сети качественно обрабатывают только изображения, поэтому подходят для анализа временных рядов.
Вопрос 9

Инженер по аппаратному обеспечению разрабатывает специализированное устройство для выполнения задач глубокого обучения, используя архитектуру нейропроцессоров. Он выбирает между различными типами процессоров для своей системы. Какой тип процессора будет наилучшим выбором для задач глубокого обучения, требующих высокой производительности и энергоэффективности? (Укажите 2 варианта ответа).

  1. нтральные процессорные устройства (CPU), так как они универсальны и могут выполнять широкий спектр задач.
  2. Графические процессорные устройства (GPU), поскольку они предназначены для параллельных вычислений и обеспечивают высокую производительность в обучении нейронных сетей.
  3. Тензорные процессорные устройства (TPU), так как они оптимизированы для глубокого обучения и способны выполнять сложные операции с матрицами с высокой плотностью операций.
  4. Нейроморфные процессоры, так как они эффективно обрабатывают задачи распознавания образов и имеют высокую энергоэффективность.
Вопрос 10

Разработчик системы искусственного интеллекта планирует внедрить облачную платформу для обучения своих моделей. Разработчик выбирает облачную платформу из трех вариантов: AWS SageMaker, Google Vertex AI и Microsoft Azure ML. Какие факторы должны быть учтены при выборе подходящей облачной платформы для задач глубокого обучения? (Укажите 2 варианта ответа).

  1. Стоимость использования платформы.
  2. Поддержка необходимых фреймворков для разработки (например, TensorFlow, PyTorch).
  3. Возможности интеграции с существующими корпоративными средами.
  4. Доступность на глобальном уровне и скорость подключения к Интернету.
Вопрос 11

Специалист по разработке систем искусственного интеллекта (ИИ) анализирует тенденции развития технологий в области медицины с использованием ИИ. В соответствии с мировыми трендами, он рассматривает разные направления применения ИИ в этой области. Какие направления наиболее перспективны для внедрения ИИ в медицинскую практику? (Укажите 2 варианта ответа).

  1. Автоматизированная диагностика на основе изображений (например, рентген, МРТ).
  2. Создание кросс-платформенных приложений для ведения медицинских карт.
  3. Персонализированная медицина на основе генетических данных.
  4. Моделирование экономических процессов в здравоохранении.
Вопрос 12

Команда разработчиков работает над проектом объяснимого искусственного интеллекта (XAI) и планирует создать модель в области медицины, результаты которой будут интерпретироваться простыми пользователями и профессиональными медицинскими работниками. Это необходимо для повышения доверия к ИИ-системе и обеспечения ее этического применения. Что следует учитывать при создании XAI для медицинских приложений, с учетом изложенных условий? (Укажите 2 варианта ответа).

  1. Уровень объяснимости модели, чтобы пользователи могли понять, как принимаются решения.
  2. Объем данных для обучения, чтобы достигнуть высокой точности модели.
  3. Этические принципы, касающиеся прозрачности и недискриминации.
  4. Сложность модели, чтобы обеспечить возможность работы на ограниченных ресурсах.