Apprendimento automatico
  • 1. L'apprendimento automatico è una branca dell'intelligenza artificiale che si concentra sullo sviluppo di algoritmi e modelli che consentono ai computer di apprendere e prendere decisioni basate sui dati. Si tratta di creare sistemi in grado di apprendere e migliorare automaticamente senza essere esplicitamente programmati. Gli algoritmi di apprendimento automatico possono analizzare grandi quantità di dati, identificare modelli e fare previsioni o prendere decisioni con un intervento umano minimo. Questi algoritmi sono utilizzati in diverse applicazioni come il riconoscimento di immagini e parole, i sistemi di raccomandazione, i veicoli autonomi, la diagnosi medica e molte altre. Sfruttando la potenza dell'apprendimento automatico, le organizzazioni possono estrarre preziose intuizioni dai dati e migliorare i processi decisionali, portando a soluzioni più efficienti e innovative.

    Che cos'è l'apprendimento automatico?
A) Un metodo per controllare macchine fisiche utilizzando l'input umano.
B) Un ramo dell'intelligenza artificiale che consente alle macchine di imparare dai dati.
C) Un tipo di software utilizzato per giocare ai videogiochi.
D) Un linguaggio di programmazione utilizzato per la progettazione di chip per computer.
  • 2. Quale dei seguenti è un esempio di apprendimento non supervisionato?
A) Alberi decisionali
B) Raggruppamento
C) Regressione lineare
D) Classificazione
  • 3. A cosa serve la funzione di attivazione utilizzata in una rete neurale?
A) Introdurre la non linearità nella rete.
B) Memorizzare le informazioni per un uso futuro.
C) Conversione diretta dell'ingresso in uscita.
D) Addestramento della rete mediante backpropagation.
  • 4. Quale algoritmo è comunemente utilizzato per l'apprendimento per rinforzo?
A) K-Means
B) Q-Learning
C) Foresta casuale
D) SVM
  • 5. Quale metodo viene utilizzato per ridurre la dimensionalità dei dati nell'apprendimento automatico?
A) Discesa graduale
B) Analisi delle componenti principali (PCA)
C) Alberi decisionali
D) Baia ingenua
  • 6. Qual è il ruolo di una funzione di perdita nell'apprendimento automatico?
A) Seleziona le caratteristiche migliori per il modello.
B) Ottimizza il modello utilizzando la retropropagazione.
C) Quantifica la differenza tra i valori previsti e quelli effettivi.
D) Normalizza i dati prima dell'addestramento.
  • 7. Che cos'è l'ingegneria delle caratteristiche nell'apprendimento automatico?
A) Addestramento di un modello senza dati.
B) Regolarizzazione del modello per evitare l'overfitting.
C) Valutazione del modello mediante convalida incrociata.
D) Il processo di selezione e trasformazione delle caratteristiche di input per migliorare le prestazioni del modello.
  • 8. Qual è lo scopo di un confine decisionale nell'apprendimento automatico?
A) Per aggiungere rumore ai dati.
B) Per minimizzare la funzione di perdita durante l'addestramento.
C) Per controllare il tasso di apprendimento del modello.
D) Per separare le diverse classi nello spazio di input.
  • 9. Quale metodo viene utilizzato per valutare le prestazioni di un modello di apprendimento automatico?
A) Utilizzando solo i dati di addestramento
B) Verifica della complessità computazionale
C) Convalida incrociata
D) Indovinare
  • 10. Quale tecnica viene utilizzata per evitare l'overfitting nelle reti neurali?
A) Abbandono
B) Discesa graduale
C) Scala delle caratteristiche
D) Normalizzazione dei lotti
  • 11. Quale algoritmo è comunemente utilizzato per le attività di classificazione nell'apprendimento automatico?
A) Macchina vettoriale di supporto (SVM)
B) Raggruppamento K-means
C) Regressione lineare
D) Analisi delle componenti principali (PCA)
  • 12. Quale algoritmo è comunemente usato per gestire insiemi di dati sbilanciati nell'apprendimento automatico?
A) PCA (Analisi delle componenti principali)
B) Vicini di K (KNN)
C) SMOTE (Tecnica di sovracampionamento della minoranza sintetica)
D) AdaBoost
  • 13. Quale dei seguenti è un algoritmo di apprendimento supervisionato?
A) Raggruppamento K-means
B) Regressione lineare
C) Albero decisionale
D) Analisi delle componenti principali
  • 14. Quale algoritmo è comunemente utilizzato per il rilevamento delle anomalie nell'apprendimento automatico?
A) Foresta di isolamento
B) Raggruppamento K-means
C) Baia ingenua
D) SVM (macchina vettoriale di supporto)
  • 15. Quale funzione viene comunemente utilizzata come funzione di perdita nella regressione lineare?
A) Perdita di tronco
B) Entropia incrociata
C) Errore quadratico medio (MSE)
D) Errore quadratico medio (RMSE)
  • 16. Quale metodo viene utilizzato per evitare l'overfitting del modello nell'apprendimento automatico?
A) Addestramento del modello su più dati
B) Aumentare la complessità del modello
C) Rimozione delle funzioni chiave
D) Regolarizzazione
  • 17. Quale tecnica viene utilizzata per gestire i dati mancanti nell'apprendimento automatico?
A) Aggiunta di rumore ai dati
B) Duplicazione dei dati
C) Imputazione
D) Ignorare i dati mancanti
  • 18. Quale metodo viene utilizzato per aggiornare i pesi di una rete neurale durante l'addestramento?
A) Retropropagazione
B) Inizializzazione casuale
C) Arresto anticipato
D) Normalizzazione dei lotti
  • 19. Quale tipo di algoritmo di apprendimento automatico è adatto a prevedere un valore continuo?
A) Raggruppamento
B) Classificazione
C) Regressione
D) Riduzione della dimensionalità
  • 20. Qual è il compromesso bias-varianza nell'apprendimento automatico?
A) Il compromesso tra accuratezza e precisione.
B) Il compromesso tra underfitting e overfitting.
C) L'equilibrio tra tempo di formazione e prestazioni del modello.
D) L'equilibrio tra complessità del modello e generalizzabilità.
  • 21. Quale metodo viene utilizzato per ottimizzare gli iperparametri nei modelli di apprendimento automatico?
A) Selezione casuale degli iperparametri
B) Ricerca a griglia
C) Concentrarsi su un singolo iperparametro
D) Ignorare gli iperparametri
  • 22. Quale metrica di valutazione viene comunemente utilizzata per i modelli di classificazione?
A) Errore quadratico medio
B) Precisione
C) Errore assoluto medio
D) Quadrato R
Creato con That Quiz — dove la realizzazione e l’esecuzione di test sono resi semplici per la matematica e per altre aree disciplinari.