Lernen von Maschinen: Quizfragen und Übungen

Question 1

Was ist ein wesentlicher Vorteil von unüberwachten Lernalgorithmen im Vergleich zu überwachten Lernalgorithmen?

Accepted Answer

Sie benötigen keine beschrifteten Daten.

Answer

Sie liefern immer genauere Ergebnisse.

Answer

Sie sind nur für Klassifizierungsaufgaben geeignet.

Answer

Sie sind immer schneller zu trainieren.

Question 2

Welche Art von Lernalgorithmus verwendet bereits markierte Daten, um ein Modell zu erstellen, das präzise Vorhersagen treffen kann?

Accepted Answer

Überwachtes Lernen

Answer

Evolutionäres Lernen

Answer

Bestärkendes Lernen

Answer

Nicht überwachtes Lernen

Question 3

Welches iterative Verfahren wird verwendet, um die Fehler in einem neuronalen Netzwerk zu minimieren und so die Leistung zu verbessern?

Accepted Answer

Gradientenabstieg

Answer

Momentum

Answer

Regularisierung

Answer

Bayes'sche Optimierung

Question 4

In welcher Phase der Backpropagation wird der Fehler durch das Netzwerk rückwärts propagiert, um die Gewichte anzupassen?

Accepted Answer

Rückwärtsphase

Answer

Vorwärtsphase

Answer

Initialisierungsphase

Answer

Trainingsphase

Question 5

Welcher Parameter steuert die Schrittweite, mit der die Gewichte eines neuronalen Netzwerks während des Gradientenabstiegs aktualisiert werden?

Accepted Answer

Lernrate (auch Alpha genannt)

Answer

Momentum

Answer

Epsilon

Answer

Batchgröße

Question 6

Welche Aktivierungsfunktion wird häufig in der letzten Schicht eines Klassifizierungsnetzwerks verwendet und gibt Wahrscheinlichkeitswerte für jede Klasse aus?

Accepted Answer

Softmax

Answer

Tanh

Answer

Sigmoid

Answer

ReLU

Question 7

Welche Metrik misst den Anteil der korrekt klassifizierten Beispiele in einem Klassifizierungsdatensatz?

Accepted Answer

Genauigkeit

Answer

Präzision

Answer

Rückruf

Answer

F1-Score

Question 8

Welche Technik wird verwendet, um Überanpassung in neuronalen Netzwerken zu verhindern, indem sie die Komplexität des Modells einschränkt?

Accepted Answer

Regularisierung

Answer

Kreuzvalidierung

Answer

Frühes Stoppen

Answer

Datenaugmentation

Question 9

Welche Art von neuronalem Netzwerk ist speziell für die Verarbeitung von räumlichen Daten wie Bildern konzipiert?

Accepted Answer

Convolutionales neuronales Netzwerk (CNN)

Answer

Generative adversarische Netzwerke (GANs)

Answer

Rekurrente neuronale Netzwerke (RNN)

Answer

Autoencoder

Question 10

Welche Metrik misst die Ähnlichkeit zwischen zwei Vektoren, indem sie den Kosinus ihres Winkels berechnet?

Accepted Answer

Kosinus-Ähnlichkeit

Answer

Euklidische Distanz

Answer

Hamming-Distanz

Answer

Manhattan-Distanz

Question 11

Welcher der folgenden Verfahren ist ein überwachter Lernalgorithmus, bei dem eine Zielvariable vorhergesagt wird?

Accepted Answer

Lineare Regression

Answer

Principal Component Analysis

Answer

Autoencoder

Answer

K-Means-Clustering

Question 12

Welche Aktivierungsfunktion, die eine glatte, S-förmige Kurve erzeugt, wird häufig in neuronalen Netzen verwendet?

Accepted Answer

Sigmoid

Answer

Gaußsche Verteilung

Answer

Linearkombination

Answer

Perzeptron

Question 13

Was ist das Hauptziel der Backpropagation in neuronalen Netzen?

Accepted Answer

Aktualisierung der Gewichte auf Basis des Ausgangsfehlers

Answer

Initialisierung der Gewichte

Answer

Normalisierung der Eingaben

Answer

Berechnung der Vorhersage

Question 14

Welcher der folgenden Algorithmen wird zum Auffinden von Clustern in unbeschrifteten Daten verwendet?

Accepted Answer

K-Means-Clustering

Answer

Entscheidungsbäume

Answer

Support-Vektor-Maschinen

Answer

Lineare Regression

Question 15

Was sind Hyperparameter in einem neuronalen Netzwerk, die vor dem Training festgelegt werden?

