Verstärkungslernen: Quizfragen und Übungen für Data Science und KI

Question 1

Welche Komponente ist **nicht** Teil des Verstärkungslernens?

Accepted Answer

Überwachte Daten

Answer

Belohnungsfunktion

Answer

Zustandsraum

Question 2

Was ist das primäre Ziel des Verstärkungslernens?

Accepted Answer

Agenten trainieren, um in komplexen Umgebungen optimale Entscheidungen zu treffen, indem sie für positive Aktionen belohnt werden.

Answer

Agenten in die Lage versetzen, komplexe Aufgaben ohne Anleitung auszuführen.

Answer

Die Interaktion zwischen Mensch und Maschine vereinfachen.

Question 3

Welches Prinzip ist das Herzstück des Verstärkungslernens?

Accepted Answer

Agenten treffen Entscheidungen, um eine Belohnung zu maximieren.

Answer

Agenten lernen nur aus Interaktionen ohne Belohnung.

Answer

Agenten können nur in Umgebungen trainiert werden, die vollständig sichtbar und vorhersehbar sind.

Answer

Die Lernrate eines Agenten ist immer gleich, unabhängig von der Schwierigkeit der Aufgabe.

Question 4

Welcher Begriff im Verstärkungslernen beschreibt die Funktion, die den Nutzen einer Aktion in einem bestimmten Zustand angibt?

Accepted Answer

Belohnungsfunktion

Answer

Zustandsraum

Answer

Entscheidungsfindung

Answer

Lernalgorithmus

Question 5

Welche der folgenden Aussagen beschreibt am besten die Funktion von Belohnungsfunktionen im Verstärkungslernen?

Accepted Answer

Sie quantifizieren die Güte der Aktionen eines Agenten aus der Perspektive der definierten Aufgabe.

Answer

Sie werden ausschließlich durch die aktuellen Zustandsinformationen bestimmt.

Answer

Sie bleiben während der gesamten Interaktion des Agenten mit seiner Umgebung konstant.

Question 6

Welche Komponente des Verstärkungslernens repräsentiert die vollständige Beschreibung aller relevanten Informationen über die Umgebung zu einem bestimmten Zeitpunkt?

Accepted Answer

Zustand

Answer

Belohnung

Answer

Aktion

Question 7

Nennen Sie den gängigen Verstärkungslern-Algorithmus, der auf der Vorstellung eines Wert-Iterationsverfahrens basiert.

Accepted Answer

Q-Learning

Answer

K-Means

Answer

Lineare Regression

Answer

Entscheidungsbaum

Question 8

Welche Metrik wird primär verwendet, um die Leistung eines Verstärkungslern-Agenten zu messen?

Accepted Answer

Kumulative Belohnung

Answer

Klassifizierungsgenauigkeit

Answer

Mittlere quadratische Abweichung

Question 9

Welche Umgebungsmodellierung ist üblicherweise mit Verstärkungslernen verbunden?

Accepted Answer

Markov-Entscheidungsprozess

Answer

Petri-Netz

Answer

Zustandsmaschine

Answer

Bayessches Netzwerk

Question 10

Erläutern Sie den zentralen Vorteil des Verstärkungslernens im Vergleich zum überwachten Lernen.

Accepted Answer

Verstärkungslernen ermöglicht es Agenten, Wissen aus ungelabelten Interaktionen mit ihrer Umgebung zu erwerben, ohne die Notwendigkeit expliziter menschlicher Anleitung.

Answer

Verstärkungslernen ist immer effizienter als überwachtes Lernen.

Answer

Verstärkungslernen ist für eine breitere Palette von Problemen anwendbar.

Answer

Verstärkungslernen erfordert weniger Rechenleistung.

Question 11

Identifizieren Sie die Anwendung, die KEIN Beispiel für Verstärkungslernen ist.

Accepted Answer

Bildklassifizierung

Answer

Spielen

Answer

Roboternavigation

Answer

Finanzhandel

Question 12

Nennen Sie eine häufige Herausforderung, auf die beim Verstärkungslernen gestoßen wird, die sich aus der Verteilung von Belohnungssignalen ergibt.

