💯 Основы искусственного интеллекта.ои(sa) — ответы на тест Синергия / МОИ / МТИ / МосАП
Теории и системы искусственного интеллекта > Основы искусственного интеллекта
- правильные ответы на все вопросы из теста по данной дисциплине
- вопросы отсортированы в лексикографическом порядке
Основы искусственного интеллекта.ои(sa)
- Введение в ML
- Практические задания для самостоятельного выполнения 1
- Постановка задачи ML
- Практические задания для самостоятельного выполнения 2
- Классические алгоритмы ML. 1 часть
- Практические задания для самостоятельного выполнения 3
- Классические алгоритмы ML. 2 часть
- Практические задания для самостоятельного выполнения 4
- Метрика качества и работа с признаками
- Практические задания для самостоятельного выполнения 5
- Основы NLP
- Практические задания для самостоятельного выполнения 6
- Векторные представления слов
- Практические задания для самостоятельного выполнения 7
- Рекомендательные системы. Часть 1
- Практические задания для самостоятельного выполнения 8
- Рекомендательные системы. Часть 2
- Практические задания для самостоятельного выполнения 9
- Нейронные сети
- Практические задания для самостоятельного выполнения 10
- Компьютерное зрение
- Практические задания для самостоятельного выполнения 11
- Заключение
В каком случае метрика accuracy будет репрезентативной
Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов
- Когда все виды ошибок имеют для нас одинаковую важность, и может быть дисбаланс классов
- Когда все виды ошибок имеют для нас одинаковую важность, но дисбаланса классов быть не должно
- Когда дисбаланс классов может быть, и ошибки могут иметь любое соотношение важности
Выберете верное утверждение:
Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов
- Для линейной регрессии возможно аналитически найти решение задачи минимизации эмпирического риска только в одномерном случае
- Линейная регрессия допускает аналитическое решение задачи минимизации суммы квадратов расстояния от предсказанных меток до верных ответов в случае любой размерности
- Для линейной регрессии не существует решения задачи минимизации эмпирического риска
Выберете верное утверждение:
Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов
- Логистическая регрессия решает задачу регрессии
- Логистическая регрессия нужна для поиска оптимальных маршрутов грузоперевозок
- Логистическая регрессия решает задачу классификации
Градиентный бустинг - это:
Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов
- Усиление обобщающей способности модели посредством использования нескольких градиентных методов оптимизации
- Композиционный алгоритм (обычно над решающими деревьями), основанный на идее построения нового элемента композиции на каждой итерации таким образом, что следующее приближение вектора ответов алгоритма отличается от текущего на градиент ошибки
- Композиционный алгоритм над решающими деревьями, основанный на идее голосования классификаторов, проводимого особым способом, с приписыванием константных весов каждому классификатору
Если мы предсказываем средние затраты на обслуживание машины, то максимальная скорость разгона машины – это
Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов
- Бинарный признак
- Непрерывный признак
- Номинальный признак
Если мы предсказываем среднюю стоимость машины в зависимости от ее класса, то класс представляет собой
Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов
- Бинарный признак
- Непрерывный признак
- Категориальный признак
Задача автоматического выделения похожих новостных статей без размеченной выборки – это задача
Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов
- Регрессии
- Бинарной классификации
- Кластеризации
Задача автоматической идентификации марки машины по ее изображению – это задача
Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов
- Регрессии
- Бинарной классификации
- Многоклассовой классификации
Задача классификации – это задача
Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов
- Обучения с учителем
- Обучения без учителя
- Обучения с подкреплением
Задача понижения размерности признакового пространства – это задача
Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов
- Обучения с учителем
- Обучения без учителя
- Обучения с подкреплением
Задачу машинного обучения можно представить в виде последовательности выполнения действий по выбору оптимальной решающей функции f из многопараметрического семейства F. Выбор модели машинного обучения происходит на этапе:
Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов
- Выбора семейства F
- Оценки качества выбранной функции f из семейства F
- Поиска наилучшей функции из семейства F
Задачу машинного обучения можно представить в виде последовательности выполнения действий по выбору оптимальной решающей функции f из многопараметрического семейства F. Задача обучения сводится к задаче оптимизации на этапе:
Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов
- Выбора семейства F
- Оценки качества выбранной функции f из семейства F
- Поиска наилучшей функции из семейства F
Метод опорных векторов (Support Vectors Machine, SVM):
Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов
- Строит оптимальную разделяющую гиперплоскость, максимизируя ширину полосы между двумя классами
- Аппроксимирует искомую функцию, обучаясь при помощи градиентных методов, решает задачу регрессии
- Проводит гиперповерхность, минимизируя сумму квадратов расстояний элементов обучающей выборки до этой гиперповерхности
Метод K-Means - Это :
Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов
- Метрический метод классификации, основанный на усреднении расстояний до k ближайших соседей
- Метод кластеризации
- Метод валидации модели, основанный на усреднении ошибки по к прогонам модели на тестовых данных
Недостатки k-means:
Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов
- Необходимость подбирать k, неустойчивость от выбора начального приближения центров кластеров
- Неинтерпретируемость
- Плохое качество работы
Обучение с учителем характеризуется
Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов
- Целью обучить агента принимать оптимальные решения в среде
- Отсутствием размеченной выборки
- Наличием размеченной выборки
Процедура LearnID3 состоит в:
Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов
- Последовательном построении решающего дерева посредством поиска предиката с максимальной информативностью на каждом шаге и разделении обучающей выборки на две части по этому предикату до тех пор, пока не будет достигнуто нужное число вершин в дереве
- Последовательном построении решающего дерева посредством разбиения обучающей выборки на случайные подвыборки с сохранением отношения числа элементов одного класса к числу элементов другого класса
- В индексации вершин решающего дерева особым способом
- В особом способе полива тропических растений в наших широтах
Решающие деревья обладают следующими свойствами:
Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов
- Плохо интерпретируются, чувствительны к шуму, иногда отказывают в классификации данных
- Строят разделяющую гиперплоскость, не чувствительны к шуму, не переобучаются
- Легко обрабатывают пропуски данных, хорошо интерпретируются, исключают отказы классификации, обрабатывают разнотипные и неотмасштабированные данные
- Способны решать лишь задачу регрессии
Случайный лес – это:
Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов
- Составление композиционного алгоритма при помощи подбора случайных алгоритмов машинного обучения и их последующего голосования
- Композиционный алгоритм (обычно над решающими деревьями), основанный на идее построения нового элемента композиции на каждой итерации таким образом, что следующее приближение вектора ответов алгоритма отличается от текущего на градиент ошибки
- Метод голосования решающих деревьев, каждое из которых было обучено на собственной подвыборке объектов и подвыборке признаков
Эмпирический риск вводится исходя из предположения, что
Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов
- Оценка качества работы алгоритма на обучающей выборке примерно совпадает с ожидаемым качеством работы алгоритма вне ее
- Обучающая выборка выбрана из нормального распределения по всем признакам
- Оценка риска только на обучающей выборке – более правильный подход, чем оценка риска на всех возможных данных
