Средний
балл

Сферы применения

Средний
балл

Задачи машинного обучения

Средний
балл

Нейронные сети

Средний
балл

Общие понятия

Машинное обучение (machine learning), больше данные (big data), искусственный интеллект (AI), искусственные нейронные сети — составляющие современного прогресса, которые всё больше проникают во все сферы ИТ и сферы деятельности человека в целом. Что Вы знаете о них?

Машинное обучение, 19.01.2019.
Всё очень просто!
Робот будет задавать Вам вопросы и обучать исходя из ответов.
Желаем успехов!

Вопрос 1 из 15

Это эмпирическое наблюдение Гордон Мур сделал еще в 1970-х годах.

Когда говорят о нейронных сетях и машинном обучении, часто упоминают закон Мура. В чем его суть?
Вопрос 2 из 15

Пластическую операцию нейросеть вам не смоделирует.

Особых успехов нейросети достигли в работе с изображениями. Но что из этого нейросети не могут сделать?
Вопрос 3 из 15

Иску́сственная нейро́нная се́ть (ИНС) — математическая модель, а также её программное или аппаратное воплощение, построенная по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма. Это понятие возникло при изучении процессов, протекающих в мозге, и при попытке смоделировать эти процессы. Первой такой попыткой были нейронные сети У. Маккалока и У. Питтса. После разработки алгоритмов обучения получаемые модели стали использовать в практических целях: в задачах прогнозирования, для распознавания образов, в задачах управления и др.

ИНС представляет собой систему соединённых и взаимодействующих между собой простых процессоров (искусственных нейронов). Такие процессоры обычно довольно просты (особенно в сравнении с процессорами, используемыми в персональных компьютерах). Каждый процессор подобной сети имеет дело только с сигналами, которые он периодически получает, и сигналами, которые он периодически посылает другим процессорам. И, тем не менее, будучи соединёнными в достаточно большую сеть с управляемым взаимодействием, такие по отдельности простые процессоры вместе способны выполнять довольно сложные задачи.

С точки зрения машинного обучения, нейронная сеть представляет собой частный случай методов распознавания образов, дискриминантного анализа, методов кластеризации и т. п.
С математической точки зрения, обучение нейронных сетей — это многопараметрическая задача нелинейной оптимизации.
С точки зрения кибернетики, нейронная сеть используется в задачах адаптивного управления и как алгоритмы для робототехники.
С точки зрения развития вычислительной техники и программирования, нейронная сеть — способ решения проблемы эффективного параллелизма.
А с точки зрения искусственного интеллекта, ИНС является основой философского течения коннективизма и основным направлением в структурном подходе по изучению возможности построения (моделирования) естественного интеллекта с помощью компьютерных алгоритмов.

Нейронные сети не программируются в привычном смысле этого слова, они обучаются. Возможность обучения — одно из главных преимуществ нейронных сетей перед традиционными алгоритмами. Технически обучение заключается в нахождении коэффициентов связей между нейронами. В процессе обучения нейронная сеть способна выявлять сложные зависимости между входными данными и выходными, а также выполнять обобщение. Это значит, что в случае успешного обучения сеть сможет вернуть верный результат на основании данных, которые отсутствовали в обучающей выборке, а также неполных и/или «зашумленных», частично искажённых данных.

Что такое искусственная нейронная сеть?
Вопрос 4 из 15

В отличие от задачи классификации, величины, предсказываемые в регрессиях, могут принимать значения из непрерывных интервалов.

У машинного обучения есть ряд задач. Как называется та, что направлена на предсказание значения той или иной непрерывной числовой величины для входных данных?
Вопрос 5 из 15

Машинное обучение (англ. machine learning, ML) — класс методов искусственного интеллекта, характерной чертой которых является не прямое решение задачи, а обучение в процессе применения решений множества сходных задач. Для построения таких методов используются средства математической статистики, численных методов, методов оптимизации, теории вероятностей, теории графов, различные техники работы с данными в цифровой форме.

