A) Gałąź sztucznej inteligencji, która umożliwia maszynom uczenie się na podstawie danych. B) Rodzaj oprogramowania używanego do grania w gry wideo. C) Metoda kontrolowania maszyn fizycznych za pomocą danych wprowadzanych przez człowieka. D) Język programowania używany do projektowania chipów komputerowych.
A) Klastrowanie B) Regresja liniowa C) Klasyfikacja D) Drzewa decyzyjne
A) Trenowanie sieci przy użyciu wstecznej propagacji. B) Przechowywanie informacji do wykorzystania w przyszłości. C) Bezpośrednia konwersja danych wejściowych na wyjściowe. D) Wprowadzenie nieliniowości do sieci.
A) SVM B) Q-Learning C) Losowy las D) K-Means
A) Gradient zejścia B) Analiza głównych składowych (PCA) C) Drzewa decyzyjne D) Naiwny Bayes
A) Wybiera najlepsze funkcje dla modelu. B) Normalizuje dane przed treningiem. C) Optymalizuje model przy użyciu propagacji wstecznej. D) Ilościowo określa różnicę między wartościami przewidywanymi a rzeczywistymi.
A) Trenowanie modelu bez żadnych danych. B) Ocena modelu za pomocą walidacji krzyżowej. C) Proces wybierania i przekształcania funkcji wejściowych w celu poprawy wydajności modelu. D) Regulacja modelu w celu uniknięcia nadmiernego dopasowania.
A) Aby kontrolować szybkość uczenia się modelu. B) Aby oddzielić różne klasy w przestrzeni wejściowej. C) Aby zminimalizować funkcję straty podczas treningu. D) Aby dodać szum do danych.
A) Ignorowanie brakujących danych B) Dodawanie szumu do danych C) Imputacja D) Powielanie danych
A) Równowaga między czasem treningu a wydajnością modelu. B) Kompromis między dokładnością a precyzją. C) Równowaga między złożonością modelu a uogólnialnością. D) Kompromis między niedopasowaniem a nadmiernym dopasowaniem.
A) Entropia krzyżowa B) Średni błąd kwadratowy (RMSE) C) Utrata dziennika D) Średni błąd kwadratowy (MSE)
A) Średni błąd bezwzględny B) Dokładność C) R-kwadrat D) Błąd średniokwadratowy
A) Regulacja B) Usuwanie kluczowych funkcji C) Zwiększenie złożoności modelu D) Trening modelu na większej ilości danych
A) Korzystanie tylko z danych treningowych B) Sprawdzanie złożoności obliczeniowej C) Zgadywanie D) Walidacja krzyżowa
A) Losowa inicjalizacja B) Normalizacja wsadowa C) Propagacja wsteczna D) Wczesne zatrzymanie
A) Regresja liniowa B) Maszyna wektorów nośnych (SVM) C) Grupowanie metodą K-średnich D) Analiza głównych składowych (PCA)
A) Klastrowanie B) Redukcja wymiarowości C) Klasyfikacja D) Regresja
A) Ignorowanie hiperparametrów B) Wyszukiwanie w siatce C) Skupienie się na pojedynczym hiperparametrze D) Losowy wybór hiperparametrów
A) Las izolacyjny B) Naiwny Bayes C) Grupowanie metodą K-średnich D) SVM (Support Vector Machine)
A) Drzewo decyzyjne B) Regresja liniowa C) Analiza składowych głównych D) Grupowanie metodą K-średnich
A) PCA (analiza głównych składowych) B) K-najbliższych sąsiadów (KNN) C) SMOTE (Syntetyczna technika nadpróbkowania mniejszości) D) AdaBoost
A) Porzucenie B) Gradient zejścia C) Normalizacja wsadowa D) Skalowanie funkcji |