Accepted Answer

Parameter, wie z. B. Lernrate und Regularisierungsparameter

Answer

Eingangswerte

Answer

Ausgabewerte

Answer

Parameter, die während des Trainings angepasst werden

Question 16

Welche Technik wird verwendet, um Überanpassung zu reduzieren, indem einige Knoten während des Trainings zufällig deaktiviert werden?

Accepted Answer

Dropout

Answer

Regularisierung

Answer

Augmentation

Answer

Cross-Validierung

Question 17

Was ist der Hauptzweck der Forward-Pass in einem neuronalen Netzwerk?

Accepted Answer

Berechnung der Ausgabe für eine gegebene Eingabe durch Weiterleiten durch die Schichten

Answer

Initialisierung der Gewichte

Answer

Aktualisierung der Gewichte

Answer

Berechnung des Fehlers

Question 18

Welche Metrik wird verwendet, um die Leistung eines Klassifizierungsmodells zu messen, indem sowohl Präzision als auch Rückruf berücksichtigt werden?

Accepted Answer

F1-Score

Answer

Varianz

Answer

Mittlerer absoluter Fehler

Answer

Korrelationskoeffizient

Question 19

Welche potenzielle Herausforderung kann bei der Verwendung nicht normalisierter Eingaben in einem neuronalen Netzwerk auftreten?

Accepted Answer

Langsame Konvergenz des Trainings aufgrund unterschiedlicher Maßstäbe der Eingaben

Answer

Überanpassung

Answer

Stuckieren in lokalen Minima

Answer

Verschwindende Gradienten

Question 20

Welche der folgenden Aussagen beschreibt überwachtes Lernen?

Accepted Answer

Der Algorithmus lernt anhand von markierten Daten, eine Zielvariable vorherzusagen.

Answer

Der Algorithmus lernt, die Struktur unmarkierter Daten zu reduzieren.

Answer

Der Algorithmus lernt unmarkierte Daten zu clustern.

Answer

Der Algorithmus lernt, neue Daten durch Generierung zu erstellen.

Question 21

Welcher Algorithmus wird typischerweise zur Berechnung des Gradienten der Verlustfunktion in Neuronalen Netzen verwendet?

Accepted Answer

Backpropagation

Answer

Stochastischer Gradientenabstieg

Answer

Kreuzvalidierung

Answer

Hauptkomponentenanalyse

Question 22

Welche der folgenden Aussagen beschreibt unüberwachtes Lernen?

Accepted Answer

Der Algorithmus lernt Muster oder Strukturen in unmarkierten Daten zu erkennen.

Answer

Der Algorithmus lernt, neue Daten durch Generierung zu erstellen.

Answer

Der Algorithmus lernt, eine Zielvariable anhand markierter Daten vorherzusagen.

Answer

Der Algorithmus lernt, die Dimension unmarkierter Daten zu reduzieren.

Question 23

Was ist die Funktion des Bias-Terms in einem Neuronalen Netzwerk?

Accepted Answer

Er erlaubt es dem Neuron, eine Nicht-Null-Ausgabe zu erzeugen, selbst wenn alle Eingaben Null sind.

Answer

Er initialisiert die Gewichtungen des Neurons.

Answer

Er reguliert die Komplexität des Netzwerks.

Answer

Er normalisiert die Eingaben des Neurons.

Question 24

Welche der folgenden Aktivierungsfunktionen wird häufig in Neuronalen Netzen verwendet, um nichtlineare Beziehungen zu modellieren?

Accepted Answer

Sigmoid

Answer

Linear

Answer

Polynom

Answer

Gaußsch

Question 25

Was ist das Ziel der Regularisierung in Neuronalen Netzen?

Accepted Answer

Überanpassung reduzieren

Answer

Unteranpassung reduzieren

Answer

Speicherbedarf reduzieren

Answer

Konvergenz beschleunigen

Question 26

Welcher Algorithmus wird typischerweise zur Optimierung der Gewichtungen eines Neuronalen Netzwerks verwendet?

Accepted Answer

Stochastischer Gradientenabstieg

Answer

Lineare Regression

Answer

Bayesianische Optimierung

Answer

Konvexer Gradientenabstieg

Question 27

Was ist der Zweck von Dropout in Neuronalen Netzen?

Accepted Answer

Reduzierung von Überanpassung durch zufälliges Ausschalten von Neuronen während des Trainings

Answer

Initialisierung der Gewichtungen des Netzwerks mit zufälligen Werten

Answer

Beschleunigung der Konvergenz durch paralleles Trainieren von Teilnetzwerken

Answer

Erhöhung der Robustheit des Netzwerks gegenüber verrauschten Daten

Question 28

Welche Aussage beschreibt überwachtes Lernen korrekt?

Accepted Answer

Der Algorithmus lernt aus markierten Datenpaaren, bestehend aus Eingaben und zugehörigen Zielwerten.

