15 Ερωτήσεις και απαντήσεις κουίζ μηχανικής μάθησης

1. Ποια τεχνική μηχανικής μάθησης χρησιμοποιείται για να προβλέψει μια ετικέτα εξόδου για νέες εισόδους;
Α) Επιβλεπόμενη Μάθηση
Β) Ανεπιβλεπόμενη Μάθηση
Γ) Ενισχυτική Μάθηση
Δ) Υπερεπιβλεπόμενη Μάθηση
Α) Επιβλεπόμενη Μάθηση

2. Ποια μέθοδος μηχανικής μάθησης εστιάζει στην ανίχνευση προτύπων χωρίς τη χρήση ετικετών εξόδου;
Α) Επιβλεπόμενη Μάθηση
Β) Ανεπιβλεπόμενη Μάθηση
Γ) Ενισχυτική Μάθηση
Δ) Υπερεπιβλεπόμενη Μάθηση
Β) Ανεπιβλεπόμενη Μάθηση

3. Ποια τεχνική μηχανικής μάθησης βασίζεται στο σύστημα ανταμοιβής και τιμών για τη λήψη αποφάσεων;
Α) Επιβλεπόμενη Μάθηση
Β) Ανεπιβλεπόμενη Μάθηση
Γ) Ενισχυτική Μάθηση
Δ) Υπερεπιβλεπόμενη Μάθηση
Γ) Ενισχυτική Μάθηση

4. Ποια τεχνική μηχανικής μάθησης είναι κατάλληλη για προβλήματα πρόβλεψης της τιμής μιας μεταβλητής;
Α) Κατηγορική Μάθηση
Β) Παλινδρόμηση
Γ) Αναγνώριση Προτύπων
Δ) Αναδρομική Μάθηση
Β) Παλινδρόμηση

5. Ποια τεχνική μηχανικής μάθησης είναι κατάλληλη για προβλήματα ταξινόμησης δεδομένων σε διακριτές κατηγορίες;
Α) Επιβλεπόμενη Μάθηση
Β) Ανεπιβλεπόμενη Μάθηση
Γ) Κατηγορική Μάθηση
Δ) Ενισχυτική Μάθηση
Α) Επιβλεπόμενη Μάθηση

6. Ποια από τις παρακάτω μεθόδους είναι ένας αλγόριθμος μηχανικής μάθησης;
Α) Αλγόριθμος ταξινόμησης SVM
Β) Αλγόριθμος Microsoft Word
Γ) Αλγόριθμος Excel
Δ) Αλγόριθμος Google Chrome
Α) Αλγόριθμος ταξινόμησης SVM

7. Ποιος αλγόριθμος είναι συχνά χρησιμοποιούμενος για προβλήματα συστάσεων στον τομέα του ηλεκτρονικού εμπορίου;
Α) K-Means
Β) Naive Bayes
Γ) Collaborative Filtering
Δ) Decision Trees
Γ) Collaborative Filtering

8. Ποιος αλγόριθμος είναι κατάλληλος για την ανίχνευση ασυμβάντων σε μια σειρά χρονοσειρών;
Α) Λογιστική Παλινδρόμηση (Logistic Regression)
Β) Απόσπασμα Κύριων Συνιστωσών (Principal Component Analysis)
Γ) Κ-Πλησιέστεροι Γείτονες (K-Nearest Neighbors)
Δ) Αυτόματη Συλλογή Δεδομένων (AutoEncoder)
Α) Λογιστική Παλινδρόμηση (Logistic Regression)

9. Ποιος αλγόριθμος μπορεί να χρησιμοποιηθεί για την κατηγοριοποίηση εικόνων;
Α) Αλγόριθμος Συστάσεων
Β) Συνελικτικά Νευρωνικά Δίκτυα
Γ) K-Means Αλγόριθμος
Δ) Αλγόριθμος Λογιστικής Παλινδρόμησης
Β) Συνελικτικά Νευρωνικά Δίκτυα

10. Ποια τεχνική μπορεί να χρησιμοποιηθεί για τη δημιουργία ενός αυτόματου συστήματος που προσαρμόζεται σε νέες πληροφορίες;
Α) Αναγνώριση Προτύπων
Β) Επιβλεπόμενη Μάθηση
Γ) Ενισχυτική Μάθηση
Δ) Αυτόματη Μάθηση
Δ) Αυτόματη Μάθηση

11. Ποια μέθοδος χρησιμοποιείται για να μειώσει τη διάσταση των δεδομένων;
Α) Ανάλυση Κύριων Συνιστωσών (PCA)
Β) Αλγόριθμος Κ-Μέσων
Γ) Αλγόριθμος Συστάσεων
Δ) Αλγόριθμος Λογιστικής Παλινδρόμησης
Α) Ανάλυση Κύριων Συνιστωσών (PCA)

12. Ποια τεχνική χρησιμοποιείται για τον εντοπισμό ανωμαλιών στα δεδομένα;
Α) Αναγνώριση Προτύπων
Β) Ανεπιβλεπόμενη Μάθηση
Γ) Ενισχυτική Μάθηση
Δ) Εξόρυξη Δεδομένων
Β) Ανεπιβλεπόμενη Μάθηση

13. Ποιο από τα παρακάτω ΔΕΝ είναι πρόβλημα μηχανικής μάθησης;
Α) Πρόβλεψη θερμοκρασίας αύριο
Β) Ανάλυση κειμένου για το συναίσθημα των αναγνωστών
Γ) Υπολογισμός του πι α
Δ) Αναζήτηση σε μια βάση δεδομένων
Γ) Υπολογισμός του πι α

14. Ποιος αλγόριθμος είναι συνήθως χρήσιμος για προβλήματα διακριτής ταξινόμησης με δυαδικές εξόδους;
Α) Αλγόριθμος Λογιστικής Παλινδρόμησης
Β) Αλγόριθμος K-Means
Γ) Αλγόριθμος K-Πλησιέστερων Γειτόνων
Δ) Αλγόριθμος Αναγνώρισης Προτύπων (Decision Tree)
Α) Αλγόριθμος Λογιστικής Παλινδρόμησης

15. Ποιο από τα παρακάτω ΔΕΝ είναι ένας αλγόριθμος μηχανικής μάθησης;
Α) Συνελικτικά Νευρωνικά Δίκτυα
Β) Ανάλυση Διαστάσεων
Γ) Αλγόριθμος Συστάσεων
Δ) Μέθοδος Κύριων Συνιστωσών
Β) Ανάλυση Διαστάσεων