ШІ в системах рекомендацій. Тест

Відповіді та пояснення з’являються під час виконання тесту.

1. На чому заснована спільна фільтрація?
   • Шаблони переваг для багатьох користувачів
   • Кольори, які використовуються в зображенні предмета
   • Довжина опису товару
   • Довільне перетасування каталогу
2. Що використовує фільтрація на основі вмісту для надання рекомендацій?
   • Тільки час доби
   • Характеристики предметів і ваші минулі вподобання
   • Курс акцій компанії
   • Підкидання монети
3. Яку проблему вирішує матрична факторізація в рекомендаціях?
   • Шифрування паролів користувачів
   • Стиснення відеофайлів
   • Перетворення розрідженої матриці елементів користувача на компактні приховані вектори
   • Маршрутизація інтернет-трафіку
4. Що таке проблема «холодного запуску»?
   • Сервери занадто холодні для роботи
   • Вірус, який заморожує акаунти
   • Рекомендації, робота тільки взимку
   • Складно рекомендувати для нових користувачів або елементів без історії
5. Який конкурс допоміг популяризувати дослідження рекомендацій?
   • Премія Netflix
   • Премія Тюрінга
   • Нобелівська премія
   • Конкурс Євробачення
6. What did Meyer and colleagues propose the Average Measure of Impact to evaluate?
   • Image classification accuracy
   • The impact of personalized recommendations on usefulness and trust
   • The number of ratings stored in a matrix
   • The GPU memory used by a recommender
7. Which metric is designed to assess the quality of a ranked top-K recommendation list?
   • Mean absolute error on a single rating only
   • Pixel accuracy
   • NDCG@K
   • Рівень помилок у словах
8. Why can a low rating-prediction error fail to guarantee a good recommendation list?
   • RMSE directly measures user satisfaction for every ranking
   • Every user sees every catalog item
   • A rating model cannot use user-item data
   • Rating accuracy and top-item ranking quality are different objectives