ThatQuiz Бібліотека тестів Виконайте цей тест зараз
Інформатика штучного інтелекту
Поширений: Бондаренко
  • 1. Комп'ютерні науки про штучний інтелект (ШІ) охоплюють широку і складну галузь, присвячену розробці алгоритмів і систем, які дозволяють машинам імітувати когнітивні функції людини. За своєю суттю ШІ спирається на різні дисципліни, включаючи математику, статистику, комп'ютерні науки та когнітивну психологію, для створення систем, які можуть навчатися, міркувати та адаптуватися. Фундаментальні концепції, такі як машинне навчання, коли алгоритми навчаються на даних, щоб робити прогнози або приймати рішення, і нейронні мережі, натхненні структурою і функціями людського мозку, служать наріжними каменями сучасних досліджень ШІ. Крім того, обробка природної мови дозволяє комп'ютерам розуміти і генерувати людську мову, полегшуючи взаємодію між людьми і машинами. Ця галузь також досліджує робототехніку, де ШІ інтегрується у фізичні системи для автономного виконання завдань, і комп'ютерний зір, що дозволяє машинам інтерпретувати і приймати рішення на основі візуального введення. Використовуючи такі методи, як глибоке навчання, навчання з підкріпленням і контрольоване навчання, дослідники продовжують розширювати межі можливого, що призводить до прогресу в різних сферах - від автономних транспортних засобів до медичної діагностики. Оскільки системи штучного інтелекту стають дедалі складнішими та інтегруються в різні аспекти життя суспільства, етичні міркування щодо справедливості, підзвітності та прозорості також привертають увагу, гарантуючи, що розвиток технології штучного інтелекту піде на користь людству в цілому.

    Який тип навчання передбачає навчання моделі на маркованому наборі даних?
A) Навчання з підкріпленням.
B) Навчання під наглядом.
C) Навчання без нагляду.
D) Напівконтрольоване навчання.
  • 2. Для чого в першу чергу використовується нейронна мережа?
A) Мережева безпека.
B) Зберігання даних.
C) Написання коду.
D) Розпізнавання та класифікація образів.
  • 3. Що означає "надмірна пристосованість" в контексті машинного навчання?
A) Модель, яка швидше навчається.
B) Модель, яка добре узагальнює.
C) Занадто складна модель, яка погано працює на нових даних.
D) Модель без параметрів.
  • 4. Який алгоритм найчастіше використовується для задач класифікації?
A) Машини опорних векторів.
B) Генетичні алгоритми.
C) K- означає кластеризацію.
D) Градієнтний спуск.
  • 5. Яка мета навчання з підкріпленням?
A) Для оптимізації лінійних рівнянь.
B) Зіставити вхідні дані з вихідними безпосередньо.
C) Вивчати поведінку шляхом спроб і помилок.
D) Класифікувати дані за категоріями.
  • 6. Що вимірює "тест Тюрінга"?
A) Здатність машини демонструвати інтелектуальну поведінку, еквівалентну людській.
B) Енергоспоживання системи.
C) Обсяг пам'яті комп'ютера.
D) Швидкість обробки даних на комп'ютері.
  • 7. У чому головна перевага глибокого навчання?
A) Краще працює з невеликими наборами даних.
B) Потребує менше даних, ніж традиційні методи.
C) Легше реалізувати, ніж стандартні алгоритми.
D) Можливість автоматично вивчати функції на основі даних.
  • 8. Що з наведеного нижче є алгоритмом кластеризації?
A) Випадкові ліси.
B) "К" означає "К".
C) Лінійна регресія.
D) Дерева рішень.
  • 9. Що таке "інтелектуальний аналіз даних" у контексті ШІ?
A) Зберігання великих обсягів даних у базах даних.
B) Вилучення шаблонів та інформації з великих наборів даних.
C) Очищення даних для аналізу.
D) Шифрування даних для безпеки.
