ThatQuiz Knjižnica testov Naredi ta test sedaj
Strojno učenje - Test
Prispevano od: Jež
  • 1. Strojno učenje je veja umetne inteligence, ki se osredotoča na razvoj algoritmov in modelov, ki računalnikom omogočajo učenje in sprejemanje odločitev na podlagi podatkov. Vključuje ustvarjanje sistemov, ki se lahko samodejno učijo in izboljšujejo sami, ne da bi jih bilo treba izrecno programirati. Algoritmi strojnega učenja lahko analizirajo velike količine podatkov, prepoznavajo vzorce in sprejemajo napovedi ali odločitve z minimalnim človeškim posredovanjem. Ti algoritmi se uporabljajo v različnih aplikacijah, kot so prepoznavanje slik in govora, priporočilni sistemi, avtonomna vozila, medicinska diagnostika in številne druge. Z izkoriščanjem moči strojnega učenja lahko organizacije iz podatkov pridobijo dragocene vpoglede in izboljšajo procese odločanja, kar vodi do učinkovitejših in inovativnejših rešitev.

    Kaj je strojno učenje?
A) Področje umetne inteligence, ki strojem omogoča učenje iz podatkov.
B) Metoda za nadzor fizičnih strojev s človeškim vnosom.
C) Programski jezik, ki se uporablja za načrtovanje računalniških čipov.
D) Vrsta programske opreme, ki se uporablja za igranje video iger.
  • 2. Katera od naslednjih možnosti je primer nenadzorovanega učenja?
A) Grozdenje
B) Razvrstitev
C) Drevesa odločanja
D) Linearna regresija
  • 3. Za kaj je odgovorna aktivacijska funkcija v nevronski mreži?
A) Usposabljanje omrežja z uporabo povratnega širjenja.
B) Neposredno pretvarjanje vhoda v izhod.
C) Shranjevanje informacij za prihodnjo uporabo.
D) Uvedba nelinearnosti v omrežje.
  • 4. Kateri algoritem se običajno uporablja za učenje z ojačitvijo?
A) K-Means
B) Naključni gozd
C) Učenje Q
D) SVM
  • 5. Katera metoda se uporablja za zmanjšanje dimenzionalnosti podatkov pri strojnem učenju?
A) Analiza glavnih komponent (PCA)
B) Gradientni spust
C) Naivni Bayes
D) Odločitvena drevesa
  • 6. Kakšna je vloga funkcije izgube pri strojnem učenju?
A) Kvantificira razliko med napovedanimi in dejanskimi vrednostmi.
B) Optimizira model z uporabo povratnega širjenja.
C) Normalizira podatke pred usposabljanjem.
D) Izbere najboljše funkcije za model.
  • 7. Kaj je inženiring funkcij v strojnem učenju?
A) Postopek izbire in preoblikovanja vhodnih funkcij za izboljšanje delovanja modela.
B) Vrednotenje modela z navzkrižnim preverjanjem.
C) Usposabljanje modela brez podatkov.
D) Regularizacija modela za preprečevanje pretiranega prilagajanja.
  • 8. Kakšen je namen meje odločanja v strojnem učenju?
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.
  • 9. Kateri algoritem se običajno uporablja za odkrivanje anomalij v strojnem učenju?
A) Grozdenje K-means
B) SVM (podporni vektorski stroj)
C) Izolacijski gozd
D) Naivni Bayes
  • 10. Katera tehnika se uporablja za obdelavo manjkajočih podatkov pri strojnem učenju?
A) Zanemarjanje manjkajočih podatkov
B) Podvajanje podatkov
C) Pripisovanje
D) Dodajanje šuma v podatke
  • 11. Katera metoda se uporablja za optimizacijo hiperparametrov v modelih strojnega učenja?
A) Naključna izbira hiperparametrov
B) Osredotočanje na en sam hiperparameter
C) Ignoriranje hiperparametrov
D) Iskanje po mreži
  • 12. Katera metoda se pri strojnem učenju uporablja za preprečevanje pretiranega prilagajanja modela?
A) Usposabljanje modela na več podatkih
B) Odstranitev ključnih funkcij
C) Povečanje kompleksnosti modela
D) Regularizacija
  • 13. Kakšen je kompromis med pristranskostjo in varianco pri strojnem učenju?
A) Kompromis med natančnostjo in točnostjo.
B) Ravnotežje med časom usposabljanja in zmogljivostjo modela.
C) Ravnovesje med kompleksnostjo modela in posplošljivostjo.
D) Kompromis med premajhnim in prevelikim prilagajanjem.
  • 14. Katera metoda se uporablja za ocenjevanje uspešnosti modela strojnega učenja?
A) Preverjanje računske zahtevnosti
B) Uporaba samo podatkov za usposabljanje
C) Navzkrižno preverjanje
D) Ugibanje
  • 15. Katera tehnika se uporablja za preprečevanje pretiranega prilagajanja v nevronskih omrežjih?
A) Merjenje obsega funkcij
B) Gradientni spust
C) Izpadli
D) Serijska normalizacija
  • 16. Kateri od naslednjih algoritmov je algoritem nadzorovanega učenja?
A) Drevo odločanja
B) Grozdenje K-means
C) Linearna regresija
D) Analiza glavnih komponent
  • 17. Katera metoda se uporablja za posodabljanje uteži nevronske mreže med učenjem?
A) Serijska normalizacija
B) Zgodnja zaustavitev
C) Naključna inicializacija
D) Backpropagation
  • 18. Kateri algoritem se običajno uporablja za naloge razvrščanja v strojnem učenju?
A) Podporni vektorski stroj (SVM)
B) Linearna regresija
C) Analiza glavnih komponent (PCA)
D) Grozdenje K-means
  • 19. Kateri algoritem se običajno uporablja za obdelavo neuravnoteženih podatkovnih nizov pri strojnem učenju?
A) PCA (analiza glavnih komponent)
B) SMOTE (tehnika sintetičnega manjšinskega presežnega vzorčenja)
C) AdaBoost
D) K-najbližji sosedje (KNN)
  • 20. Katera ocenjevalna metrika se običajno uporablja za klasifikacijske modele?
A) Srednja kvadratna napaka
B) Natančnost
C) Srednja absolutna napaka
D) R-kvadrat
  • 21. Katera vrsta algoritma strojnega učenja je primerna za napovedovanje zvezne vrednosti?
A) Razvrstitev
B) Grozdenje
C) Regresija
D) Zmanjšanje dimenzionalnosti
  • 22. Katera funkcija se običajno uporablja kot funkcija izgube pri linearni regresiji?
A) Navzkrižna entropija
B) Izguba dnevnika
C) Srednja kvadratna napaka (MSE)
D) Korenska srednja kvadratna napaka (RMSE)
Ustvarjeno z That Quiz — stran za ustvarjanje matematičnih testov in testov za druge predmete.