Accepted Answer

Sparsity von Belohnungssignalen

Answer

Hohe Rechenkomplexität

Answer

Fehlende Konvergenz

Answer

Überanpassung

Question 13

Welche der folgenden Komponenten ist **kein** wesentlicher Bestandteil des Verstärkungslernens?

Accepted Answer

Überwachte Lernsignale

Answer

Agent

Answer

Belohnungsfunktion

Answer

Umgebung

Question 14

Welche der folgenden Belohnungsfunktionen würde einen Agenten dazu ermutigen, ein Ziel so schnell wie möglich zu erreichen?

Accepted Answer

Belohnung am Ziel, Bestrafung für Verzögerung

Answer

Bestrafungen am Ziel, Belohnungen für Verzögerung

Answer

Keine Belohnung, nur Bestrafung für Verzögerung

Answer

Belohnung proportional zur Verzögerung

Question 15

Welche der folgenden Herausforderungen ist typisch für Verstärkungslernaufgaben?

Accepted Answer

Sparsität von Belohnungen

Answer

Perfekte Informationen

Answer

Deterministische Umgebungen

Answer

Überfülle an Daten

Question 16

Nennen Sie eine Anwendung des Verstärkungslernens im Bereich der Spiele.

Accepted Answer

AlphaGo

Answer

Medizinische Diagnose

Answer

Maschinelle Übersetzung

Answer

Objekterkennung

Question 17

Welche der folgenden Aussagen über Q-Learning ist korrekt?

Accepted Answer

Es ist ein off-policy-Algorithmus.

Answer

Es benötigt einen großen Datensatz an Interaktionen.

Answer

Es konvergiert immer zur optimalen Richtlinie.

Answer

Es erfordert vollständige Kenntnis des Zustandsraums.

Question 18

Welche der folgenden Techniken wird verwendet, um Exploration und Exploitation im Verstärkungslernen auszubalancieren?

Accepted Answer

Epsilon-Greedy

Answer

Q-Funktion

Answer

Dynamische Programmierung

Answer

Baumsuche

Question 19

Nennen Sie einen Vorteil von Deep Q-Learning.

Accepted Answer

Kann komplexe Zustandsräume verarbeiten

Answer

Garantierte Konvergenz zur optimalen Richtlinie

Answer

Keine Notwendigkeit für manuelle Merkmalsextraktion

Answer

Geringerer Rechenaufwand als herkömmliche RL-Algorithmen

Question 20

Welche der folgenden Aussagen über Verstärkungslernen ist falsch?

Accepted Answer

Es kann nur für deterministische Umgebungen verwendet werden.

Answer

Es erfordert ein Modell der Umgebung.

Answer

Es ist ein iterativer Prozess.

Question 21

Welches der folgenden Konzepte ist **unverzichtbar** für das Verstärkungslernen?

Accepted Answer

Belohnungsfunktion

Answer

Clustering

Answer

Lineare Regression

Answer

Überwachtes Lernen

Question 22

Was ist das **übergeordnete Ziel** eines Verstärkungslernalgorithmus?

Accepted Answer

Maximierung der Belohnung im Laufe der Zeit

Answer

Vorhersage zukünftiger Ereignisse

Answer

Identifizierung von Mustern in Daten

Answer

Minimierung des Fehlers

Question 23

Was versteht man unter dem **Zustandsraum** im Verstärkungslernen?

Accepted Answer

Die Menge aller möglichen Zustände, in denen sich ein Agent befinden **kann**

Answer

Die Menge aller möglichen Aktionen, die ein Agent ausführen **kann**

Answer

Die Menge aller möglichen Belohnungen, die ein Agent erhalten **kann**

Question 24

Was ist eine **Policy** im Kontext des Verstärkungslernens?

Accepted Answer

Eine Funktion, die **Zustände** zu Aktionen zuordnet

Answer

Eine Funktion, die Zustände zu Belohnungen zuordnet

Answer

Eine Funktion, die Aktionen zu Belohnungen zuordnet

Question 25

Welche der folgenden Aussagen über Deep Reinforcement Learning (DRL) **trifft zu**?

Accepted Answer

DRL ermöglicht es Agenten, aus **hochdimensionalen** Eingabedaten zu lernen

Answer

DRL erfordert immer eine **große** Menge an Trainingsdaten

Answer

DRL kann nur in **deterministischen** Umgebungen eingesetzt werden

Question 26

Welche **Metrik** wird häufig zur Bewertung der Leistung eines Verstärkungslernalgorithmus verwendet?

