Kvíz spojený s průvodcem · Snadno úroveň
Kvíz s vysvětlením modelů umělé inteligence
Testujte vstupy a výstupy modelu, naučené parametry, hyperparametry, vyhledávání, dolaďování a výběr modelu na základě úlohy pomocí naměřených důkazů.
Otázka 1 z 8
Kterou součástí aplikace AI je samotný model strojového učení?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Kterou součástí aplikace AI je samotný model strojového učení?
- Matematický systém mapující vstupy na výstupy se strukturou a naučenými parametry
- Uživatelské rozhraní, které obsahuje všechny funkce produktu
- Sada webových stránek, které může modelka navštívit
- Dokument zásad, který definuje, jak tým používá AI
- Tým má pevný limit latence 100 ms. Který uchazeč ji v názorném testu průvodce splňuje?
- Model B at 94% accuracy and 400 ms
- Model A at 92% accuracy and 30 ms
- Neither, because accuracy must be 100%
- Both, because they score above 90%
- Která položka je spíše hyperparametr než naučený parametr?
- A weight value adjusted during training
- A coefficient the fitted model uses for an input
- A tree-depth limit selected through validation
- A prediction returned for one example
- Vyhledávací systém dodá načtený dokument modelu v době dotazu. Co se změní bez rekvalifikace?
- It necessarily retrains model weights
- It fine-tunes the model on every query
- It permanently changes the model version
- It adds available evidence without changing model weights
- Vývojář dolaďuje model na dalších příkladech. jaké změny?
- Model weights, without guaranteeing the information is current
- Only the text retrieved for one query
- The application’s user interface but never the model
- The validation set but not model behavior
- A team adapts a foundation model to a new document task. Which statement about this reuse is accurate?
- It is necessarily the first AI model ever built
- It can be adapted to multiple tasks, but still needs evaluation
- It is only a model for building construction
- It must be fine-tuned before it can answer any prompt
- Why should a team re-evaluate after changing a model version?
- Interfaces always change whenever versions change
- A new version makes latency measurements unnecessary
- Behavior can change even while interfaces stay stable
- A model name proves it is more accurate
- How should a team choose among candidate models for a defined application?
- Select the largest parameter count by default
- Use a leaderboard score without checking its errors
- Choose the newest version without testing
- Compare representative inputs, errors and operating constraints, then prefer the simplest adequate option