Answer

Der Algorithmus benötigt keine Rückmeldung während des Trainingsprozesses.

Answer

Der Algorithmus ist nur für Klassifizierungsaufgaben anwendbar.

Answer

Der Algorithmus erkennt Muster in Daten ohne menschliches Feedback.

Question 29

Welcher Optimierungsalgorithmus wird üblicherweise für die Anpassung der Gewichte in neuronalen Netzwerken eingesetzt?

Accepted Answer

Gradientenabstieg

Answer

Nelder-Mead-Methode

Answer

Konjugiertengradienten-Methode

Answer

Newtonsche Methode

Question 30

Was ist der Hauptzweck der Backpropagation?

Accepted Answer

Berechnung der Gradienten des Fehlers bezüglich der Netzwerkgewichte

Answer

Überwachung der Trainingsleistung

Answer

Initialisierung der Netzwerkgewichte

Answer

Anpassung der Lernrate

Question 31

Welcher Lerntyp ist unüberwacht?

Accepted Answer

K-Means-Clustering

Answer

Entscheidungsbäume

Answer

Lineare Regression

Answer

Support Vector Machines

Question 32

Was ist ein wesentlicher Vorteil der Verwendung von Aktivierungsfunktionen in neuronalen Netzwerken?

Accepted Answer

Einführung von Nichtlinearität zur Modellierung komplexer Beziehungen

Answer

Beschleunigung des Trainingsprozesses

Answer

Verbesserung der Generalisierungsfähigkeit

Answer

Reduzierung der Rechenkomplexität

Question 33

Welche Art von neuronalem Netzwerk ist ein Feedforward-Netzwerk?

Accepted Answer

Perzeptron

Answer

Rekurrente neuronale Netze

Answer

Faltungsneurale Netze

Answer

Autoencoder

Question 34

Was ist das Ziel der Feinabstimmung eines vortrainierten neuronalen Netzwerks?

Accepted Answer

Anpassung an eine bestimmte Aufgabe durch geringfügige Änderungen der Netzwerkparameter

Answer

Verringerung der Trainingszeit für die neue Aufgabe

Answer

Verbesserung der Genauigkeit ohne weitere Datenerhebung

Answer

Erhöhung der Anzahl der Parameter im Netzwerk

Question 35

Welche der folgenden Aussagen beschreibt am besten den Unterschied zwischen überwachtem und unüberwachtem Lernen?

Accepted Answer

Überwachtes Lernen verwendet ein Datensatz mit Labeln, während unüberwachtes Lernen Daten ohne Label analysiert.

Answer

Überwachtes Lernen wird für Klassifizierungsprobleme verwendet, unüberwachtes Lernen für Regressionsprobleme.

Question 36

Welcher Lernalgorithmus wird typischerweise für die Mustererkennung in unstrukturierten Daten verwendet?

Accepted Answer

K-Means Clustering

Answer

Support Vector Machine

Answer

Gradientenabstieg

Answer

Logistische Regression

Question 37

Wie funktioniert Gradientenabstieg bei der Optimierung von neuronalen Netzen?

Accepted Answer

Durch die Anpassung der Gewichte in Richtung des negativen Gradienten der Verlustfunktion.

Answer

Durch die Erhöhung der Gewichte für korrekt klassifizierte Datenpunkte.

Answer

Durch die Berechnung des Durchschnitts der Eingangsdaten.

Question 38

Was ist Backpropagation?

Accepted Answer

Ein Algorithmus, der den Fehler durch das Netzwerk zurückpropagiert, um die Gewichte anzupassen.

Answer

Ein Verfahren zur Initialisierung der Gewichte in einem neuronalen Netz.

Answer

Eine Methode zur Auswahl der optimalen Aktivierungsfunktion.

Question 39

Welches Problem kann auftreten, wenn die Lernrate im Gradientenabstieg zu groß ist?

Accepted Answer

Das Modell kann in einem lokalen Minimum stecken bleiben.

Answer

Die Genauigkeit des Modells wird verbessert.

Answer

Die Trainingszeit wird verkürzt.

Question 40

Welche der folgenden Aussagen ist KEINE Eigenschaft von neuronalen Netzen?

Accepted Answer

Sie benötigen immer einen großen Datensatz für effektives Lernen.

Answer

Sie können komplexe Muster in Daten erkennen.

Answer

Sie können für verschiedene Aufgaben wie Klassifizierung und Regression verwendet werden.

Question 41

Welche Art von Lernalgorithmus ist die logistische Regression?

Accepted Answer

Überwachtes Lernen

Answer

Unüberwachtes Lernen

Answer

Keine der obigen Optionen

Answer

Verstärkendes Lernen

Question 42

Welche Funktion wird typischerweise für die Aktivierung von Neuronen in einem neuronalen Netz verwendet?

