Вікторина, пов’язана з посібником · легко Рівень

Вікторина «Пояснення моделей ШІ».

Вхідні та вихідні дані тестової моделі, вивчені параметри, гіперпараметри, пошук, точне налаштування та вибір моделі на основі завдань за допомогою виміряних доказів.

Пов'язані напрямні шляхиМоделі ШІ
Питання 1 з 8

Який компонент програми ШІ є самою моделлю машинного навчання?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Який компонент програми ШІ є самою моделлю машинного навчання?
    • Математична система, яка відображає вхідні дані на виходи зі структурою та вивченими параметрами
    • Інтерфейс користувача, який містить усі функції продукту
    • Набір веб-сайтів, які дозволено відвідувати моделі
    • Політичний документ, який визначає, як команда використовує ШІ
  2. Команда має твердий ліміт затримки в 100 мс. У ілюстративному тесті керівництва, який кандидат відповідає йому?
    • 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. Який елемент є гіперпараметром, а не вивченим 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. Пошукова система надає отриманий документ моделі під час запиту. Що зміниться без перенавчання?
    • 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. Розробник налаштовує модель на додаткових прикладах. Які зміни?
    • 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