3. Какие из перечисленных компонентов НЕ относятся к машинному обучению?
4. Упорядочите шаги в процессе подготовки данных:
5. Сегодня данные нужны бизнесу, чтобы:
6. Соотнесите в верном соответствии термины и определения:
7. Что включает в себя компонент «модели» в машинном обучении?
8. К направлению……… , Data Science относится задача “Разработка архитектуры хранилища данных”
9. Упорядочите этапы разработки ML-проекта:
10. ……… — это вид машинного обучения, основанный на использовании только неразмеченных данных
11. Соотнесите в верном соответствии термины и определения:
12. …….. — это вид машинного обучения, основанный на использовании только размеченных данных?
13. Соотнесите в верном соответствии термины и определения:
14. Что означает «unsupervised learning»?
15. Принцип ………. используется в weakly-supervised learning для обработки данных
16. Процесс оценки эффективности модели на тестовых данных называется ……
17. ……….. — это математическое или компьютерное представление процесса или явления, которое помогает прогнозировать результаты и проводить эксперименты.
18. Выберите правильные утверждения:
19. Соотнесите в верном соответствии термины и определения:
20. При использовании техники …… , модели учатся находить структуры в данных без направляющего сигнала
21. Упорядочите типы задач машинного обучения по уровню сложности:
22. Этап разработки ML-проекта включающий в себя сбор и подготовку данных называется …..
23. Какие данные являются структурированными?
24. Соотнесите в верном соответствии термины и определения:
25. В чем отличие между машинным обучением, нейронными сетями и глубоким обучением?
26. Данный вид обучения …….. , наиболее эффективен для работы с большими объемами неразмеченных данных
27. Упорядочите методы предварительной обработки данных:
28. Выберите верные утверждения:
29. Термин ……… описывает выбор алгоритмов и методов для конкретной задачи в ML-проекте
30. В чем отличие между обучением с учителем, обучением без учителя и обучением с частичным привлечением учителя?
