Подготовим к ЕГЭ за оставшееся времяна нужные баллы.
Пробный период бесплатно

осталось мест 52

Посмотреть все тесты нейросети

Конструктор домашек ЕГЭ

Генератор тестов

Тренажёр ЕГЭ

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:

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

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

Правильный ответ: A

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

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

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

Правильный ответ: B

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

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

Правильный ответ: B

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

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

Правильный ответ: D

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

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

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

Правильный ответ: A

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

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

Правильный ответ: B

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

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

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

Правильный ответ: B

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

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

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

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

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

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

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

Правильный ответ: B

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

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

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

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

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

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

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

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

Правильный ответ: A

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

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

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

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

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

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

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

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

Бесплатный сервис «Учительская»

Тест на тему Искусственный интеллект. Машинное обучение

Тест по предмету "Искусственный интеллект. Машинное обучение"

Вопросы:

Популярные тесты

Тест по английскому языку: Модальные глаголы на уверенность и неуверенность

Вопросы теста

Ответы

Тест: Историческое наследие 19 века

Вопрос 1:

Вопрос 2:

Вопрос 3:

Вопрос 4:

Вопрос 5:

Вопрос 6:

Вопрос 7:

Вопрос 8:

Вопрос 9:

Вопрос 10:

Вопрос 11:

Вопрос 12:

Вопрос 13:

Вопрос 14:

Вопрос 15: