Ответьте на 8 вопросов, чтобы узнать свой уровень владения компетенцией «Машинное обучение и большие данные»
Начать тест
Верно ли утверждение, что для создания успешного проекта машинного обучения большую часть времени тратят на написание и настройку алгоритмов.
По оценкам экспертов, 60−80% времени уходит на сбор, очистку, анализ и подготовку данных (Data Engineering). Только оставшиеся 20−40% - на выбор, реализацию и настройку моделей. Качество данных — ключевой фактор успеха, часто даже важнее выбора конкретного алгоритма.
0%
По оценкам экспертов, 60−80% времени уходит на сбор, очистку, анализ и подготовку данных (Data Engineering). Только оставшиеся 20−40% - на выбор, реализацию и настройку моделей. Качество данных — ключевой фактор успеха, часто даже важнее выбора конкретного алгоритма.
0%
Далее
Назад
Узнать результат
Верно ли утверждение, что нейросеть может пройти тест Тьюринга и выдать себя за человека.
В 2014 году чат-бот Eugene Goostman «обманул» 33% судей, убедив их, что он 13-летний мальчик из Украины. Хотя это спорно, современные LLM (вроде ChatGPT) часто проходят неформальные тесты Тьюринга в кратких диалогах. Но при глубоком общении — раскрываются.
0%
В 2014 году чат-бот Eugene Goostman «обманул» 33% судей, убедив их, что он 13-летний мальчик из Украины. Хотя это спорно, современные LLM (вроде ChatGPT) часто проходят неформальные тесты Тьюринга в кратких диалогах. Но при глубоком общении — раскрываются.
0%
Далее
Назад
Узнать результат
Датасет ImageNet, который способствовал буму машинного зрения, содержит больше изображений, чем человечество успело сделать снимков на плёнку за всю историю до 2000 года".
ImageNet: 14 млн изображений. Оценки Kodak: до 2000 года было снято 2,5−3 триллиона фотографий на плёнку. ImageNet — капля в море.
0%
ImageNet: 14 млн изображений. Оценки Kodak: до 2000 года было снято 2,5−3 триллиона фотографий на плёнку. ImageNet — капля в море.
0%
Далее
Назад
Узнать результат
Верно ли утверждение, что нейросети работают по принципу человеческого мозга: у них есть искусственные «нейроны.
Да, нейросети вдохновлены биологическими нейронами: они передают сигналы через «связи» (веса). Но аналогия поверхностна. Реальный мозг — это миллиарды сложных клеток с химическими и электрическими процессами. Искусственные нейроны — просто математические функции. Это метафора, а не копия.
0%
Да, нейросети вдохновлены биологическими нейронами: они передают сигналы через «связи» (веса). Но аналогия поверхностна. Реальный мозг — это миллиарды сложных клеток с химическими и электрическими процессами. Искусственные нейроны — просто математические функции. Это метафора, а не копия.
0%
Далее
Назад
Узнать результат
Верно ли утверждение, что самая большая языковая модель в мире в 2024 году имеет уже 100 триллионов параметров.
Самые крупные публичные модели (GPT-4, Claude 3) оцениваются в ≈ 1−2 трлн параметров. 100 трлн — это мем, основанный на гипотетическом «GPT-5» без подтверждения.
0%
Самые крупные публичные модели (GPT-4, Claude 3) оцениваются в ≈ 1−2 трлн параметров. 100 трлн — это мем, основанный на гипотетическом «GPT-5» без подтверждения.
0%
Далее
Назад
Узнать результат
Верно ли утверждение, что существуют нейросети, которые учатся без примеров — методом проб и ошибок, как человек.
Это обучение с подкреплением (reinforcement learning). Пример — AlphaGo от DeepMind. Он не учился на партиях людей, а играл сам с собой миллионы раз, получая «награду» за победу. Такие модели учатся в виртуальной среде, как ребёнок, осваивающий мир. Это один из путей к более «гибкому» ИИ.
0%
Это обучение с подкреплением (reinforcement learning). Пример — AlphaGo от DeepMind. Он не учился на партиях людей, а играл сам с собой миллионы раз, получая «награду» за победу. Такие модели учатся в виртуальной среде, как ребёнок, осваивающий мир. Это один из путей к более «гибкому» ИИ.
0%
Далее
Назад
Узнать результат
Верно ли утверждение, что алгоритм Random Forest никогда не переобучается, если количество деревьев стремится к бесконечности.
Даже при бесконечном лесу можно переобучиться из-за глубины деревьев и шумных признаков. Увеличение деревьев снижает дисперсию, но не убирает смещение.
0%
Даже при бесконечном лесу можно переобучиться из-за глубины деревьев и шумных признаков. Увеличение деревьев снижает дисперсию, но не убирает смещение.
0%
Далее
Назад
Узнать результат
Верно ли утверждение, что добавление всего одного «ядового» пикселя может заставить свёрточную нейросеть ошибочно классифицировать изображение.
Атака «one-pixel attack» (2017) показала, что изменение 1−3 пикселей в среднем сбивает ResNet-50 на ImageNet с вероятностью >70%.
0%
Атака «one-pixel attack» (2017) показала, что изменение 1−3 пикселей в среднем сбивает ResNet-50 на ImageNet с вероятностью >70%.