A) Метод управління фізичними машинами за допомогою людського втручання. B) Тип програмного забезпечення, що використовується для гри у відеоігри. C) Мова програмування, що використовується для проектування комп'ютерних мікросхем. D) Галузь штучного інтелекту, яка дозволяє машинам навчатися на основі даних.
A) Кластеризація B) Класифікація C) Дерева рішень D) Лінійна регресія
A) Безпосереднє перетворення вхідних даних у вихідні. B) Зберігання інформації для подальшого використання. C) Навчання мережі за допомогою зворотного поширення. D) Внесення нелінійності в мережу.
A) К-середній показник. B) Випадковий ліс C) Q-Learning D) SVM
A) Дерева рішень B) Градієнтний спуск C) Аналіз головних компонент (PCA) D) Наївний Байєс
A) Вибирає найкращі функції для моделі. B) Нормалізує дані перед тренуванням. C) Оптимізує модель за допомогою зворотного розповсюдження. D) Кількісно визначає різницю між прогнозованими та фактичними значеннями.
A) Регулювання моделі, щоб запобігти надмірному приляганню. B) Оцінка моделі за допомогою перехресної перевірки. C) Навчання моделі без даних. D) Процес вибору та перетворення вхідних даних для покращення продуктивності моделі.
A) Контролювати швидкість навчання моделі. B) Мінімізувати функцію втрат під час тренувань. C) Відокремити різні класи у вхідному просторі. D) Додавання шуму до даних.
A) Баланс між часом навчання та продуктивністю моделі. B) Компроміс між недостатньою та надмірною підгонкою. C) Баланс між складністю моделі та можливістю її узагальнення. D) Компроміс між точністю та акуратністю.
A) Аналіз головних компонент (PCA) B) Кластеризація K-середніх C) Машина опорних векторів (SVM) D) Лінійна регресія
A) Використовуючи лише навчальні дані B) Перехресна перевірка C) Здогадуюсь. D) Перевірка обчислювальної складності
A) Додавання шуму до даних B) Приписування C) Дублювання даних D) Ігнорування відсутніх даних
A) Середня абсолютна похибка B) Точність C) Середня квадратична похибка D) R-квадрат
A) Видалення ключових функцій B) Регулювання C) Збільшення складності моделі D) Навчання моделі на більшій кількості даних
A) Розмноження B) Рання зупинка C) Нормалізація партії D) Випадкова ініціалізація
A) Сітковий пошук B) Фокусування на одному гіперпараметрі C) Ігнорування гіперпараметрів D) Випадковий вибір гіперпараметрів
A) Дерево рішень B) Кластеризація K-середніх C) Лінійна регресія D) Аналіз головних компонент
A) Перехресна ентропія B) Середньоквадратична похибка (RMSE) C) Середньоквадратична похибка (MSE) D) Втрата журналу
A) Регресія B) Зменшення розмірності C) Класифікація D) Кластеризація
A) K-найближчі сусіди (KNN) B) AdaBoost C) PCA (аналіз головних компонент) D) SMOTE (метод надмірної вибірки синтетичної меншини)
A) Кластеризація K-середніх B) SVM (машина опорних векторів) C) Наївний Байєс D) Ізоляційний ліс
A) Нормалізація пакетів B) Відсів C) Градієнтний спуск D) Масштабування функцій |