1. Ваша компания разрабатывает систему распознавания рукописного текста с помощью нейронных сетей. Вы получили новый набор данных, который содержит изображения рукописных цифр (от 0 до 9) написанных разными людьми. Ваша задача — обучить нейросеть распознавать эти цифры с максимальной точностью. Какую архитектуру нейронной сети Вы выберете для решения данной задачи?
2. Вы разрабатываете модель нейронной сети для классификации изображений на два класса: собаки и кошки. Вам даны 10000 изображений собак и 10000 изображений кошек для обучения модели. Вы решаете использовать сверточную нейронную сеть для этой задачи. Какие преимущества сверточных нейронных сетей делают их хорошим выбором для задачи классификации изображений?
3. Вы являетесь разработчиком компании, которая занимается разработкой рекомендательной системы для онлайн-магазина. Заказчик просит вас улучшить текущую систему, чтобы она стала более точной в предлагаемых рекомендациях. Какой подход Вы выберете для этой задачи?
4. Вы разрабатываете нейронную сеть для классификации изображений с помощью библиотеки TensorFlow. Вам необходимо выбрать функцию активации для скрытых слоев нейронной сети. Какую функцию активации Вы выберете и почему?
5. Вы работаете в компании по разработке программного обеспечения для распознавания изображений. Вашей задачей является выбрать подходящую модель нейронной сети для классификации изображений. Вам предоставлены следующие варианты моделей:
Рекуррентная нейронная сеть (RNN) Сверточная нейронная сеть (CNN) Генеративно-состязательная нейронная сеть (GAN)
Какую модель нейронной сети Вы выберете?
6. Вы работаете в компании, специализирующейся на разработке системы распознавания объектов на изображениях с помощью сверточных нейронных сетейВам предоставлен набор изображений, на которых изображены животные. Вам нужно настроить сверточную нейронную сеть для классификации изображений на следующие категории: собаки, кошки и птицы. Выберете верный ответ среди трех вариантов.
7. Вы являетесь разработчиком нейронной сети для распознавания изображений. Ваша нейронная сеть имеет слишком высокую вычислительную сложность и требует много ресурсов для обучения и работы. Какую оптимизацию. Вы можете предложить для улучшения производительности нейросети?
8. Вы разрабатываете нейронную сеть для классификации изображений. Вам нужно улучшить ее производительность, чтобы сократить время обучения и повысить точность предсказаний. Какой из следующих подходов наиболее вероятно приведет к оптимизации нейросети?
9. Вы разрабатываете проект, связанный с обработкой и анализом большого объема данных с использованием нейросетей. Для этого вам необходимо выбрать подходящую библиотеку для работы с нейросетями. Какую библиотеку Вы будете использовать?
10. Вы работаете в аналитической компании и вам поручено разработать модель нейросети для классификации изображений на два класса: кошки и собаки. Выберете подходящую библиотеку для работы с нейронными сетями.
11. Вы работаете над проектом по анализу тональности текстовых отзывов. Выберете подходящую модель для работы с последовательностями и примите решение по использованию реккурентной нейронной сети.
12. Вы являетесь инженером в команде по разработке искусственного интеллекта. Вам поручили создать реккурентную нейронную сеть, способную генерировать текст на основе последовательностей слов. Для тестирования вашей модели, вам нужно придумать ситуационное задание. Вам дан набор данных, состоящий из последовательностей слов, описывающих праздничное настроение. Обучите реккурентную нейронную сеть на этом наборе данных, чтобы она могла генерировать новые фразы, подобные описанию праздничного настроения.
13. Вы являетесь тренером спортивной команды и хотите научить свою команду исполнять определенную комбинацию движений. Вы решили использовать метод обучения с подкреплением, чтобы максимизировать результаты. Вам известно, что тренировочный процесс будет состоять из трех этапов: объяснение комбинации движений, демонстрация и исполнение каждым членом команды, а после каждой попытки команда будет получать положительное или отрицательное подкрепление в зависимости от того, насколько близко они выполнили комбинацию. Какое подкрепление (вознаграждение или штраф) следует использовать после каждой попытки выполнения комбинации движений?
14. Воображайте, что вы разрабатываете алгоритм управления автономным роботом, который должен доставить посылку от точки A до точки B в здании. Робот должен эффективно найти кратчайший путь, минуя препятствия и осуществив доставку в минимальное время. Разработайте алгоритм управления роботом
15. … подается на вход сверточным нейронным сетям
16. … надо получить на выходе сверточных нейронных сетей
17. … использовалась в данном случае
18. … является наградой в этой игре
19. Результатом работы системы, использующей обученную нейронную сеть, является то, что система может …
20. … требовалось для достижения этого прорыва
21. Сопоставьте понятия и их описания:
22. Упорядочите следующие шаги при использовании алгоритма Policy Gradients для обучения модели:
23. Алгоритмы обучения … — для таких алгоритмов не нужно собирать базы данных
24. … — виртуальный мир, в котором существует наш Агент и своими действиями может менять его состояние
25. Вы разрабатываете алгоритм для управления роботом-пылесосом в помещении. Цель алгоритма — максимально эффективно убирать помещение, избегая столкновений со стенами и предметами. Выберете подходящий метод обучения с подкреплением для тренировки робота.
