Hluboké učení FacebookTwitterPinterestLinkedinStumbleuponVKontakteDeliciousWeiboWhatsapp /20 2 1234567891011121314151617181920 Hluboké učení Tento kvíz se zaměřuje na hluboké učení, jednu z nejdůležitějších oblastí strojového učení a umělé inteligence. Kvíz se skládá z 20 otázek, které pokrývají různé aspekty hlubokého učení, včetně základních pojmů, metod, architektur neuronových sítí a algoritmů. Otázky se zaměřují na rozšířené metody a techniky, jako jsou konvoluční a rekurentní neuronové sítě, autoencodery, generativní adversariální sítě a techniky optimalizace, jako je gradientní sestup a zpětná propagace. Tento kvíz je ideální pro studenty, odborníky v oboru i nadšence, kteří chtějí prověřit a prohloubit své znalosti hlubokého učení. 1 / 20 Která z následujících technik není součástí hlubokého učení? Autoenkodéry Algoritmus rojové optimalizace Rekurentní neuronové sítě (RNN) Generativní konkurenční sítě (GAN) 2 / 20 Jaký je hlavní rozdíl mezi dávkovým (batch) a stochastickým gradientním sestupem? Dávkový gradientní sestup je pouze použitelný pro konvoluční neuronové sítě Stochastický gradientní sestup je pouze použitelný pro rekurentní neuronové sítě Dávkový gradientní sestup je rychlejší než stochastický gradientní sestup Dávkový gradientní sestup aktualizuje váhy po každém průchodu celým tréninkovým souborem, zatímco stochastický gradientní sestup aktualizuje váhy po každém jednotlivém vzorku tréninkových dat 3 / 20 Co je to backpropagation (zpětná propagace)? Proces, kterým se určuje optimální architektura neuronové sítě Proces, kterým se zvyšuje výkon neuronové sítě přidáním nových vrstev Proces, kterým se aktualizují váhy v neuronové síti pomocí gradientního sestupu Proces, kterým se snižuje počet vrstev v neuronové síti 4 / 20 Co je základní jednotkou rekurentní neuronové sítě (RNN)? GRU buňka Rekurentní vrstva LSTM buňka Perceptron 5 / 20 Co je to generativní adversariální síť (GAN)? Dvě konkurenční neuronové sítě, které spolupracují na generování nových vzorků dat Neuronová síť, která generuje reklamní materiály Neuronová síť, která rozpoznává obraz Neuronová síť, která optimalizuje webové stránky 6 / 20 Co znamená termín "overfitting" (přeučení) v kontextu hlubokého učení? Neuronová síť se nedokáže dostatečně přizpůsobit tréninkovým datům Neuronová síť trénuje příliš pomalu Neuronová síť se příliš dobře přizpůsobí tréninkovým datům a ztrácí schopnost generalizace Neuronová síť má příliš mnoho vrstev 7 / 20 Co je to autoencoder? Neuronová síť, která generuje nové vzorky dat Neuronová síť, která komprimuje a následně dekomprimuje data Neuronová síť, která předpovídá časové řady Neuronová síť, která rozpoznává obraz 8 / 20 Jaký druh neuronové sítě je často používán pro rozpoznávání obrazu a analýzu obrazových dat? Rekurentní neuronové sítě (RNN) Konvoluční neuronové sítě (CNN) Hopfieldovy sítě Restricted Boltzmann Machines (RBM) 9 / 20 Co je hlavním cílem hlubokého učení? Aproximovat komplexní funkce pomocí tréninku Automatizovat manuální úkoly Simulovat lidský mozek Vytvářet nové programovací jazyky 10 / 20 Co je hluboké učení? Programovací jazyk Proces získávání dat z různých zdrojů Systém indexování webových stránek Metoda strojového učení založená na neuronových sítích 11 / 20 Co je aktivace ReLU (Rectified Linear Unit)? Druh neuronové sítě Aktivační funkce používaná v hlubokých neuronových sítích Technika pro zvýšení rychlosti tréninku Metoda optimalizace vah neuronové sítě 12 / 20 Jaký je hlavní rozdíl mezi učením s učitelem (supervised learning) a učením bez učitele (unsupervised learning)? Učení s učitelem vyžaduje značkování tréninkových dat Učení s učitelem vyžaduje velké množství dat Učení s učitelem a bez učitele jsou stejné Učení bez učitele vyžaduje značkování tréninkových dat 13 / 20 Co je transfer learning v kontextu hlubokého učení? Přenos dat mezi neuronovými sítěmi Metoda tréninku sítě na základě vzorů Algoritmus pro přenos váhy z jedné sítě do druhé Metoda, která umožňuje sítím rychleji se učit nové úkoly 14 / 20 Co je backpropagation (zpětná propagace)? Algoritmus pro optimalizaci vah neuronové sítě Technika pro rychlé učení sítě Technika pro zpracování obrazu Algoritmus pro trénink neuronových sítí 15 / 20 Co je dropout v kontextu hlubokého učení? Technika pro zamezení přeučení sítě Přerušení spojení mezi vrstvami neuronové sítě Chybová zpráva při selhání tréninku Ztráta informací při přenosu dat 16 / 20 Co znamená termín "vanishing gradient" (mizející gradient) v kontextu hlubokého učení? Rychlost tréninku se zvyšuje s každou iterací Gradient chybové funkce se zvětšuje u hlubších vrstev sítě Gradient se ztrácí při přenosu dat mezi vrstvami Gradient chybové funkce se blíží nule u hlubších vrstev sítě 17 / 20 Jaký je hlavní účel konvolučních neuronových sítí (CNN)? Predikce časových řad Řešení optimalizačních problémů Generování textu Analýza a rozpoznávání obrazu 18 / 20 Co je hlavním účelem rekurentních neuronových sítí (RNN)? Řešení optimalizačních problémů Rozpoznávání obrazu Klíčení textu Predikce časových řad a zpracování sekvencí dat 19 / 20 Co je to "dropout" v kontextu hlubokého učení? Metoda pro zvyšování výkonu sítě přidáním nových vrstev Metoda, která zvyšuje rychlost učení sítě Metoda pro úsporu paměti při tréninku neuronových sítí Metoda pro snížení overfittingu, která náhodně vypíná některé neurony během tréninku 20 / 20 Který z následujících je nejznámější algoritmus pro trénink hlubokých neuronových sítí? Algoritmus zpětného šíření chyby (Backpropagation) Algoritmus hromadného učení Genetický algoritmus Algoritmus včely Vaše skóre je LinkedIn Facebook Twitter VKontakte 0% Restartování kvízu Odeslat zpětnou vazbu [bsa_pro_ad_space id=7] FacebookTwitterPinterestLinkedinStumbleuponVKontakteDeliciousWeiboWhatsapp