Powtórzenie: Artificial Intelligence_aka_szogun

Język angielski, powtórzenie. 50 pytań.

1. Aglomeracyjne metody klasteryzacji polegają na:
b. przyrostowym budowaniu klastrów poprzez dodawanie sąsiednich punktów
2. Pojęcie tensora występujące często w dziedzinie uczenia głębokiego oznacza:
d. uogólnienie pojęcia macierzy na wiele wymiarów
3. Algorytmy genetyczne (ewolucyjne) służą generalnie do realizacji zadań:
d. optymalizacji
4. Wskaż metodę NIEPRZYDATNĄ w rozwiązywaniu zadań predykcyjnych:
a. algorytm k-średnich
5. Technika k-krotnej walidacji krzyżowej służy do:
b. uniknięcia tendencyjności w ocenie jakości modelu
6. Algorytm aglomeracyjny rozpoczyna proces analizy od stanu, w którym:
d. każdy obiekt tworzy osobne skupienie
7. Argumentem funkcji aktywacji neuronu typu RBF jest
d. odległość wektorów: wejściowego x i wag w
8. W pewnym problemie eksploracji danych zmienna wyjściowa (zależna) przyjmuje 3 możliwe wartości: "biały","czerwony", "niebieski". Dany problem zaliczamy do zadań:
a. klasyfikacji wzorcowej
9. Iloczyn skalarny wektora cech z pewnym wektorem wag można traktować jako formę:
c. regresji liniowej
10. Końcowe trzy etapy eksploracji danych w metodologii CRISP-DM to KOLEJNO:
b. Modelowanie - Ewaluacja - Wdrożenie
11. Istotną WADĄ sieci neuronowych jako modeli eksploracji danych jest:
a. brak zdolności wyjaśniania (uzasadniania) wygenerowanych odpowiedzi
12. Hiperparametrami modelu nazywa się parametry, które:
d. sterują przebiegiem procesu uczenia modelu
13. Metoda wzmacniania gradientowego (gradient boosting) służy do:
c. budowania mocnego modelu złożonego z wielu słabszych modeli
14. Aby wyeliminować tzw. efekt przeuczenia sieci neuronowej (uczenie nadzorowane), należy uznać za optymalny (ostateczny) zbiór wartości wag, otrzymany w momencie:
d. minimum błędu dla ciągu walidacyjnego
15. Klasyczny (perceptronowy) model neuronu posiada dwa wejścia o wagach w1=1, w2=2, na które podano odpowiednio sygnały x1=−1, x2=+1. Funkcja aktywacji jest funkcją liniową postaci y=2x. Sygnał wyjściowy neuronu wynosi:
b. 2
16. Na etapie wstępnej eksploracyjnej analizy danych najmniej przydatne jest:
a. wygenerowanie histogramów zmiennych ciągłych
17. Wskaż drugi algorytm (metodę), który służy do rozwiązywania tego samego typu problemów eksploracji danych, co algorytm k-najbliższych sąsiadów:
b. algorytm CART (drzewa klasyfikacyjne i regresyjne)
18. Sieć neuronowa Kohonena (SOM) generalnie jest przeznaczona do realizacji:
d. klasyfikacji bezwzorcowej (grupowania)
19. Problem klasyfikacyjny mozna zamienic na problem regresyjny poprzez:
a. zamianę zmiennych kategorycznych na ciągłe
20. Poszukiwanie zbiorów częstych jest pierwszym etapem:
a. algorytmu A priori

Inne tryby nauki

Możesz wyświetlić pytania w formie Testu, Testu z odpowiedziami lub Fiszek.