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