Rehber bağlantılı sınav · Kolay Seviye
Yapay Zeka Nasıl Öğrenir Testi
Denetimli, denetimsiz ve takviyeli öğrenmenin yanı sıra aşırı uyum, test kümeleri ve bir modelin kaybının gerçekte neyi ölçtüğüne ilişkin bilginizi kontrol edin.
Soru 1 arasında 8
Denetimli öğrenmede eğitim verileri neler içerir?
Her soruyu önizleyin8 sorular
Testi çözdüğünüzde cevaplar ve açıklamalar görünür.
- Denetimli öğrenmede eğitim verileri neler içerir?
- Yalnızca yanıt eklenmemiş ham örnekler
- Her olası durum için programcılar tarafından yazılan kurallar
- Inputs paired with target outputs, called labels
- Bir oyun ortamından ödüller ve cezalar
- Müşterileri önceden tanımlanmış kategoriler olmadan benzer alışveriş alışkanlıklarına göre gruplamak hangi öğrenme türüne örnektir?
- Denetimsiz öğrenme
- Kural tabanlı programlama
- Denetimli öğrenme
- Takviyeli öğrenme
- Bir video oyunu oynamayı öğrenen biri gibi takviyeli öğrenme aracısı nasıl gelişir?
- Eylemleri deneyerek ve ödüllerden veya cezalardan öğrenerek
- Oyunun kaynak kodunu ezberleyerek
- Her turda doğru hareketi gösteren etiketli örnekleri kopyalayarak
- Geçmiş oyunları geri bildirim olmadan kümeler halinde sıralayarak
- A model performs well on its training examples but poorly on comparable held-out examples. Which pattern does this show?
- Yetersiz uyum
- Aşırı uyum
- Data leakage
- Good generalization
- Why keep a test set separate from fitting the model and choosing its settings?
- 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?
- Eğitim çalışmasının ne kadar elektrik kullandığı
- Modelin cevap vermesi ne kadar sürer?
- Eğitim veri kümesinden kaç örnek silindi?
- 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