Accepted Answer

Kumulierte Belohnung

Answer

F1-Score

Answer

ROC-AUC

Answer

Genauigkeit

Question 27

Welche der folgenden Aussagen beschreibt Verstärkungslernen am besten?

Accepted Answer

Ein Ansatz des maschinellen Lernens, bei dem Agenten durch Belohnung oder Bestrafung lernen, in komplexen Umgebungen optimale Entscheidungen zu treffen.

Answer

Ein Algorithmus, der Daten analysiert, um Muster zu erkennen.

Answer

Ein Ansatz des überwachten Lernens, bei dem ein Modell aus markierten Daten trainiert wird.

Question 28

Was ist eine Belohnungsfunktion?

Accepted Answer

Eine Funktion, die dem Agenten für seine Aktionen in einer Umgebung numerische Belohnungen zuweist.

Answer

Ein Zustand, in dem sich der Agent in einer Umgebung befindet.

Answer

Die Gesamtheit aller möglichen Aktionen, die der Agent in einer Umgebung ausführen kann.

Question 29

Welche der folgenden ist eine besondere Herausforderung beim Verstärkungslernen?

Accepted Answer

Die verzögerte Belohnung, wenn die Auswirkung von Aktionen erst nach mehreren Schritten sichtbar wird.

Answer

Die hohe Anzahl möglicher Aktionen in einer Umgebung.

Answer

Die Notwendigkeit, große Datenmengen zu sammeln.

Question 30

Welcher der folgenden Algorithmen ist ein Beispiel für einen wertebasierten Verstärkungslernalgorithmus?

Accepted Answer

Q-Learning

Answer

K-Means-Clustering

Answer

Entscheidungsbaum

Answer

Support Vector Machine

Question 31

Welche der folgenden Techniken wird zur Ausbalancierung von Exploration und Exploitation im Verstärkungslernen eingesetzt?

Accepted Answer

Epsilon-Greedy

Answer

Baumsuche

Answer

Model-Based Lernen

Answer

Dynamische Programmierung

Question 32

Welche der folgenden Anwendungen ist ein geeignetes Anwendungsgebiet für Verstärkungslernen?

Accepted Answer

Spiele spielen

Answer

Handschrifterkennung

Answer

Textgenerierung

Answer

Bildklassifizierung

Question 33

Welches der folgenden Konzepte ist für die Modellierung von Umgebungen im Verstärkungslernen relevant?

Accepted Answer

Markov-Entscheidungsprozesse

Answer

Bayes'sche Netze

Answer

Lineare Regression

Answer

Entscheidungsbäume

Question 34

Welche der folgenden Techniken kann in Kombination mit Verstärkungslernen verwendet werden, um die Entscheidungsfindung zu verbessern?

Accepted Answer

Imitationslernen

Answer

Unüberwachtes Lernen

Answer

Überwachtes Lernen

Answer

Verstärkungslernen

Question 35

Welche Art von Problemen kann mit Verstärkungslernen gelöst werden?

Accepted Answer

Optimale Entscheidungsfindung in unsicheren und dynamischen Umgebungen

Answer

Klassifizierung von Bildern

Answer

Vorhersage von Zeitreihen

Question 36

Ein wesentlicher Aspekt des Verstärkungslernens ist:

Accepted Answer

Agenten lernen optimale Entscheidungen durch Belohnungen.

Answer

Agenten lernen ausschließlich durch Überwachung.

Answer

Lernen findet nur in deterministischen Umgebungen statt.

Question 37

Die Belohnungsfunktion im Verstärkungslernen:

Accepted Answer

Weist numerische Belohnungen für verschiedene Zustände zu.

Answer

Speichert den aktuellen Zustand der Umgebung.

Answer

Definiert die zulässigen Aktionen des Agenten.

Question 38

Zustandsräume im Verstärkungslernen:**

Accepted Answer

Stellen alle möglichen Zustände dar, in denen sich der Agent befinden kann.

Answer

Werden durch den Agenten definiert.

Answer

Sind immer diskret.

