A.   يعتمد سلوك ANN على الأوزان المحددة للوحدات.

B.   يعتمد سلوك ANN على وظيفة النقل المحددة للوحدات.

C.   فقط (ديس صحيح.

D.   فقط (2) صحيح.

F.   لا (ط) ولا (2) صحيح

A.   لا يسمح باستخدام الميزات غير الخطية.

C.   كلا الخيارين أ و ب

D.   لا الخيار 8 ولا ب

A.   استبدال صانعو القرار البشري.

C.   تحسين معرفتهم

D.   امتلاك قدرات الإنسان.

A.   لا يتطلب خبيرًا بشريًا أو مبرمجًا.

B.   انها رخيصة ومرنة.

D.   يتم استخدامه في التعرف على الأنماط.

A.   إذا تجاوزت التكلفة المدخرات.

C.   إذا لم يكن المورد/الوقت متاحًا.

D.   إذا كان سلوك النظام معقدًا للغاية.

A.   deeplearning4j

C.   الهراء

D.   الجوليرة

A.   حقيقي

B.   إيجابية حقيقية/ (إيجابية كاذبة + سلبية خاطئة)

C.   إيجابي حقيقي/ (إيجابي حقيقي + إيجابي كاذب)

D.   إيجابي حقيقي/ (سلبي حقيقي + سلبي كاذب)

A.   البيانات العددية

B.   بيانات تسلسلية

A.   محاكاة هجينة

B.   محاكاة مستمرة

D.   محاكاة القائمة على الوكيل

A.   80.11 ٪

B.   82.53 ٪

D.   86.27 ٪

A.   SVM

B.   تعزيز

A.   خصائص الألغام [كـ [pattern_name)]

B.   {مطابقة {metapattern}}

C.   خصائص الألغام [كـ pattern_name]

D.   تحليل التصنيف _attribute_or_dimension

F.   خصائص الألغام [AS pattern_name] تحليل التنبؤ_attribute_or_dimension

G.   {set [Attribute_or_dimension_i = value_i}]

A.   مقاييس أداء متعددة لتحليل تكوينات النظام.

B.   تحديد الاختناقات في تدفق المعلومات.

C.   اختبار فرضيات النظام للجدوى.

D.   جدول ممتاز والتخطيط للميزانية.

E.   خوارزمية شجرة القرار هي نوع من:

F.   خوارزمية شجرة القرار هي نوع من:

H.   تعليم غير مشرف عليه.

I.   تعزيز التعلم.

A.   تتعلم خوارزمياتها التنبؤ بالإخراج من بيانات الإدخال.

C.   يتم استخدامه ضد البيانات التي لها ملصقات تاريخية.

D.   كل من B و C صحيحة.

A.   عدد صحيح

B.   يطفو

D.   كل ما ورداعلاه.

B.   adaboost

C.   زيادة التدرج

D.   لا ما سبق.

A.   78.93 ٪

B.   83.25 ٪

D.   86.72 ٪

B.   يمكن استخدامه لمجموعات البيانات الصغيرة والكبيرة.

C.   لديها وقت معالجة منخفضة.

D.   كل ما ورداعلاه.

A.   liblinar

B.   vowpal wabbit

D.   كل النطاق أعلاه بشكل جيد للغاية لمجموعات البيانات الكبيرة.

A.   ويستخدم تنظيم L1.

C.   يقلل معاملات إلى الصفر.

D.   ويستخدم القيم المطلقة في وظيفة العقوبة.

A.   حقيقي

B.   لا ينفذ رمز.

C.   أنه يتضمن التحقق من الإنسان للملفات والمستندات.

D.   إنها آلية ثابتة.

A.   Perceptrons متعددة الطبقات (MLPs)

B.   الشبكات العصبية التلافيفية (CNNs)

D.   لا شيء مما بالأعلى.

A.   يتم استخدامه في الحوسبة الخالية من اليدين.

B.   يهدف إلى فهم الكلمة المنطوقة وفهمها.

C.   يتم استخدامه في التنقل في القائمة.

A.   يتطلب علاقة خطية بين المتغيرات المستقلة والتعمية.

B.   يدعم متعدد الخطية.

C.   يتطلب أحجام عينة صغيرة.

A.   f -score = recly x precision / (reck - precision) / 2

B.   f-score = | [ذات الصلة} f‌l {Retrieved} l / l

C.   f-score = | {ذات الصلة} fl [Retrieved} l / l [ذات الصلة] |

A.   الرسم البياني الدوري المحدود.

B.   الرسم البياني الدوري Inf‌inite

C.   الرسم البياني inf‌inite acyclic

A.   توزيع موحد

B.   التوزيع الثلاثي

