Таких скидок больше не будет!

осталось мест 57
Новая Школа - онлайн-школа подготовки к ЕГЭ
При поддержке
Посмотреть все тесты нейросети

Тест на тему Искусственный интеллект. Машинное обучение

02 декабря 2024 02:55

{Другой предмет}
Класс

Этот тест сгенерирован искусственным интеллектом. Возможны ошибки.

Сгенерировать свой тест

Тест по предмету "Искусственный интеллект. Машинное обучение"

Класс: 11
Количество вопросов: 40
Тип вопросов: Множественный выбор


Вопросы:

  1. Что такое искусственный интеллект?
    • A) Способность машины выполнять задачи, требующие человеческого интеллекта.
    • B) Программа для создания 3D-графики.
    • C) Компьютерные игры.
    • D) Процесс цифровой обработки аудио.

Правильный ответ: A

  1. Какое из следующего является подмножеством искусственного интеллекта?
    • A) Нейронные сети
    • B) Операционные системы
    • C) Базы данных
    • D) Веб-дизайн

Правильный ответ: A

  1. Какое из утверждений верно для машинного обучения?
    • A) Оно не требует больших объемов данных.
    • B) Оно является частью статистики.
    • C) Оно может учить без примеров.
    • D) Оно всегда дает 100% точность.

Правильный ответ: B

  1. Что такое нейронная сеть?
    • A) Архитектура для создания традиционных алгоритмов.
    • B) Математическая модель, вдохновленная структурой мозга.
    • C) Форма программного обеспечения для простых задач.
    • D) Электронный компонент для хранения информации.

Правильный ответ: B

  1. Какой алгоритм чаще всего используется для классификации?
    • A) Линейная регрессия
    • B) K-ближайших соседей
    • C) Ароморфоз
    • D) Испытание гипотез

Правильный ответ: B

  1. Что такое "обучение с учителем" в машинном обучении?
    • A) Алгоритмы, которые учатся, не имея данных.
    • B) Алгоритмы, которые обучаются на размеченных данных.
    • C) Процесс, когда данные не сообщаются.
    • D) Подход, при котором используется только неструктурированная информация.

Правильный ответ: B

  1. Какой метод используется для уменьшения размерности данных?
    • A) Регрессия
    • B) PCA (Метод главных компонент)
    • C) K-means
    • D) Деревья решений

Правильный ответ: B

  1. Что такое переобучение?
    • A) Алгоритм, который справляется с тестовыми данными, но плохо работает на обучающих данных.
    • B) Процесс поиска новых данных для обучения.
    • C) Алгоритм, который слишком хорошо изучает данные обучения.
    • D) Ситуация, когда данные тестирования лучше, чем данные обучения.

Правильный ответ: C

  1. Какой метод используется для регрессии?
    • A) Метод ближайших соседей
    • B) Линейная регрессия
    • C) Деревья решений
    • D) Все вышеперечисленные

Правильный ответ: D

  1. Какой из следующих алгоритмов является безнадзорным методом машинного обучения?
    • A) K-ближайший сосед
    • B) Случайный лес
    • C) K-means
    • D) Логистическая регрессия

Правильный ответ: C

  1. Что представляет собой "алгоритм градиентного спуска"?
    • A) Метод поиска глобального минимума функции.
    • B) Алгоритм для создания новых признаков.
    • C) Подход к кластеризации данных.
    • D) Стратегия для классификации текстов.

Правильный ответ: A

  1. В каком случае используется метод "перцептрон"?
    • A) Для классификации.
    • B) Для регрессии.
    • C) Для распознавания изображений.
    • D) Для кластеризации.

Правильный ответ: A

  1. Что такое "гиперпараметры" в контексте машинного обучения?
    • A) Параметры, которые указываются при обучении модели.
    • B) Параметры, которые автоматически подбираются алгоритмом.
    • C) Статические данные.
    • D) Данные о выходных результатах.

Правильный ответ: A

  1. Какой из следующих методов является контролируемым методом?
    • A) K-средних
    • B) Логистическая регрессия
    • C) Иерархическая кластеризация
    • D) Самоорганизующиеся карты

Правильный ответ: B

  1. Для чего используется k-ближайших соседей?
    • A) Для предсказания непрерывных значений.
    • B) Для классификации на основе схожести.
    • C) Для создания новых данных.
    • D) Для оценки качеств моделей.

Правильный ответ: B

  1. Какой из следующих методов используется для генерации новых данных на основе существующих?
    • A) Автоэнкодеры
    • B) Линейная регрессия
    • C) Деревья решений
    • D) Случайный лес

Правильный ответ: A

  1. Какой тип данных требует использовать "обучение без учителя"?
    • A) Размеченные данные
    • B) Неразмеченные данные
    • C) Структурированные данные
    • D) Полуразмеченные данные

Правильный ответ: B

  1. Что такое "переносное обучение"?
    • A) Перенос модели с одного устройства на другое.
    • B) Применение модели, обученной на одном наборе данных, к другому набору данных.
    • C) Процесс скачивания данных из облака.
    • D) Переключение между различными алгоритмами.

Правильный ответ: B

  1. Какой из следующих методов относится к "обучению с подкреплением"?
    • A) Q-обучение
    • B) Логистическая регрессия
    • C) K-ближайших соседей
    • D) Метод главных компонент

Правильный ответ: A

  1. Что такое "функция потерь"?
    • A) Для оценки точности модели.
    • B) Для определения качества данных.
    • C) Для измерения разницы между предсказанными и реальными значениями.
    • D) Для визуализации данных.

