Gépi tanulás

1. A gépi tanulás a mesterséges intelligencia egyik ága, amely olyan algoritmusok és modellek fejlesztésére összpontosít, amelyek lehetővé teszik a számítógépek számára, hogy tanuljanak és adatok alapján döntsenek. Olyan rendszereket kell létrehozni, amelyek automatikusan tanulhatnak és fejlődhetnek önmagukban anélkül, hogy kifejezetten programoznák őket. A gépi tanulási algoritmusok nagy mennyiségű adatot elemezhetnek, mintákat azonosíthatnak, és minimális emberi beavatkozással előrejelzéseket vagy döntéseket hozhatnak. Ezeket az algoritmusokat különféle alkalmazásokban használják, például kép- és beszédfelismerésben, ajánlórendszerekben, autonóm járművekben, orvosi diagnosztikában és sok másban. A gépi tanulás erejének kihasználásával a szervezetek értékes betekintést nyerhetnek az adatokból, és javíthatják a döntéshozatali folyamatokat, ami hatékonyabb és innovatívabb megoldásokhoz vezet. Mi az a gépi tanulás?

A) Fizikai gépek emberi bevitellel történő vezérlésének módszere.
B) A videojátékokhoz használt szoftver típusa.
C) Számítógépes chipek tervezésére használt programozási nyelv.
D) A mesterséges intelligencia egyik ága, amely lehetővé teszi a gépek számára, hogy tanuljanak az adatokból.

2. Az alábbiak közül melyik példa a felügyelet nélküli tanulásra?

A) Osztályozás
B) Lineáris regresszió
C) Döntési fák
D) Klaszterezés

3. Miért felelős a neurális hálózatban használt aktiválási függvény?

A) A nemlinearitás bevezetése a hálózatba.
B) Információk tárolása későbbi használatra.
C) A bemenet közvetlen konvertálása kimenetté.
D) A hálózat betanítása visszaszaporítással.

4. Milyen algoritmust használnak általában a megerősítő tanuláshoz?

A) Random Forest
B) K-Means
C) Q-Learning
D) SVM

5. Milyen módszerrel csökkenthető az adatok dimenziója a gépi tanulásban?

A) Döntési fák
B) Gradiens Descent
C) Főkomponens-elemzés (PCA)
D) Naiv Bayes

6. Mi a veszteségfüggvény szerepe a gépi tanulásban?

A) Optimalizálja a modellt visszaszaporítással.
B) Számszerűsíti a becsült és a tényleges értékek közötti különbséget.
C) Edzés előtt normalizálja az adatokat.
D) Kiválasztja a modell legjobb tulajdonságait.

7. Mi a funkciótervezés a gépi tanulásban?

A) Modell betanítása adatok nélkül.
B) A modell értékelése keresztellenőrzéssel.
C) A modell rendszerezése a túlillesztés elkerülése érdekében.
D) A bemeneti jellemzők kiválasztásának és átalakításának folyamata a modell teljesítményének javítása érdekében.

8. Mi a célja a döntési határnak a gépi tanulásban?

A) A veszteség funkció minimalizálása edzés közben.
B) Különböző osztályok elkülönítése a beviteli térben.
C) A modell tanulási sebességének szabályozására.
D) Zaj hozzáadásához az adatokhoz.

9. Mi a torzítás-variancia kompromisszuma a gépi tanulásban?

A) A modell összetettsége és az általánosíthatóság egyensúlya.
B) Kompromisszum a pontosság és a precizitás között.
C) Az alul- és túlillesztés közötti kompromisszum.
D) Az edzési idő és a modell teljesítménye közötti egyensúly.

10. Milyen algoritmust használnak általában osztályozási feladatokhoz a gépi tanulásban?

A) Főkomponens-elemzés (PCA)
B) A K-csoportosulást jelent
C) Támogatja a vektorgépet (SVM)
D) Lineáris regresszió

11. Melyik módszert használják a gépi tanulási modell teljesítményének értékelésére?

A) Számítási komplexitás ellenőrzése
B) Keresztellenőrzés
C) Csak edzésadatok használata
D) Találgatás

12. Milyen technikát használnak a hiányzó adatok kezelésére a gépi tanulásban?

A) A hiányzó adatok figyelmen kívül hagyása
B) Imputáció
C) Az adatok megkettőzése
D) Zaj hozzáadása az adatokhoz

13. Melyik értékelési mérőszámot használják általában az osztályozási modellekhez?

A) R-négyzet
B) Átlagos négyzetes hiba
C) Pontosság
D) Átlagos abszolút hiba

14. Milyen módszerrel akadályozzák meg a modell túlillesztését a gépi tanulásban?

A) Szabályozás
B) A modell összetettségének növelése
C) A legfontosabb jellemzők eltávolítása
D) A modell betanítása több adatra

15. Milyen módszerrel frissítik a neurális hálózat súlyait edzés közben?

A) Véletlenszerű inicializálás
B) Kötegelt normalizálás
C) Visszaszaporítás
D) Korai megállás

16. Melyik módszert használják a hiperparaméterek optimalizálására a gépi tanulási modellekben?

A) A hiperparaméterek figyelmen kívül hagyása
B) Rács keresés
C) Hiperparaméterek véletlenszerű kiválasztása
D) Egyetlen hiperparaméterre összpontosítva

17. Az alábbiak közül melyik a felügyelt tanulási algoritmus?

A) Főkomponens analízis
B) Döntési fa
C) Lineáris regresszió
D) K-csoportosulást jelent

18. Melyik függvényt használják általában veszteségfüggvényként a lineáris regresszióban?

A) Log Loss
B) Root Mean Squared Error (RMSE)
C) Keresztentrópia
D) Átlagos négyzetes hiba (MSE)

19. Milyen típusú gépi tanulási algoritmus alkalmas folyamatos érték előrejelzésére?

A) Osztályozás
B) Regresszió
C) Dimenziócsökkentés
D) Klaszterezés

20. Melyik algoritmust használják általában a kiegyensúlyozatlan adatkészletek kezelésére a gépi tanulásban?

A) AdaBoost
B) SMOTE (Synthetic Minority Over-sampling Technique)
C) K-legközelebbi szomszédok (KNN)
D) PCA (főkomponens-elemzés)

21. Melyik algoritmust használják általánosan anomáliák észlelésére a gépi tanulásban?

A) SVM (Support Vector Machine)
B) Naiv Bayes
C) Elszigetelő erdő
D) A K-csoportosulást jelent

22. Milyen technikát alkalmaznak a neurális hálózatok túlillesztésének megelőzésére?

A) Kidobni
B) Kötegelt normalizálás
C) Funkció méretezése
D) Gradiens Descent

Létrehozva That Quiz — a matematika teszt generáló webhely más tantárgyi forrásokkal.