D.   توزيع ثنائي

B.   اثنين

C.   ثلاثة

D.   أربعة

B.   Accors.net

C.   عامل منجم سريع

D.   شوغون

A.   Tensorf‌low

B.   Pytorch

C.   ثيانو

B.   تصنيف

C.   كلا A و B

D.   لا أ ولا حتى ب

B.   حدود القرار الخطي.

C.   متطلبات الملاحظات المستقلة.

D.   التغلب على النموذج.

A.   C ++

B.   جافا

D.   ص

A.   يمكن أن تكون المتغيرات المستقلة في الانحدار الخطي مستمرة أو منفصلة.

C.   الانحدار الخطي حساس للقيم المتطرفة.

D.   ويقدر القيم الحقيقية التي تستند إلى المتغيرات المستمرة.

A.   إنها لغة

C.   إنه تصريحي.

D.   إنه موجه نحو الكائن.

B.   يمكنهم أن يستقروا على جاذبية النقطة.

C.   يمكن أن تتأرجح.

D.   لديهم اتصال واحد على الأقل تغذية.

A.   رؤية الكمبيوتر

C.   البرمجة اللغوية العصبية

D.   كل ما ورداعلاه.

A.   طبقة الإدخال

B.   الطبقة المخفية الأولى

C.   آخر طبقة مخفية

A.   يتم استخدامها في الذكريات المعالجة للمحتوى.

B.   حلقات التغذية المرتدة مسموح بها.

C.   تدفق المعلومات ثنائي الاتجاه.

A.   حلقات التعليقات غير مسموح بها.

B.   تدفق المعلومات أحادي الاتجاه.

D.   يتم استخدامها في توليد الأنماط.

A.   C ++

C.   بيثون

D.   ج

A.   البيان 1 صحيح.

C.   كلا البيانين 1 و 2 صحيحان.

D.   كلا البيانين 1 و 2 كاذب.

A.   مدخل واحد والعديد من المخرجات.

C.   إدخال واحد وإخراج واحد.

D.   العديد من المدخلات والعديد من المخرجات.

A.   لا يمكن أن تعاني مع انكماش مزدوج.

B.   يؤمن تأثير المجموعة في حالة المتغيرات المرتبطة للغاية.

C.   هو مختلط من تقنيات الانحدار lasso والانحدار الخطي.

A.   تجمع

B.   أخذ العينات

C.   الرسوم البيانية

A.   ملكيات

B.   الواصفات

D.   كلا A و C

A.   xgboost

B.   تعزيز التدرج

C.   adaboost

B.   لا

A.   المحاكاة الحتمية

C.   كلا A و B

D.   لا ولا 0

A.   0.5924

B.   0.5171

C.   0.6518

A.   0.6737

B.   0.5180

D.   0.6275

A.   GPU

C.   كلا من GPU و API

A.   الدقة: 2 (إيجابي حقيقي + سلبي حقيقي) أنا مجموع السكان

C.   الدقة: (إيجابي حقيقي + سلبي حقيقي) / 2 (إجمالي السكان)

D.   الدقة: (إيجابي حقيقي x سلبي حقيقي) / إجمالي السكان

A.   طريقة تعتمد على الشبكة

C.   طريقة التقسيم

D.   طريقة هرمية

A.   نواة متعدد الحدود

B.   kernel وظيفة الأساس الشعاعي

D.   لا شيء مما بالأعلى.

A.   SGD Classif‌ier

B.   تقريب النواة

D.   لا شيء مما بالأعلى.

B.   دعم آلات المتجهات (SVMS)

C.   الشبكات العصبية

D.   كلا A و C

A.   Perceptrons متعددة الطبقات (MLPs)

C.   الشبكات العصبية المتكررة (RNNS)

D.   كلا الخيارين ب و ج

C.   إنه مناسب فقط للمشاريع الكبيرة أو النماذج الأولية.

D.   لا يحتوي على أي نموذج مسبق مدرب.

C.   يتطلب عددًا صغيرًا جدًا من المعلمات المفرطة.

D.   من غير المبالي أن ميزة التحجيم.

A.   يستخدم بيانات غير معروفة من أجل تحديد كيفية تصنيف البيانات الجديدة في مجموعة من الفئات الموجودة.

D.   إنه شكل من أشكال التعلم غير الخاضع للإشراف.

C.   بيثون

D.   ص

C.   من السهل الحصول على صورة OCT.

B.   يمكن أن تبني نماذج معقدة بسهولة بالغة.

C.   يوفر قدرات عالية للغاية وتصدير.

C.   احتمالا

C.   ثلاثي الأبعاد

D.   خمسة أبعاد

B.   Pytorch

D.   حاول 1-2

A.   ج

C.   جافا

