A) Vrsta programske opreme, ki se uporablja za igranje video iger. B) Metoda za nadzor fizičnih strojev s človeškim vnosom. C) Področje umetne inteligence, ki strojem omogoča učenje iz podatkov. D) Programski jezik, ki se uporablja za načrtovanje računalniških čipov.
A) Grozdenje B) Linearna regresija C) Razvrstitev D) Drevesa odločanja
A) Uvedba nelinearnosti v omrežje. B) Neposredno pretvarjanje vhoda v izhod. C) Shranjevanje informacij za prihodnjo uporabo. D) Usposabljanje omrežja z uporabo povratnega širjenja.
A) SVM B) Učenje Q C) K-Means D) Naključni gozd
A) Gradientni spust B) Naivni Bayes C) Odločitvena drevesa D) Analiza glavnih komponent (PCA)
A) Normalizira podatke pred usposabljanjem. B) Optimizira model z uporabo povratnega širjenja. C) Kvantificira razliko med napovedanimi in dejanskimi vrednostmi. D) Izbere najboljše funkcije za model.
A) Postopek izbire in preoblikovanja vhodnih funkcij za izboljšanje delovanja modela. B) Regularizacija modela za preprečevanje pretiranega prilagajanja. C) Vrednotenje modela z navzkrižnim preverjanjem. D) Usposabljanje modela brez podatkov.
A) Za minimiziranje funkcije izgube med usposabljanjem. B) Za nadzor hitrosti učenja modela. C) ločevanje različnih razredov v vhodnem prostoru. D) Dodajanje šuma v podatke.
A) Naivni Bayes B) Grozdenje K-means C) SVM (podporni vektorski stroj) D) Izolacijski gozd
A) Zanemarjanje manjkajočih podatkov B) Dodajanje šuma v podatke C) Pripisovanje D) Podvajanje podatkov
A) Osredotočanje na en sam hiperparameter B) Ignoriranje hiperparametrov C) Iskanje po mreži D) Naključna izbira hiperparametrov
A) Odstranitev ključnih funkcij B) Regularizacija C) Usposabljanje modela na več podatkih D) Povečanje kompleksnosti modela
A) Ravnotežje med časom usposabljanja in zmogljivostjo modela. B) Ravnovesje med kompleksnostjo modela in posplošljivostjo. C) Kompromis med natančnostjo in točnostjo. D) Kompromis med premajhnim in prevelikim prilagajanjem.
A) Preverjanje računske zahtevnosti B) Uporaba samo podatkov za usposabljanje C) Navzkrižno preverjanje D) Ugibanje
A) Merjenje obsega funkcij B) Serijska normalizacija C) Gradientni spust D) Izpadli
A) Drevo odločanja B) Linearna regresija C) Grozdenje K-means D) Analiza glavnih komponent
A) Serijska normalizacija B) Zgodnja zaustavitev C) Backpropagation D) Naključna inicializacija
A) Linearna regresija B) Podporni vektorski stroj (SVM) C) Analiza glavnih komponent (PCA) D) Grozdenje K-means
A) PCA (analiza glavnih komponent) B) K-najbližji sosedje (KNN) C) AdaBoost D) SMOTE (tehnika sintetičnega manjšinskega presežnega vzorčenja)
A) Srednja kvadratna napaka B) Natančnost C) Srednja absolutna napaka D) R-kvadrat
A) Zmanjšanje dimenzionalnosti B) Grozdenje C) Razvrstitev D) Regresija
A) Korenska srednja kvadratna napaka (RMSE) B) Srednja kvadratna napaka (MSE) C) Izguba dnevnika D) Navzkrižna entropija |