Accepted Answer

Sigmoid-Funktion

Answer

Tanh-Funktion

Answer

Lineare Funktion

Answer

Konstante Funktion

Question 43

Welche Methode wird verwendet, um die Leistung eines neuronalen Netzes zu bewerten?

Accepted Answer

Genauigkeit, Präzision, Rückruf und F1-Score.

Answer

Anzahl der Neuronen im Netzwerk.

Answer

Lernrate des Gradientenabstiegs.

Answer

Größe der Trainingsdaten.

Question 44

Welche der folgenden Aussagen beschreibt am besten das Konzept der Überanpassung (Overfitting) in neuronalen Netzen?

Accepted Answer

Das Modell lernt die Trainingsdaten zu gut und kann nicht auf neue Daten generalisieren.

Answer

Das Modell ist zu komplex und kann nicht effizient trainiert werden.

Answer

Das Modell ist zu einfach und kann nicht die Komplexität der Daten erfassen.

Question 45

Welcher der folgenden Algorithmen ist KEIN Algorithmus für überwachtes Lernen?

Accepted Answer

k-Means-Clustering

Answer

Support Vector Machines

Answer

Logistische Regression

Answer

Entscheidungsbaum

Question 46

Was ist die Hauptaufgabe des Gradientenabstiegs beim Trainieren eines neuronalen Netzwerks?

Accepted Answer

Die Gewichte und Bias des Netzwerks so anzupassen, dass der Fehler minimiert wird.

Answer

Die Anzahl der Neuronen im Netzwerk zu erhöhen.

Answer

Die Aktivierungsfunktion der Neuronen zu ändern.

Question 47

Welcher der folgenden Aussagen über Backpropagation trifft NICHT zu?

Accepted Answer

Backpropagation wird nur beim unüberwachten Lernen verwendet.

Answer

Backpropagation ermöglicht es dem Netzwerk, aus seinen Fehlern zu lernen und sich zu verbessern.

Answer

Backpropagation berechnet den Gradienten der Fehlerfunktion in Bezug auf die Gewichte des Netzwerks.

Question 48

Was ist die Funktion einer Aktivierungsfunktion in einem neuronalen Netzwerk?

Accepted Answer

Sie führt eine nichtlineare Transformation auf die Ausgabe eines Neurons an.

Answer

Sie initialisiert die Gewichte des Netzwerks.

Answer

Sie berechnet den Fehler zwischen der vorhergesagten und der tatsächlichen Ausgabe.

Question 49

Welche der folgenden Metriken wird häufig verwendet, um die Leistung eines Klassifikationsmodells zu bewerten?

Accepted Answer

Genauigkeit

Answer

Silhouette-Koeffizient

Answer

R-Quadrat

Answer

Mittlere quadratische Fehler

Question 50

Was ist Overfitting im Kontext des maschinellen Lernens?

Accepted Answer

Wenn ein Modell die Trainingsdaten sehr gut lernt, aber schlecht auf ungesehene Daten verallgemeinert.

Answer

Wenn ein Modell die Trainingsdaten nicht gut lernen kann.

Question 51

Welches der folgenden ist ein Beispiel für unüberwachtes Lernen?

Accepted Answer

Gruppierung von Kunden in verschiedene Segmente basierend auf ihrem Einkaufsverhalten.

Answer

Vorhersage des Preises eines Hauses basierend auf seinen Merkmalen.

Answer

Klassifizierung von E-Mails als Spam oder Nicht-Spam.

Question 52

Was ist der Zweck einer Lernrate beim Gradientenabstieg?

Accepted Answer

Sie steuert die Schrittweite bei jeder Iteration in Richtung des Minimums der Fehlerfunktion.

Answer

Sie bestimmt die Anzahl der Epochen im Training.

Answer

Sie misst die Genauigkeit des Modells.

Question 53

Was ist der Unterschied zwischen Batch-Gradientenabstieg und stochastischem Gradientenabstieg?

Accepted Answer

Batch-Gradientenabstieg verwendet den gesamten Trainingsdatensatz, um den Gradienten zu berechnen, während stochastischer Gradientenabstieg nur einen Datenpunkt oder eine kleine Gruppe von Datenpunkten verwendet.

Answer

Batch-Gradientenabstieg ist schneller als stochastischer Gradientenabstieg.

Question 54

Was ist ein Vorteil der Verwendung eines Convolutional Neural Networks (CNN) im Vergleich zu einem vollständig verbundenen neuronalen Netzwerk für die Bildklassifizierung?

Accepted Answer

CNNs sind in der Lage, räumliche Zusammenhänge in Bildern zu lernen.

Answer

CNNs sind weniger komplex und einfacher zu trainieren.

Answer

CNNs benötigen weniger Trainingsdaten.