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