Question 39

Welche Technik des Verstärkungslernens nutzt simulierte Erfahrungen, um den Lernprozess zu beschleunigen?

Accepted Answer

Erfahrungswiedergabe

Answer

Q- Lernen

Answer

Policy Gradient

Answer

SARSA

Question 40

Beim Einsatz von Verstärkungslernen für autonome Fahrzeuge kann es dazu genutzt werden:

Accepted Answer

Fahrzeuge für die Navigation in komplexen Verkehrsszenarien zu trainieren.

Answer

Nur in vollständig deterministischen Umgebungen zu funktionieren.

Answer

Während des Trainings immer eine menschliche Überwachung zu erfordern.

Question 41

Welches Kriterium wird verwendet, um die Konvergenz von Verstärkungslern-Algorithmen zu messen?

Accepted Answer

Stabilität der Entscheidungsfindungsrichtlinie

Answer

Größe der Belohnungsfunktion

Answer

Anzahl der erkundeten Zustände

Answer

Zeitaufwand für das Training

Question 42

Welche Aussage beschreibt das grundlegende Prinzip des Verstärkungslernens korrekt?

Accepted Answer

Agenten lernen durch Belohnungen, optimale Entscheidungen in komplexen Umgebungen zu treffen.

Answer

Agenten lernen durch Vormachen, die besten Aktionen in bestimmten Situationen auszuführen.

Answer

Agenten lernen durch unüberwachte Verallgemeinerungen, um Schlussfolgerungen auf Basis begrenzter Daten zu ziehen.

Question 43

Was ist eine Belohnungsfunktion im Kontext des Verstärkungslernens?

Accepted Answer

Eine Funktion, die die Qualität des Verhaltens eines Agenten in einem bestimmten Zustand misst.

Answer

Eine Funktion, die die Wahrscheinlichkeit berechnet, mit der ein Agent eine bestimmte Aktion ausführt.

Answer

Eine Funktion, die den Zustand der Umgebung beschreibt, in der sich ein Agent befindet.

Question 44

Was wird im Verstärkungslernen als Zustandsraum bezeichnet?

Accepted Answer

Die Menge aller möglichen Zustände, in denen sich ein Agent befinden kann.

Answer

Die Menge aller möglichen Aktionen, die ein Agent ausführen kann.

Answer

Die Menge aller möglichen Belohnungen, die ein Agent erhalten kann.

Question 45

Welche der folgenden Methoden wird im Verstärkungslernen NICHT zur Entscheidungsfindung verwendet?

Accepted Answer

Überwachtes Lernen

Answer

Policy-Gradient-Verfahren

Answer

Wert-Iteration

Answer

Q-Learning

Question 46

Was ist der wesentliche Unterschied zwischen einer deterministischen und einer nicht-deterministischen Umgebung im Verstärkungslernen?

Accepted Answer

In einer deterministischen Umgebung führt dieselbe Aktion in demselben Zustand immer zum gleichen nächsten Zustand. In einer nicht-deterministischen Umgebung kann dieselbe Aktion in demselben Zustand zu unterschiedlichen nächsten Zuständen führen.

Answer

In einer deterministischen Umgebung kann ein Agent die Belohnung für eine Aktion vorhersagen, während er dies in einer nicht-deterministischen Umgebung nicht kann.

Question 47

Welche der folgenden Aussagen beschreibt einen Vorteil des Verstärkungslernens?

Accepted Answer

Es ermöglicht Agenten, in komplexen Umgebungen zu lernen, ohne explizites Feedback zu erhalten.

Answer

Es garantiert immer, dass ein Agent die optimale Politik findet.

Answer

Es ist in allen Fällen schneller als andere Lernparadigmen.

Question 48

Welche der folgenden Aussagen beschreibt eine Herausforderung des Verstärkungslernens?

Accepted Answer

Es kann schwierig sein, Belohnungsfunktionen zu entwerfen, die das gewünschte Verhalten fördern.

Answer

Es ist grundsätzlich instabil und kann leicht zu unerwünschtem Verhalten führen.

Answer

Es erfordert immer eine enorme Menge an Trainingsdaten.

Question 49

Welche Anwendung des Verstärkungslernens ist besonders relevant?

