Gids-gekoppelde quiz · Gemakkelijk Niveau
Hoe AI leert quiz
Controleer uw kennis van begeleid, onbewaakt en versterkend leren, plus overfitting, testsets en wat het verlies van een model feitelijk meet.
Vraag 1 van 8
Wat omvatten de trainingsgegevens bij begeleid leren?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Wat omvatten de trainingsgegevens bij begeleid leren?
- Only raw examples with no answers attached
- Rules written by programmers for every possible situation
- Inputs paired with target outputs, called labels
- Rewards and penalties from a game environment
- Van welk type leerwijze is het groeperen van klanten op basis van vergelijkbare winkelgewoonten, zonder vooraf gedefinieerde categorieën, een voorbeeld?
- Unsupervised learning
- Rule-based programming
- Supervised learning
- Versterkend leren
- Hoe verbetert een versterkende leeragent, zoals iemand die een videogame leert spelen?
- By trying actions and learning from rewards or penalties
- By memorizing the game's source code
- By copying labeled examples showing the correct move each turn
- By sorting past games into clusters without feedback
- Een model presteert goed op zijn trainingsvoorbeelden, maar slecht op vergelijkbare, volgehouden voorbeelden. Welk patroon laat dit zien?
- Ondermaats
- Overfitting
- Data leakage
- Good generalization
- Waarom een testset gescheiden houden van het passen van het model en het kiezen van de instellingen ervan?
- To estimate performance on examples not used for those development choices
- To tune hyperparameters by repeatedly checking the final evaluation set
- To add held-out examples to training after the choices are final
- To check whether training predictions match their training labels
- In the guide’s supervised training loop, what does the loss measure?
- How much electricity the training run uses
- How long the model takes to give an answer
- How many examples were deleted from the training dataset
- The numerical difference between predictions and target values
- A text model learns to predict the next token from the preceding context. Which learning setup does the guide describe?
- Supervised learning with separately supplied labels
- Unsupervised clustering of the text
- Self-supervised training that creates a prediction task from the text
- Reinforcement learning from rewards for each token
- A model changes its answer after seeing an example in a prompt. What can be concluded about its learned weights?
- They must have permanently changed
- The prompt became part of every user’s training data
- The model cannot use examples without retraining
- A changed response does not by itself show a weight update