A) Навчання без нагляду. B) Навчання під наглядом. C) Навчання з підкріпленням. D) Напівконтрольоване навчання.
A) Мережева безпека. B) Розпізнавання та класифікація образів. C) Написання коду. D) Зберігання даних.
A) Модель, яка швидше навчається. B) Модель без параметрів. C) Занадто складна модель, яка погано працює на нових даних. D) Модель, яка добре узагальнює.
A) K- означає кластеризацію. B) Генетичні алгоритми. C) Машини опорних векторів. D) Градієнтний спуск.
A) Вивчати поведінку шляхом спроб і помилок. B) Для оптимізації лінійних рівнянь. C) Зіставити вхідні дані з вихідними безпосередньо. D) Класифікувати дані за категоріями.
A) Швидкість обробки даних на комп'ютері. B) Здатність машини демонструвати інтелектуальну поведінку, еквівалентну людській. C) Обсяг пам'яті комп'ютера. D) Енергоспоживання системи.
A) Потребує менше даних, ніж традиційні методи. B) Краще працює з невеликими наборами даних. C) Легше реалізувати, ніж стандартні алгоритми. D) Можливість автоматично вивчати функції на основі даних.
A) "К" означає "К". B) Лінійна регресія. C) Випадкові ліси. D) Дерева рішень.
A) Шифрування даних для безпеки. B) Зберігання великих обсягів даних у базах даних. C) Вилучення шаблонів та інформації з великих наборів даних. D) Очищення даних для аналізу.
A) Згорткові нейронні мережі (CNN). B) Радіальні базисні мережі функцій. C) Прямі нейронні мережі. D) Рекурентні нейронні мережі (RNN).
A) Дані, які занадто малі для аналізу. B) Великі та складні набори даних, для обробки яких потрібні передові інструменти. C) Приватні дані користувачів, зібрані додатками. D) Дані зберігаються в реляційній базі даних.
A) Геометричні перетворення. B) Статистичні моделі. C) Будова та функції людського мозку. D) Інтернет.
A) Переодягання B) Затримка C) Пропускна здатність D) Пропускна здатність
A) Лінійна регресія. B) Генетичні алгоритми. C) K- означає кластеризацію. D) Навчання з підкріпленням.
A) Занадто великий суспільний інтерес. B) Апаратні обмеження. C) Єдині стандарти кодування. D) Упередженість даних та алгоритмів.
A) Базові арифметичні розрахунки. B) Обробка текстів. C) Електронні таблиці. D) Обробка природної мови.
A) Максимізація обсягу набору даних. B) Мінімізація відстані між усіма точками. C) Використання глибинного навчання для класифікації. D) Пошук гіперплощини, яка найкраще розділяє точки даних.
A) Моделювання методом Монте-Карло B) Генетичні алгоритми C) Дерева рішень D) Градієнтний спуск
A) Scikit-learn. B) Фляга. C) Прекрасний суп. D) Гра в піжмурки.
A) Щоб зробити моделей щасливішими. B) Оцінити роботу моделі під час навчання. C) Замінити тестові набори. D) Збільшити обсяг навчальних даних.
A) HTML. B) Пітон. C) Асамблея. D) C++.
A) Переносить моделі з одного набору даних на інший без змін. B) Переміщує програмні додатки між платформами. C) Використовує знання, отримані при виконанні одного завдання, для покращення результатів при виконанні пов'язаного завдання. D) Передає дані між різними користувачами.
A) TensorFlow B) Windows C) MySQL D) Git
A) Ентропія B) Відхилення C) Пропускна здатність D) Точність
A) Прогнозування B) Регресія C) Кластеризація D) Класифікація
A) Машина опорних векторів. B) Q-навчання. C) K- означає кластеризацію. D) Лінійна регресія.
A) Виживання найбільш пристосованих шляхом еволюції. B) Апроксимація функцій. C) Ітерація через випадкову вибірку. D) Сортування за допомогою швидкого сортування. |