  • 10. Який тип нейронної мережі найкраще підходить для розпізнавання зображень?
A) Згорткові нейронні мережі (CNN).
B) Прямі нейронні мережі.
C) Радіальні базисні мережі функцій.
D) Рекурентні нейронні мережі (RNN).
  • 11. Що таке "великі дані"?
A) Дані, які занадто малі для аналізу.
B) Приватні дані користувачів, зібрані додатками.
C) Великі та складні набори даних, для обробки яких потрібні передові інструменти.
D) Дані зберігаються в реляційній базі даних.
  • 12. Чим надихається штучна нейронна мережа?
A) Будова та функції людського мозку.
B) Статистичні моделі.
C) Геометричні перетворення.
D) Інтернет.
  • 13. Яке поняття є ключовим для розуміння машинного навчання?
A) Пропускна здатність
B) Переодягання
C) Затримка
D) Пропускна здатність
  • 14. Який алгоритм зазвичай використовується в навчанні під наглядом?
A) Лінійна регресія.
B) Генетичні алгоритми.
C) Навчання з підкріпленням.
D) K- означає кластеризацію.
  • 15. У чому полягає основний виклик у сфері ШІ?
A) Єдині стандарти кодування.
B) Занадто великий суспільний інтерес.
C) Упередженість даних та алгоритмів.
D) Апаратні обмеження.
  • 16. Що з цього є найпоширенішим застосуванням ШІ?
A) Електронні таблиці.
B) Обробка природної мови.
C) Обробка текстів.
D) Базові арифметичні розрахунки.
  • 17. Який принцип лежить в основі машин опорних векторів?
A) Мінімізація відстані між усіма точками.
B) Використання глибинного навчання для класифікації.
C) Пошук гіперплощини, яка найкраще розділяє точки даних.
D) Максимізація обсягу набору даних.
  • 18. Який алгоритм найчастіше використовується для задач класифікації?
A) Градієнтний спуск
B) Моделювання методом Монте-Карло
C) Генетичні алгоритми
D) Дерева рішень
  • 19. Яка популярна бібліотека для машинного навчання на Python?
A) Фляга.
B) Прекрасний суп.
C) Гра в піжмурки.
D) Scikit-learn.
  • 20. У чому перевага використання набору для валідації?
A) Оцінити роботу моделі під час навчання.
B) Щоб зробити моделей щасливішими.
C) Збільшити обсяг навчальних даних.
D) Замінити тестові набори.
  • 21. Яка з наведених нижче мов є популярною мовою програмування для ШІ?
A) HTML.
B) Пітон.
C) C++.
D) Асамблея.
  • 22. Що робить "трансферне навчання"?
A) Переміщує програмні додатки між платформами.
B) Переносить моделі з одного набору даних на інший без змін.
C) Передає дані між різними користувачами.
D) Використовує знання, отримані при виконанні одного завдання, для покращення результатів при виконанні пов'язаного завдання.
  • 23. Що з цього є фреймворком глибокого навчання?
A) MySQL
B) Git
C) TensorFlow
D) Windows
  • 24. Яка загальна метрика оцінки для моделей класифікації?
A) Точність
B) Ентропія
C) Відхилення
D) Пропускна здатність
  • 25. Наведіть приклад неконтрольованого навчання?
A) Кластеризація
B) Класифікація
C) Прогнозування
D) Регресія
  • 26. Що з цього є алгоритмом навчання з підкріпленням?
A) K- означає кластеризацію.
B) Q-навчання.
C) Лінійна регресія.
D) Машина опорних векторів.
  • 27. Який ключовий принцип лежить в основі генетичних алгоритмів?
A) Сортування за допомогою швидкого сортування.
B) Ітерація через випадкову вибірку.
C) Виживання найбільш пристосованих шляхом еволюції.
D) Апроксимація функцій.
Створено з That Quiz — сайт для створення тестів і оцінювання з математики та інших предметів.