26. Упорядочите следующие шаги при обучении реккурентной нейронной сети:
27. Сопоставьте понятия и их описания:
28. Нейронным сетям помогает учиться признак использования градиента, получивший название …
29. Исчезающий градиент для реккурентной нейронной сети (RNN) означает …
30. Рекуррентные нейронные сети позволяют изучать долгосрочные зависимости такие, как:
31. Какую информацию LSTM (сети долгой краткосрочной памяти) и GRU (Управляемые рекуррентные блоки) могут добавить или удалить в скрытое состояние …
32. Новая архитектура для работы с последовательностями — Transformer базируется на …
33. Векторы … добавляются в эмбеддинги всех слов предложения
34. Аудио — это … последовательность
35. RNN (Recurrent neural) возвращает выходные данные и измененное … состояние
36. Вы являетесь разработчиком и работаете над созданием рекуррентных нейронных сетей для анализа текстовых данных. Вашей задачей является определить, какая из предложенных реккурентных нейронных сетей наиболее подходит для анализа последовательностей слов в предложении. Какая из нижеперечисленных реккурентных нейронных сетей лучше всего подходит для работы с последовательностями слов в предложениях?
37. Упорядочите следующие этапы процесса машинного обучения по временной последовательности:
38. Упорядочите следующие типы нейронных сетей по количеству слоев (от наименьшего к наибольшему):
39. … являются корреляционными параметрическими методами
40. Сопоставьте понятия и их описания:
41. Сопоставьте понятия и их описания:
42. Перцептрон придумал …
43. … — это понятие впервые использовано в перцептроне
44. В … году была основана лаборатория искусственного интеллекта Массачусетского Технологического Института
45. В 1978 году Дуглас Леннон создал самообучающуюся систему …
46. В … году Карнеги Мэллои создает беспилотный автомобиль с использованием нейронных сетей
47. Сопоставьте понятия и их описания:
48. Сопоставьте понятия и их описания:
49. Расположите следующие функции активации нейронов по возрастанию нелинейности:
50. Упорядочите следующие архитектуры нейронных сетей по возрастанию сложности:
51. Нейронные сети уступили место другим алгоритмам машинного обучения, потому что …
52. Интерес к нейронным сетям возобновился в …годы
53. Нейронные сети критичны к …
54. Нейронные сети … на маленьком объеме данных
55. Нейронные сети — один из самых тяжеловесных … машинного обучения
56. Функция … это — математическая функция, которая определяет выход нейрона на основе суммы взвешенных входных сигналов
57. Упорядочите следующие компоненты от самого входа до выхода:
58. Упорядочите следующие этапы обработки данных в сверточной нейронной сети от начала до конца:
59. Сопоставьте понятия и их описания:
60. Сопоставьте понятия и их описания:
61. Сверточные нейронные сети классифицируют …
62. Нейронные сети отличаются от других алгоритмов машинного обучения тем, что они …
63. Нейронная сеть делает ошибку следующего типа на изображении с далматином и вишне:
64. Нейронная сеть допустимо ошибается на изображении с далматином и вишней, потому что …
65. Фильтр … — это матрица весов, используемая в сверточных слоях нейронной сети для выделения определенных признаков во входных данных
66. … свертки — это основной строительный блок сверточной нейронной сети, применяющий фильтры свертки к входным данным с целью выделения признаков
67. Расположите следующие функции активации в порядке их применения в нейронной сети:
68. Упорядочите следующие методы регуляризации нейросетей по влиянию на модель:
69. Сопоставьте понятия и их описания:
70. Сопоставьте понятия и их описания:
71. Стандартный алгоритм градиентного спуска связан с кривой …
72. Работа стандартного алгоритма градиентного спуска рассматривается на таком типе изображения, как:
73. Способом, которым можно улучшить алгоритм градиентного спуска является такой, как:
74. Стохастический градиентный спуск — это …
75. После каждой … весовые значения будут обновляться
76. — это протяжённая узкая долина, имеющая крутой уклон в одном направлении и плавный уклон в другом
77. Отсортируйте следующие библиотеки для работы с нейросетями по поддерживаемым языкам программирования в алфавитном порядке:
78. Расположите следующие библиотеки для работы с нейросетями в порядке их возникновения (от самой старой до наиболее новой):
79. Сопоставьте понятия и их описания:
80. Сопоставьте понятия и их описания:
81. Время классификации одного изображения оценивает такой критерий, как:
82. Удобство использования библиотеки оценивает такой критерий, как:
83. Гибкость настройки связей между слоями оценивает такой критерий, как:
84. Наличие реализации типовых методов глубокого обучения оценивает такой критерий, как:
85. Caffe использует библиотеку …
86. В библиотеке Caffe топология нейросетей, исходные данные и способ обучения задаются с помощью конфигурационных файлов в формате …
87. Расположите следующие типы реккурентных нейронных сетей по убыванию количества обратных связей:
88. Упорядочите следующие примеры задач по работе с последовательностями в порядке наиболее подходящих для реккурентных нейронных сетей:
89. Сопоставьте понятия и их описания:
90. Сопоставьте понятия и их описания:
91. Со словами «I» и «am» в однослойной сети происходит следующее:
92. Со словами «I» и «stupid» в однослойной сети происходит следующее:
93. После сложения «ослабленных» векторов всех слов предложения получаются такие выходные вектора, как:
94. … повторяется процесс с другими весами
95. На выходе после конкатенации векторов получается …
96. Кратковременная память вызвана печально известной проблемой … градиента
97. До применения нейронных сетей в этой задаче люди …
98. В использовавшейся архитектуре нейронной сети удалось обыграть …
99. Сопоставьте понятия и их описания:
100. Сопоставьте понятия и их описания:
101. Упорядочите следующие шаги в алгоритме Policy Gradients в порядке их выполнения:
102. Упорядочите следующие шаги в обучении модели Policy Gradients в порядке их выполнения:
103. … — это алгоритм, который умеет анализировать состояние среды и совершать в ней какие-то действия
104. На эффективность и скорость обучения Агента оказывает следующее изменение параметров среды:
105. Набор статистики ходов занимает следующую часть работы алгоритма по обучению Агента:
106. … — это метод обучения, который был использован для обучения Агента
