Викторина, связанная с руководством · Легко Уровень

Викторина с объяснением моделей искусственного интеллекта

Тестируйте входные и выходные данные модели, изученные параметры, гиперпараметры, извлечение, точную настройку и выбор модели на основе задач с использованием измеренных данных.

Связанные направляющие путиМодели искусственного интеллекта
Вопрос 1 из 8

Какой компонент приложения ИИ является самой моделью машинного обучения?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Какой компонент приложения ИИ является самой моделью машинного обучения?
    • Математическая система, сопоставляющая входные данные с выходными данными со структурой и изученными параметрами.
    • Пользовательский интерфейс, содержащий все функции продукта
    • Набор веб-сайтов, которые разрешено посещать модели.
    • Политический документ, определяющий, как команда использует ИИ.
  2. У команды есть твердый предел задержки в 100 мс. Какой кандидат соответствует иллюстративному тесту руководства?
    • 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%
  3. Какой элемент является гиперпараметром, а не изученным параметром?
    • 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
  4. Поисковая система предоставляет полученный документ модели во время запроса. Что меняется без переобучения?
    • 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
  5. Разработчик дорабатывает модель на дополнительных примерах. Что изменится?
    • 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
  6. 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
  7. 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
  8. 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