Различают два типа обучения:
1. Обучение по прецедентам, или индуктивное обучение, основано на выявлении эмпирических закономерностей в данных.
2. Дедуктивное обучение предполагает формализацию знаний экспертов и их перенос в компьютер в виде базы знаний.

Дедуктивное обучение принято относить к области экспертных систем, поэтому термины машинное обучение и обучение по прецедентам можно считать синонимами.

Многие методы индуктивного обучения разрабатывались как альтернатива классическим статистическим подходам. Многие методы тесно связаны с извлечением информации (англ. information extraction), интеллектуальным анализом данных (data mining).

Что такое машинное обучение?
Вопрос 6 из 15

Иску́сственный интелле́кт (ИИ; англ. artificial intelligence, AI):

1. Наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ;
2. Свойство интеллектуальных систем выполнять творческие функции, которые традиционно считаются прерогативой человека.

Робот Kismet с искусственным интеллектом в Музее Массачусетского технологического института, 2006 год.

ИИ связан со сходной задачей использования компьютеров для понимания человеческого интеллекта, но не обязательно ограничивается биологически правдоподобными методами.

Существующие на сегодня интеллектуальные системы имеют очень узкие области применения. Например, программы, способные обыграть человека в шахматы, не могут отвечать на вопросы и т. д.

Что такое искусственный интеллект?
Вопрос 7 из 15

Обучение с подкреплением основано на взаимодействии агента со средой.

Какой из видов машинного обучения основывается на взаимодействии обучаемой системы со средой?
Вопрос 8 из 15

Уоррен Мак-Каллок и Уолтер Питтс попытались создать первую искусственную нейронную сеть в 40-х годах прошлого века.

Кто создал первую модель искусственных нейронных сетей?
Вопрос 9 из 15

Нейросетям пока сложно генерировать объекты нужной формы. По этой же причине ИНС могут выдавать изображения кошек с тремя глазами и совершать другие подобные ошибки.

Нейросети хорошо проявляют себя не только в распознавании, но и в генерации изображений. Но кое с чем у них все-таки возникают проблемы. С чем именно?
Вопрос 10 из 15

В бридж нейронные сети играть пока не умеют, зато неплохо показывают себя в покере.

В какие игры нейросеть еще не научилась обыгрывать человека?
Вопрос 11 из 15

На картинке показан процесс свертки искусственной нейронной сети.

Какой тип искусственной нейронной сети представлен на картинке?
Вопрос 12 из 15

Наивных искусственных нейронных сетей не существует.

Искусственные нейронные сети (ИНС) — модели машинного обучения, использующие комбинации распределенных простых операций, зависящих от обучаемых параметров, для обработки входных данных. Какого вида ИНС не существует?
Вопрос 13 из 15

Классические задачи, решаемые с помощью машинного обучения:

- Классификация как правило, выполняется с помощью обучения с учителем на этапе собственно обучения.
- Кластеризация как правило, выполняется с помощью обучения без учителя
- Регрессия как правило, выполняется с помощью обучения с учителем на этапе тестирования, является частным случаем задач прогнозирования.
- Понижение размерности данных и их визуализация выполняется с помощью обучения без учителя.
- Восстановление плотности распределения вероятности по набору данных.
- Одноклассовая классификация и выявление новизны.
- Построение ранговых зависимостей.

Выберите классические задачи, решаемые с помощью машинного обучения.
Вопрос 14 из 15

Целью машинного обучения является частичная или полная автоматизация решения сложных профессиональных задач в самых разных областях человеческой деятельности.

Машинное обучение имеет широкий спектр приложений:
- Распознавание речи;
- Распознавание жестов;
- Распознавание рукописного ввода;
- Распознавание образов;
- Техническая диагностика;
- Медицинская диагностика;
- Прогнозирование временных рядов;
- Биоинформатика;
- Обнаружение мошенничества;
- Обнаружение спама;
- Категоризация документов;
- Биржевой технический анализ;
- Финансовый надзор;
- Кредитный скоринг;
- Прогнозирование ухода клиентов;
- Хемоинформатика;
- Обучение ранжированию в информационном поиске;

Сфера применений машинного обучения постоянно расширяется. Повсеместная информатизация приводит к накоплению огромных объёмов данных в науке, производстве, бизнесе, транспорте, здравоохранении. Возникающие при этом задачи прогнозирования, управления и принятия решений часто сводятся к обучению по прецедентам. Раньше, когда таких данных не было, эти задачи либо вообще не ставились, либо решались совершенно другими методами.