Правильный ответ: C

  1. Какой метод можно использовать для предотвращения переобучения?
    • A) Увеличение числа обучающих данных
    • B) Уменьшение числа слоев в нейронной сети
    • C) Применение регуляризации
    • D) Все вышеперечисленные

Правильный ответ: D

  1. В чем разница между "максимизацией правдоподобия" и "минимизацией функции потерь"?
    • A) Никакой разницы нет, это одно и то же.
    • B) Первый термин используется в статистике, второй — в машинном обучении.
    • C) Максимизация правдоподобия ищет оптимальные параметры, минимизация — ошибка модели.
    • D) Максимизация правдоподобия включает в себя обучение без учителя, а минимизация — обучение с учителем.

Правильный ответ: C

  1. Что означает "бэггинг"?
    • A) Способ снизить переобучение путем комбинации нескольких моделей.
    • B) Обучение модели на одном наборе данных.
    • C) Выбор модели на основе одной случайной выборки.
    • D) Метод визуализации данных.

Правильный ответ: A

  1. Какой из следующих методов классификации является ансамблем?
    • A) Решающее дерево
    • B) Случайный лес
    • C) Линейная регрессия
    • D) Метод главных компонент

Правильный ответ: B

  1. Что такое "глубокое обучение"?
    • A) Обучение из заранее изученных данных.
    • B) Обучение посредством нейронных сетей с множеством слоев.
    • C) Способ создания простых моделей.
    • D) Метод для работы с небольшими объемами данных.

Правильный ответ: B

  1. Какой из перечисленных положений о нейронных сетях является неверным?
    • A) Нейронные сети могут обучаться через обратное распространение ошибки.
    • B) Чем больше слоев у нейронной сети, тем проще она для обучения.
    • C) Нейронные сети могут быть использованы для распознавания изображений.
    • D) Нейронные сети требуют много данных для обучения.

Правильный ответ: B

  1. Что такое "кросс-валидация"?
    • A) Метод оценивания производительности модели.
    • B) Процесс сбора данных.
    • C) Тренировка модели на одном наборе данных.
    • D) Создание новых признаков данных.

Правильный ответ: A

  1. Какой признак указывает на разницу между обучающей и тестовой выборкой?
    • A) Размер выборки
    • B) Структура данных
    • C) Процент выбросов
    • D) Образцы данных

Правильный ответ: D

  1. Как можно использовать "графовые нейронные сети"?
    • A) Для обработки изображений.
    • B) Для изучения связей между объектами.
    • C) Для работы с временными рядами.
    • D) Все вышеперечисленные.

Правильный ответ: B

  1. В чем заключается "агента обучения"?
    • A) Создание и анализ результатов.
    • B) Участие в различных играх для обучения.
    • C) Отбор лучших моделей.
    • D) Создание базы данных.

Правильный ответ: B

  1. Что такое "сначала распределение" в контексте машинного обучения?
    • A) Процесс создания новшеств.
    • B) Степень, в которой модель может обобщить.
    • C) Определение классов в наборе данных.
    • D) Процесс увеличения данных.

Правильный ответ: B

  1. Какой из методов используется для оценки влияния каждого признака на выходные данные?
    • A) Выбор признаков
    • B) Моделирование
    • C) Регуляризация
    • D) Кластеризация

Правильный ответ: A

  1. Что такое "объединение признаков"?
    • A) Удаление ненужных параметров из модели.
    • B) Комбинирование нескольких признаков в один новый.
    • C) Создание подвыборки для анализа.
    • D) Изучение данных на основе объема.

Правильный ответ: B

  1. Для чего применяется "регуляризация" в машинном обучении?
    • A) Для уменьшения количества необходимых данных.
    • B) Для уменьшения сложности модели и предотвращения переобучения.
    • C) Для увеличения размеров данных.
    • D) Для выбора оптимального сигнала.

Правильный ответ: B

  1. Какое уравнение представляет линейную регрессию?
    • A) y = a + bx
    • B) y = ax^2 + bx + c
    • C) y = a^x
    • D) y = log(x)

Правильный ответ: A

  1. Что такое "параметры модели" в контексте машинного обучения?
    • A) Данные, используемые для обучения.
    • B) Определённые значения, найденные в процессе обучения.
    • C) Метрики для оценки качества модели.
    • D) Алгоритмы, используемые для обучения.

Правильный ответ: B

  1. Какой из методов "кластеризации" позволяет разделить данные на группы без предварительного обучения?
    • A) K-средних
    • B) Случайный лес
    • C) Логистическая регрессия
    • D) Нейронные сети

Правильный ответ: A

  1. Какой из приведенных подходов служит основой для того, чтобы обучить нейронную сеть?
    • A) Прямой путь
    • B) Алгоритм обратного распространения ошибки
    • C) Градиентный подъем
    • D) Классификация

Правильный ответ: B

  1. Что такое "конволюционный слой" в нейронной сети?
    • A) Слой, который преобразует данные в один формат.
    • B) Слой, который обучается по методу подтверждения.
    • C) Слой, который извлекает признаки из изображений.
    • D) Слой, который объединяет данные.

Правильный ответ: C

  1. Что означают "веса" в нейронной сети?
    • A) Задают параметры активации нейронов.
    • B) Надежно фиксируют информацию о входных данных.
    • C) Определяют скорость обработки нейронов.
    • D) Указывают количество операций.

Правильный ответ: A


Конец теста.
Требуется оценка: подсчитайте количество правильных ответов и поделите на общее количество вопросов (40), чтобы получить процент правильных ответов.


Сгенерировать свой тест

Популярные тесты

{Другой предмет}
4 Класс
{Другой предмет}
11 Класс
{Другой предмет}
6 Класс

Саша — ассистент в телеграмме