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