B.   سكيبي

D.   الباندا

C.   لديها مكتبة محفوظة مع التنفيذ الأساسي في جافا.

D.   لديها وثائق مفصلة.

C.   لا يتطلب ضبط أي معلمة.

D.   من غير المبالي أن ميزة التحجيم.

C.   pylearn2

D.   deeplearning4j

B.   التنبؤ بجنس الشخص من خلال تحليل أسلوبه في الكتابة اليدوية.

C.   التنبؤ إذا كان تساقط الثلوج أمرًا طبيعيًا هذا العام.

A.   إنه يوفر أداءً ممتازًا وقت التشغيل.

A.   الانحدار اللوجستي

B.   الأصلي بايز كوليسيرا

A.   أنه يزيد من الإفراط.

C.   من الصعب التنفيذ.

D.   إنها خوارزمية معقدة.

A.   يمكن أن تعمل بكفاءة مع التعبيرات الرياضية التي تنطوي على صفائف متعددة الأبعاد.

C.   إنه ليس فعالًا في إعداد متعدد GPU.

D.   يعمل على أنظمة وحدة المعالجة المركزية واحدة. وحدات معالجة الرسومات. والأجهزة المحمولة.

C.   من السهل أن تتفوق عليها.

D.   إنه ينفذ التصويت غير المرغوب فيه للتنبؤ النهائي

A.   مطلوب فقط كمية صغيرة من بيانات التدريب لتقدير المعلمات اللازمة.

B.   إنه مناسب تمامًا للرسائل غير المرغوب فيها

D.   إنه مقدر ممتاز.

B.   تصنيف متعدد الطبقات

C.   تراجع

D.   تصنيف متعدد المستويات

A.   استخدم وظيفة النواة الغوسية

D.   استخدم خوارزمية التعلم الجشع

A.   وهو يدعم التحسين العالمي.

B.   إنها سهلة لتفهم.

D.   لا يمكنه التعامل مع القيم المفقودة.

A.   إعداد البيانات

D.   التصور

A.   رسم تخطيطي تصنيف متعدد المراحل

C.   جدول محوري

D.   K-Means Cluster Diagram

A.   سيبحث المنتج عن أنماط جديدة في رسائل البريد العشوائي.

B.   يمكن أن يمر المنتج من خلال قائمة الكلمات الرئيسية بسرعة أكبر.

C.   يمكن أن يكون للمنتج قائمة كلمات رئيسية أطول بكثير.

A.   مجموعة البيانات

B.   مجموعة تحت الإشراف

C.   البيانات الكبيرة

A.   أنماط

B.   البرامج

C.   قواعد

B.   كان من الخطأ بشكل غير متسق.

C.   كان صحيحا باستمرار.

D.   كانت نهاية الصواب على قدم المساواة.

A.   ابحث عن البيانات المسمى للأيام المشمسة حتى يتعلم الجهاز تحديد سوء الأحوال الجوية.

C.   قم بإنشاء مجموعة تدريب من الأنماط غير العادية واطلب خوارزميات التعلم الآلي لتصنيفها.

D.   قم بإنشاء مجموعة تدريب من الطقس العادي واطلب من الجهاز أن يبحث عن أنماط مماثلة.

A.   تراجع

B.   تعزيز

C.   تعبئة

B.   K-Means التجميع

C.   البيانات الكبيرة

D.   تعليم غير مشرف عليه

A.   نظام إدخال البيانات

B.   نظام مستودع البيانات

C.   مستودع بيانات ضخم

A.   ستساعد الخوارزميات العدادات في الوصول إلى الإنترنت.

B.   ستعمل الخوارزميات على تحسين الاتصال اللاسلكي.

D.   باستخدام خوارزميات التعلم الآلي ، يمكنك إنشاء جهاز إنترنت الأشياء.

B.   تجمع

C.   تصنيف

D.   تخفيض الأبعاد

A.   يفترض بسذاجة أنه لن يكون لديك أي بيانات.

B.   لا يحاول حتى إنشاء تنبؤات دقيقة.

D.   يفترض بسذاجة أن جميع المتنبئين يعتمدون على بعضهم البعض.

A.   يركز الذكاء الاصطناعي على التصنيف ، في حين أن التعلم الآلي يدور حول تجميع البيانات.

C.   الذكاء الاصطناعي هو شكل من أشكال التعلم الآلي غير الخاضع للإشراف.

D.   التعلم الآلي والذكاء الاصطناعي هما نفس الشيء.

A.   عادة ما يتم تشغيل الخوارزميات خوادم أكثر قوة.

C.   يمكن لخوادم التعلم الآلي أن تستضيف قواعد بيانات أكبر.

D.   يمكن أن تعمل الخوارزميات على بيانات غير منظمة.