Crowdly

Додати до Chrome

Університети
else.fcim.utm.md
Course 501

Course 501

Шукаєте відповіді та рішення тестів для Course 501? Перегляньте нашу велику колекцію перевірених відповідей для Course 501 в else.fcim.utm.md.

Отримайте миттєвий доступ до точних відповідей та детальних пояснень для питань вашого курсу. Наша платформа, створена спільнотою, допомагає студентам досягати успіху!

Care este diferența principală între One-hot encoding și Multi-hot encoding?

One-hot encoding este utilizat doar în straturile de ieșire ale RNN-urilor.

One-hot se folosește doar pentru numere întregi, iar Multi-hot pentru numere reale.

Multi-hot encoding este mai lent deoarece folosește matrice rare.

One-hot are un singur bit de '1', în timp ce Multi-hot poate avea mai mulți biți de '1'.

Переглянути це питання

Ce reprezintă 'padding' într-un strat convoluțional?

Adăugarea de margini în jurul imaginii de intrare pentru a controla dimensiunea spațială a ieșirii

O tehnică de normalizare a pixelilor

O strategie de alegere a numărului de filtre în strat

Metoda de a reduce dimensiunea imaginii de intrare

Переглянути це питання

În monitorizarea modelelor în producție, ce măsoară metrica 'TTFT' (Time To First Token)?

Durata de viață a unui token în memoria cache a serverului.

Intervalul de timp de la trimiterea promptului până la apariția primului caracter/token în răspuns.

Numărul de tokeni procesați într-o secundă de către placa grafică.

Timpul total necesar pentru a antrena modelul de la zero.

Переглянути це питання

Care funcție Keras poate fi folosită pentru a antrena un model?

model.predict()

model.fit()

model.train()

model.evaluate()

model.compile()

model.teach()

model.deepTrain()

Переглянути це питання

În arhitectura Transformer, ce rol joacă componenta 'Positional Encoding'?

Identifică poziția erorilor gramaticale pentru a le sublinia cu roșu.

Traduce coordonatele GPS ale utilizatorului pentru a oferi răspunsuri localizate.

Stabilește ordinea în care sunt activate plăcile video în timpul antrenării.

Oferă modelului informații despre ordinea cuvintelor în propoziție, deoarece Transformerul procesează totul simultan.

Переглянути це питання

Care este scopul principal al "convoluției" într-o rețea neuronală convoluțională (convnet)?

Să transforme o matrice de date într-un vector unidimensional (flattening).

Să reducă dimensiunea hărților de caracteristici pentru a economisi memorie (downsampling).

Să aplice o transformare globală care leagă fiecare pixel de intrare de fiecare neuron de ieșire.

Să învețe și să detecteze tipare locale (caracteristici precum margini, texturi) în datele de intrare.

Переглянути це питання

Ce este un 'spațiu latent' (latent space) în contextul autoencoderelor?

Un strat ascuns care conține doar valori de zero pentru a preveni overfitting-ul.

O reprezentare comprimată a trăsăturilor de nivel înalt ale datelor.

Un set de date de testare care nu este niciodată prezentat modelului.

Zona de memorie unde sunt stocate ponderile neutilizate.

Переглянути це питання

Care este principalul avantaj al deep learning-ului față de metodele anterioare de machine learning, cum ar fi SVM-urile sau Random Forests?

Automatizează complet pasul de "feature engineering" (ingineria caracteristicilor).

Este fundamental mai ușor de interpretat și explicat.

Se bazează exclusiv pe modele liniare simple.

Necesită seturi de date mult mai mici pentru a obține rezultate bune.

Переглянути це питання

Care dintre următoarele afirmații despre Superinteligența Artificială (ASI) este adevărată conform materialului?

Se referă strict la abilitatea de a procesa date multidimensionale prin clustering.

Este starea curentă a tehnologiei, dominată de modele precum AlphaGo.

Reprezintă o etapă speculativă care depășește capacitățile cognitive umane în toate domeniile.

Este un sistem care a fost deja implementat cu succes în centralele electrice.

Переглянути це питання

Care este singura constrângere majoră pentru un model de modelare a secvențelor?

Toate secvențele din setul de antrenament trebuie să aibă lungimi identice.

Modelul trebuie să folosească obligatoriu unități de tip LSTM.

Numărul de pași de timp trebuie să fie o putere a lui 2.

Fie intrarea, fie ieșirea (sau ambele) trebuie să fie o secvență.

Переглянути це питання

Попередня
1
3
4
5
10
Наступна

Хочете миттєвий доступ до всіх перевірених відповідей на else.fcim.utm.md?

Отримайте необмежений доступ до відповідей на екзаменаційні питання - встановіть розширення Crowdly зараз!

Додати до Chrome

Telegram Instagram TikTok Question Bank

Умови використання Зв'яжіться з нами

Додати до Chrome

Додати до Chrome