Gépi tanulás

1. A gépi tanulás a mesterséges intelligencia egyik ága, amely olyan algoritmusok és modellek fejlesztésére összpontosít, amelyek lehetővé teszik a számítógépek számára, hogy tanuljanak és adatok alapján döntsenek. Olyan rendszereket kell létrehozni, amelyek automatikusan tanulhatnak és fejlődhetnek önmagukban anélkül, hogy kifejezetten programoznák őket. A gépi tanulási algoritmusok nagy mennyiségű adatot elemezhetnek, mintákat azonosíthatnak, és minimális emberi beavatkozással előrejelzéseket vagy döntéseket hozhatnak. Ezeket az algoritmusokat különféle alkalmazásokban használják, például kép- és beszédfelismerésben, ajánlórendszerekben, autonóm járművekben, orvosi diagnosztikában és sok másban. A gépi tanulás erejének kihasználásával a szervezetek értékes betekintést nyerhetnek az adatokból, és javíthatják a döntéshozatali folyamatokat, ami hatékonyabb és innovatívabb megoldásokhoz vezet. Mi az a gépi tanulás?

A) Számítógépes chipek tervezésére használt programozási nyelv.
B) A mesterséges intelligencia egyik ága, amely lehetővé teszi a gépek számára, hogy tanuljanak az adatokból.
C) Fizikai gépek emberi bevitellel történő vezérlésének módszere.
D) A videojátékokhoz használt szoftver típusa.

2. Az alábbiak közül melyik példa a felügyelet nélküli tanulásra?

A) Döntési fák
B) Lineáris regresszió
C) Klaszterezés
D) Osztályozás

3. Miért felelős a neurális hálózatban használt aktiválási függvény?

A) A nemlinearitás bevezetése a hálózatba.
B) A bemenet közvetlen konvertálása kimenetté.
C) Információk tárolása későbbi használatra.
D) A hálózat betanítása visszaszaporítással.

4. Milyen algoritmust használnak általában a megerősítő tanuláshoz?

A) Random Forest
B) SVM
C) K-Means
D) Q-Learning

5. Milyen módszerrel csökkenthető az adatok dimenziója a gépi tanulásban?

A) Főkomponens-elemzés (PCA)
B) Gradiens Descent
C) Naiv Bayes
D) Döntési fák

6. Mi a veszteségfüggvény szerepe a gépi tanulásban?

A) Edzés előtt normalizálja az adatokat.
B) Számszerűsíti a becsült és a tényleges értékek közötti különbséget.
C) Optimalizálja a modellt visszaszaporítással.
D) Kiválasztja a modell legjobb tulajdonságait.

7. Mi a funkciótervezés a gépi tanulásban?

A) Modell betanítása adatok nélkül.
B) A modell értékelése keresztellenőrzéssel.
C) A bemeneti jellemzők kiválasztásának és átalakításának folyamata a modell teljesítményének javítása érdekében.
D) A modell rendszerezése a túlillesztés elkerülése érdekében.

8. Mi a célja a döntési határnak a gépi tanulásban?

A) Különböző osztályok elkülönítése a beviteli térben.
B) Zaj hozzáadásához az adatokhoz.
C) A modell tanulási sebességének szabályozására.
D) A veszteség funkció minimalizálása edzés közben.

9. Mi a torzítás-variancia kompromisszuma a gépi tanulásban?

A) Kompromisszum a pontosság és a precizitás között.
B) Az edzési idő és a modell teljesítménye közötti egyensúly.
C) A modell összetettsége és az általánosíthatóság egyensúlya.
D) Az alul- és túlillesztés közötti kompromisszum.

10. Milyen algoritmust használnak általában osztályozási feladatokhoz a gépi tanulásban?

A) Főkomponens-elemzés (PCA)
B) Lineáris regresszió
C) Támogatja a vektorgépet (SVM)
D) A K-csoportosulást jelent

11. Melyik módszert használják a gépi tanulási modell teljesítményének értékelésére?

A) Számítási komplexitás ellenőrzése
B) Keresztellenőrzés
C) Csak edzésadatok használata
D) Találgatás

12. Milyen technikát használnak a hiányzó adatok kezelésére a gépi tanulásban?

A) Imputáció
B) Zaj hozzáadása az adatokhoz
C) Az adatok megkettőzése
D) A hiányzó adatok figyelmen kívül hagyása

13. Melyik értékelési mérőszámot használják általában az osztályozási modellekhez?

A) R-négyzet
B) Pontosság
C) Átlagos négyzetes hiba
D) Átlagos abszolút hiba

14. Milyen módszerrel akadályozzák meg a modell túlillesztését a gépi tanulásban?

A) A legfontosabb jellemzők eltávolítása
B) Szabályozás
C) A modell betanítása több adatra
D) A modell összetettségének növelése

15. Milyen módszerrel frissítik a neurális hálózat súlyait edzés közben?

A) Visszaszaporítás
B) Véletlenszerű inicializálás
C) Kötegelt normalizálás
D) Korai megállás

16. Melyik módszert használják a hiperparaméterek optimalizálására a gépi tanulási modellekben?

A) Rács keresés
B) Hiperparaméterek véletlenszerű kiválasztása
C) Egyetlen hiperparaméterre összpontosítva
D) A hiperparaméterek figyelmen kívül hagyása

17. Az alábbiak közül melyik a felügyelt tanulási algoritmus?

A) Döntési fa
B) Lineáris regresszió
C) K-csoportosulást jelent
D) Főkomponens analízis

18. Melyik függvényt használják általában veszteségfüggvényként a lineáris regresszióban?

A) Log Loss
B) Keresztentrópia
C) Root Mean Squared Error (RMSE)
D) Átlagos négyzetes hiba (MSE)

19. Milyen típusú gépi tanulási algoritmus alkalmas folyamatos érték előrejelzésére?

A) Klaszterezés
B) Dimenziócsökkentés
C) Osztályozás
D) Regresszió

20. Melyik algoritmust használják általában a kiegyensúlyozatlan adatkészletek kezelésére a gépi tanulásban?

A) AdaBoost
B) SMOTE (Synthetic Minority Over-sampling Technique)
C) PCA (főkomponens-elemzés)
D) K-legközelebbi szomszédok (KNN)

21. Melyik algoritmust használják általánosan anomáliák észlelésére a gépi tanulásban?

A) Naiv Bayes
B) SVM (Support Vector Machine)
C) Elszigetelő erdő
D) A K-csoportosulást jelent

22. Milyen technikát alkalmaznak a neurális hálózatok túlillesztésének megelőzésére?

A) Gradiens Descent
B) Kötegelt normalizálás
C) Kidobni
D) Funkció méretezése

Létrehozva That Quiz — a matematika teszt generáló webhely más tantárgyi forrásokkal.