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