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) Számítógépes chipek tervezésére használt programozási nyelv.
B) A videojátékokhoz használt szoftver típusa.
C) Fizikai gépek emberi bevitellel történő vezérlésének módszere.
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) Klaszterezés
B) Lineáris regresszió
C) Döntési fák
D) Osztályozás

3. Miért felelős a neurális hálózatban használt aktiválási függvény?

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

4. Milyen algoritmust használnak általában a megerősítő tanuláshoz?

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

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

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

6. Mi a veszteségfüggvény szerepe a gépi tanulásban?

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

7. Mi a funkciótervezés a gépi tanulásban?

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

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) Zaj hozzáadásához az adatokhoz.
D) A modell tanulási sebességének szabályozására.

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

A) A modell összetettsége és az általánosíthatóság egyensúlya.
B) Az alul- és túlillesztés közötti kompromisszum.
C) Kompromisszum a pontosság és a precizitás között.
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) Lineáris regresszió
C) Támogatja a vektorgépet (SVM)
D) A K-csoportosulást jelent

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

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

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

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

13. Melyik értékelési mérőszámot használják általában az osztályozási modellekhez?

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

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

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

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

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

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

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

17. Az alábbiak közül melyik a felügyelt tanulási algoritmus?

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

18. Melyik függvényt használják általában veszteségfüggvényként a lineáris regresszióban?

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

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

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

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

A) SMOTE (Synthetic Minority Over-sampling Technique)
B) AdaBoost
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) Kötegelt normalizálás
B) Funkció méretezése
C) Gradiens Descent
D) Kidobni

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