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