|
Теории и системы искусственного интеллекта / Промежуточные т
|
|
| engineerklub | Дата: Пятница, 18.09.2026, 12:37 | Сообщение # 1 |
 Генералиссимус
Группа: Администраторы
Сообщений: 40294
Статус: Offline
| Теории и системы искусственного интеллекта / Промежуточные тесты (Темы 1-6) + Итоговый тест + Компетентностный тест / Синергия / МТИ / МосАП. Самый полный сборник на отлично! 100 из 100 баллов
Введение в курс
Тема 1. История развития искусственного интеллекта
Тема 2. Основные концепции искусственного интеллекта
Тема 3. Источники и типы данных
Тема 4. Высокие технологии искусственного интеллекта
Тема 5. Аппаратные средства для искусственного интеллекта
Тема 6. Будущее искусственного интеллекта
Заключение
Итоговая аттестация
Тема 1. История развития искусственного интеллекта
Этап развития искусственного интеллекта (ИИ) в период 1980-е – 2010-е гг. можно обозначить как …
глубокое обучение
машинное обучение
символьный ИИ
объяснимый ИИ
Период «символьного искусственного интеллекта» характеризуется …
использованием многослойных нейронных сетей
созданием систем на основе логических правил и знаний
применением статистических методов
Исследователь изучает этапы развития искусственного интеллекта (ИИ) и отмечает, что в конце 1980-х – начале 1990-х годов произошло снижение интереса и финансирования в области ИИ из-за переоцененных ожиданий и технических ограничений.
Что послужило причиной кризиса в период, известный как «зима ИИ»?
Активное развитие глубокого обучения и нейронных сетей
Ограниченность возможностей экспертных систем и недостаток вычислительных ресурсов
Высокая стоимость реализации новых технологий ИИ
Отсутствие перспектив использования ИИ в промышленности
Подход в развитии искусственного интеллекта (ИИ), который является характерным для этапа с 2010 г. по настоящее время, – …
символьный ИИ
машинное обучение
глубокое обучение
Расположите основные свойства интеллектуальных информационных систем (ИИС) в порядке от базового к наиболее сложному:
1 надежность
2 обучаемость
3 адаптивность
4 автономность
5 объяснимость
Экспертные системы, разработанные в 1980-90-х гг., основывались на логических ..., что позволяло им принимать решения в узких предметных областях
Говоря о ключевых особенностях и этапах развития искусственного интеллекта (ИИ), можно утверждать, что … (укажите 3 варианта ответа)
термин «искусственный интеллект» был впервые введён в 1956 году на Дартмутской конференции
символьный ИИ в основном базировался на статистических методах и больших данных
машинное обучение стало доминирующим подходом в период с 1980-х по 2010-е гг.
глубокое обучение использует многослойные нейронные сети для решения сложных задач
экспертные системы легко масштабировались и не имели ограничений в применении
современные системы не уделяют большого внимания объяснимости решений искусственного интеллекта
Расположите этапы развития искусственного интеллекта (ИИ) в хронологической последовательности:
1 появление первых ИИ-программ, таких как Logic Theorist и General Problem Solver
2 введение термина «искусственный интеллект» на Дартмутской конференции
3 сомнения в возможностях развития технологии и «зима ИИ» из-за ограничений экспертных систем
4 возрождение ИИ благодаря алгоритмам машинного обучения
5 начало эпохи глубокого обучения
Сопоставьте ключевые свойства интеллектуальных информационных систем с их определениями:
A. Адаптивность
B. Обучаемость
C. Автономность
D. Объяснимость
E. Надежность
F. способность изменять поведение в зависимости от условий
G. улучшение на основе накопленного опыта
H. способность работать без постоянного участия человека
I. способность объяснять принимаемые решения
J. устойчивое и безошибочное функционирование
СКАЧАТЬ
|
| |
|
|
| engineerklub | Дата: Пятница, 18.09.2026, 12:37 | Сообщение # 2 |
|
Генералиссимус
Группа: Администраторы
Сообщений: 40294
Статус: Offline
| Говоря о данных и знаниях в контексте искусственного интеллекта (ИИ), можно утверждать, что ... (укажите 3 варианта ответа)
данные - это всегда структурированная информация, готовая к использованию без дополнительной обработки
знания - это организованная и интерпретированная информация, помогающая принимать решения
преобразование данных в знания включает этапы сбора, очистки, анализа и интерпретации данных
полностью неструктурированные данные не могут применяться в системах искусственного интеллекта
онтологии и семантические сети - это методы представления знаний в ИИ-системах
знания и данные можно использовать взаимозаменяемо в построении интеллектуальных систем
Тема 2. Основные концепции искусственного интеллекта
Расположите в правильном порядке основные этапы интеллектуального анализа данных:
1 определение задачи
2 сбор данных
3 предварительная обработка данных
4 анализ данных
5 оценка результатов
Расположите в правильной последовательности этапы решения задачи с помощью искусственного интеллекта:
1 формулировка задачи
2 анализ характеристик данных
3 выбор метода решения задачи
4 реализация и применение метода решения задачи
... увеличивает объяснимость и прозрачность решений в сфере искусственного интеллекта
Метод глубоких сверхточных нейронных сетей
Метод Explainable Al (XAI)
Кластеризация методом k-means
Сопоставьте подходы к обучению искусственного интеллекта с их характеристиками:
A. Управляемое обучение
B. Неуправляемое обучение
C. Полуавтоматическое обучение
D. использует только размеченные данные
E. ориентировано только на неразмеченные данные
F. использует размеченные и неразмеченные данные
Технологии Data Mining и Natural Language Processing (NLP) активно используются в таких областях, как ... (укажите 3 варианта ответа)
маркетинг
производство
метеорология
диагностика в медицине
геологическая разведка
Установите соответствие между методами представления знаний и их применением:
A. Логические модели
B. Семантические сети
C. Фреймы
D. экспертные системы
E. системы поиска информации
F. системы моделирования, базы данных
В машинном обучении и искусственном интеллекте используется такой логический процесс, как индуктивный вывод.
Что характеризует индуктивный вывод в искусственном интеллекте?
Гарантированная истинность заключений
Формирование общих закономерностей на основе обобщения данных
Движение от общего к частному
Алгоритм АЛ в эвристическом поиске использует функцию оценки f(n), которая складывает стоимость пути g(n) и ... функцию h(n), оценивающую расстояние до цели
Сопоставьте алгоритмы поиска с их характеристиками:
A. Поиск в ширину (BFS)
B. Поиск в глубину (DFS)
C. Эвристический поиск (A*)
D. полностью исследует каждый уровень
E. максимально глубоко изучает одну ветвь дерева
F. использует функцию оценки перспективности
СКАЧАТЬ
|
| |
|
|
