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