Выберите практические сферы применения машинного обучения.

Вопрос 15 из 15

Больши́е да́нные (англ. big data, [ˈbɪɡ ˈdeɪtə]) — обозначение структурированных и неструктурированных данных огромных объёмов и значительного многообразия, эффективно обрабатываемых горизонтально масштабируемыми программными инструментами, появившимися в конце 2000-х годов и альтернативных традиционным системам управления базами данных и решениям класса Business Intelligence.

В широком смысле о «больших данных» говорят как о социально-экономическом феномене, связанном с появлением технологических возможностей анализировать огромные массивы данных, в некоторых проблемных областях — весь мировой объём данных, и вытекающих из этого трансформационных последствий.

В качестве определяющих характеристик для больших данных традиционно выделяют «три V»: объём (англ. volume, в смысле величины физического объёма), скорость (velocity в смыслах как скорости прироста, так и необходимости высокоскоростной обработки и получения результатов), многообразие (variety, в смысле возможности одновременной обработки различных типов структурированных и полуструктурированных данных); в дальнейшем возникли различные вариации и интерпретации этого признака.

С точки зрения информационных технологий в совокупность подходов и инструментов изначально включались средства массово-параллельной обработки неопределённо структурированных данных, прежде всего, системами управления базами данных категории NoSQL, алгоритмами MapReduce и реализующими их программными каркасами и библиотеками проекта Hadoop. В дальнейшем к серии технологий больших данных стали относить разнообразные информационно-технологические решения, в той или иной степени обеспечивающие сходные по характеристикам возможности по обработке сверхбольших массивов данных.

Что такое большие данные?

Вопросы и аналитика последних результатов


Вопрос %
Выберите практические сферы применения машинного обучения.

Категория: Сферы применения

86 %
Допустим, нам нужно рассчитать необходимые параметры для создания обшивки самолета. Какая из областей машинного обучения нам в этом пригодится?

Категория: Сферы применения

64 %
В какие игры нейросеть еще не научилась обыгрывать человека?

Категория: Нейронные сети

64 %
Искусственные нейронные сети (ИНС) — модели машинного обучения, использующие комбинации распределенных простых операций, зависящих от обучаемых параметров, для обработки входных данных. Какого вида ИНС не существует?

Категория: Нейронные сети

50 %
У машинного обучения есть ряд задач. Как называется та, что направлена на предсказание значения той или иной непрерывной числовой величины для входных данных?

Категория: Задачи машинного обучения

50 %
Что такое большие данные?

Категория: Общие понятия

50 %
Выберите классические задачи, решаемые с помощью машинного обучения.

Категория: Задачи машинного обучения

50 %
Нейросети хорошо проявляют себя не только в распознавании, но и в генерации изображений. Но кое с чем у них все-таки возникают проблемы. С чем именно?

Категория: Нейронные сети

45 %
Какой тип искусственной нейронной сети представлен на картинке?

Категория: Нейронные сети

40 %
Что такое искусственная нейронная сеть?

Категория: Общие понятия

38 %
Что такое машинное обучение?

Категория: Общие понятия

33 %
Какой из видов машинного обучения основывается на взаимодействии обучаемой системы со средой?

Категория: Общие понятия

30 %
Когда говорят о нейронных сетях и машинном обучении, часто упоминают закон Мура. В чем его суть?

Категория: Общие понятия

27 %
Особых успехов нейросети достигли в работе с изображениями. Но что из этого нейросети не могут сделать?

Категория: Нейронные сети

18 %
Кто создал первую модель искусственных нейронных сетей?

Категория: Нейронные сети

18 %
Что такое искусственный интеллект?

Категория: Общие понятия

14 %
  1. Дичь, а не тест. Интересно, его эксперт пройдёт?

    14.09.2018 at 02:17