Тест «Як AI навчається».

Відповіді та пояснення з’являються під час виконання тесту.

1. У контрольованому навчанні, що включають навчальні дані?
   • Лише необроблені приклади без доданих відповідей
   • Правила, написані програмістами для кожної можливої ситуації
   • Вхідні дані в парі з цільовими вихідними даними, які називаються мітками
   • Винагороди та штрафи від ігрового середовища
2. Прикладом якого типу навчання є групування клієнтів за схожими купівельними звичками без попередньо визначених категорій?
   • Навчання без учителя
   • Програмування на основі правил
   • Навчання з учителем
   • Навчання з підкріпленням
3. Як покращується агент навчання з підкріпленням, як той, хто навчається грати у відеогру?
   • Шляхом спроб виконання дій та навчання на основі винагород або штрафів
   • Шляхом запам'ятовування вихідного коду гри
   • Шляхом копіювання розмічених прикладів, що показують правильний хід на кожному кроці
   • Шляхом сортування минулих ігор у кластери без зворотного зв'язку
4. Модель добре працює на навчальних прикладах, але погано — на порівнянних відкладених прикладах. Яку закономірність це демонструє?
   • Недообладнання
   • Переобладнання
   • Витік даних
   • Хороша узагальнювальна здатність
5. Навіщо тримати тестовий набір окремо від навчання моделі та вибору її налаштувань?
   • Щоб оцінити продуктивність на прикладах, які не використовувалися для цих розробницьких рішень
   • Щоб налаштовувати гіперпараметри шляхом багаторазової перевірки на фінальному оціночному наборі
   • Щоб додати відкладені приклади до навчання після того, як рішення остаточно прийняті
   • Щоб перевірити, чи збігаються прогнози навчання з їхніми мітками навчання
6. У циклі навчання з учителем, описаному в посібнику, що вимірює функція втрат?
   • Скільки електроенергії споживає процес навчання
   • Скільки часу потрібно моделі для надання відповіді
   • Скільки прикладів було видалено з навчального набору даних
   • Чисельну різницю між прогнозами та цільовими значеннями
7. Текстова модель вчиться передбачати наступний токен на основі попереднього контексту. Який підхід до навчання описує посібник?
   • Навчання з учителем з окремо наданими мітками
   • Кластеризація тексту без учителя
   • Самокероване навчання, яке створює завдання прогнозування на основі тексту
   • Навчання з підкріпленням на основі винагород за кожен токен
8. Модель змінює свою відповідь після перегляду прикладу в запиті (промпті). Що можна сказати про її вивчені ваги?
   • Вони повинні були постійно змінитися
   • Запит став частиною навчальних даних кожного користувача
   • Модель не може використовувати приклади без перенавчання
   • Змінена відповідь сама по собі не свідчить про оновлення ваг