Quiz zu den Grundlagen des maschinellen Lernens

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

1. Ein Geschäft möchte den Umsatz der nächsten Woche als Dollarbetrag aus vergangenen Verkäufen und Kalenderfunktionen schätzen. Welche Aufgabe ist das?
   • Rückschritt
   • Klassifizierung
   • Clustering
   • Textgenerierung
2. Ein Support-Team weist jeder eingehenden Nachricht eine von fünf bekannten Problembezeichnungen zu. Welche Aufgabe passt zu diesem Ziel?
   • Clustering
   • Klassifizierung
   • Rückschritt
   • Dimensionsreduktion
3. Ein Analyst gruppiert unbeschriftete Nachrichtenartikel nach Ähnlichkeit ohne vordefinierte Themen. Welche Aufgabe wird verwendet?
   • Klassifizierung
   • Rückschritt
   • Clustering
   • Prognose
4. Ein Modell erzielt bei Trainingsaufzeichnungen eine Punktzahl von 98 %, schneidet bei neuen Aufzeichnungen jedoch schlecht ab. Was ist das Hauptanliegen?
   • Es hat per Definition zu wenige Eingabespalten
   • Es wurde bewiesen, dass die Etiketten korrekt sind
   • Es handelt sich zwangsläufig um ein Clustering-Modell
   • Es passt möglicherweise gut zu den Trainingsbeispielen, ohne auf neue Eingaben zu verallgemeinern
5. Warum sollte ein Team einen abschließenden Testsatz aus wiederholten Modelloptimierungen heraushalten?
   • Durch wiederholtes Tuning können Entscheidungen an den Testsatz angepasst werden, wodurch dieser als unabhängige Prüfung abgeschwächt wird
   • Der Testsatz dient nur der Anpassung von Modellparametern
   • Ein Testsatz verhindert die Auswahl einer Metrik
   • Der Trainingssatz muss immer kleiner sein
6. Ein Prognoseteam vergleicht ein komplexes Modell mit der „Verwendung des gestrigen Werts“, bevor es es übernimmt. Welchem ​​Zweck dient diese einfache Regel?
   • Ein Ersatz für die Überwachung nach der Bereitstellung
   • Eine Basislinie, die zeigt, ob zusätzliche Komplexität nützliche Informationen liefert
   • Eine Möglichkeit, Regression in Klassifizierung umzubenennen
   • Eine Garantie dafür, dass das komplexe Modell fair ist
7. Ein eingesetztes Modell erhält nach dem Training bei Celsius plötzlich Temperaturen in Fahrenheit. Welche Workflow-Lektion gilt?
   • Eine hohe Testgenauigkeit macht Eingabeeinheiten irrelevant
   • Nur die Modellarchitektur kann Fehler verursachen
   • Fehler können durch Produktionsvorbereitung oder geänderte Eingabekonventionen entstehen
   • Durch die Bereitstellung entfällt die Notwendigkeit, Eingaben zu überprüfen
8. Ein Klassifikator hat eine hohe durchschnittliche Genauigkeit, übersieht aber fast jeden seltenen Notfall. Was soll das Team tun?
   • Akzeptieren Sie es, weil die durchschnittliche Genauigkeit hoch ist
   • Schalten Sie den letzten Testsatz ein, bis sich die Punktzahl verbessert
   • Entfernen Sie die seltenen Fälle aus der Bewertung
   • Untersuchen Sie Fehlerfälle und wählen Sie Kennzahlen aus, die die Folgen von Fehlern widerspiegeln