Accepted Answer

Entwicklung selbstfahrender Autos

Answer

Erstellen von Musikkompositionen

Answer

Manuelles Schachspielen

Answer

Lösen von Sudoku-Rätseln

Question 50

Was ist der Unterschied zwischen On-Policy- und Off-Policy-Methoden im Verstärkungslernen?

Accepted Answer

On-Policy-Methoden lernen und verbessern die aktuell verwendete Politik, während Off-Policy-Methoden aus Erfahrungen anderer Politiken lernen.

Answer

On-Policy-Methoden sind immer deterministisch, während Off-Policy-Methoden immer nicht-deterministisch sind.

Question 51

Welche der folgenden Aussagen beschreibt Verstärkungslernen am treffendsten?

Accepted Answer

Ein Ansatz des maschinellen Lernens, bei dem Agenten durch Belohnungen lernen, optimale Entscheidungen in ungewissen Umgebungen zu treffen.

Answer

Eine Methode zur Vorhersage von Ereignissen basierend auf historischen Daten.

Question 52

Was versteht man im Kontext des Verstärkungslernens unter einer Belohnungsfunktion?

Accepted Answer

Eine Funktion, die den Nutzen einer Aktion in einem bestimmten Zustand quantifiziert.

Answer

Ein Algorithmus zur Bestimmung der optimalen Aktion für einen gegebenen Zustand.

Answer

Eine Sammlung von Zuständen, in denen der Agent operieren kann.

Question 53

Was bezeichnet der Zustandsraum im Verstärkungslernen?

Accepted Answer

Die Gesamtheit aller möglichen Zustände, in denen sich ein Agent befinden kann.

Answer

Die Gesamtheit aller möglichen Eingaben, die der Agent wahrnehmen kann.

Answer

Die Gesamtheit aller möglichen Aktionen, die der Agent ausführen kann.

Question 54

Welcher der folgenden Algorithmen ist ein typisches Beispiel für Verstärkungslernen?

Accepted Answer

Q-Learning

Answer

Support Vector Machines

Answer

Logistische Regression

Answer

k-NN

Question 55

Nennen Sie ein Beispiel für eine praktische Anwendung von Verstärkungslernen.

Accepted Answer

Das Trainieren eines Roboters, in einer unbekannten Umgebung zu navigieren.

Answer

Erkennung von Spam-E-Mails

Answer

Clustering von Kunden in Marktsegmente

Question 56

Welches Merkmal unterscheidet Verstärkungslernen von anderen Ansätzen des maschinellen Lernens?

Accepted Answer

Die Verwendung von Belohnungen zur Bewertung der Qualität von Entscheidungen.

Answer

Die Verwendung von Parametrisierungsmodellen.

Answer

Die Fähigkeit, aus unbeschrifteten Daten zu lernen.

Question 57

In welchen Situationen eignet sich Verstärkungslernen besonders gut?

Accepted Answer

Wenn die Umgebung dynamisch ist und das Belohnungssignal spärlich ist.

Answer

Wenn die Umgebung statisch ist und das Belohnungssignal reichlich vorhanden ist.

Answer

Wenn die Umgebung deterministisch ist und das Belohnungssignal konsistent ist.

Question 58

Was ist eine wesentliche Herausforderung bei Verstärkungslernen?

Accepted Answer

Es kann in bestimmten Fällen zu langsamer Konvergenz führen.

Answer

Es ist nur für kleine und einfache Probleme geeignet.

Answer

Es erfordert umfangreiche Überwachung während des Lernprozesses.

Question 59

Welche Technik kann eingesetzt werden, um die Konvergenz von Verstärkungslernen zu verbessern?

Accepted Answer

Erfahrungs-Wiederholung

Answer

Regularisierung

Answer

Bagging

Answer

Kreuzvalidierung

Question 60

Wie lässt sich das 'Exploration-Exploitation-Dilemma' im Zusammenhang mit Verstärkungslernen definieren?

Accepted Answer

Das Abwägen zwischen dem Erkunden neuer Aktionen und dem Nutzen bekannter Aktionen.

Answer

Die Schwierigkeit, die Belohnungsfunktion zu definieren.

Answer

Die Herausforderung, den besten Algorithmus für eine bestimmte Aufgabe auszuwählen.