Gids-gekoppelde quiz · Gemakkelijk Niveau
Quiz over AI-modellen uitgelegd
Testmodelinvoer en -uitvoer, geleerde parameters, hyperparameters, ophalen, verfijnen en taakgebaseerde modelselectie met behulp van gemeten bewijsmateriaal.
Vraag 1 van 8
Welk onderdeel van een AI-toepassing is het machine-learning-model zelf?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Welk onderdeel van een AI-toepassing is het machine-learning-model zelf?
- Een wiskundig systeem dat input en output in kaart brengt met een structuur en aangeleerde parameters
- Een gebruikersinterface die elke productfunctie bevat
- Een reeks websites die het model mag bezoeken
- Een beleidsdocument dat definieert hoe een team AI gebruikt
- Een team heeft een vaste latentielimiet van 100 ms. Welke kandidaat voldoet hieraan in de illustratieve test van de gids?
- 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%
- Welk item is een hyperparameter in plaats van een geleerde parameter?
- 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
- Een zoeksysteem levert op het moment van de zoekopdracht een opgehaald document aan een model. Wat verandert er zonder omscholing?
- 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
- Een ontwikkelaar verfijnt een model op basis van aanvullende voorbeelden. Wat verandert?
- 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