Все больше и больше людей увлекаются машинным обучением и искусственным интеллектом. Есть много способов получить знания в этой области. Но знаете ли вы об основах в области ИИ? Во время учебы я сталкивался с разными темами и формулировал вопросы. Вы можете ответить на них? Это вторая часть серии вопросов.

5.Машинное обучение

  1. Что такое обучение?
  2. Что такое машинное обучение?
  3. Разработать определение машинного обучения Митчелла (1997)?
  4. Назовите один практический пример использования машинного обучения.
  5. Как определяется элемент обучения?
  6. Назовите три типа обратной связи в машинном обучении.
  7. Что такое индуктивное обучение? В чем его сложность с точки зрения машинного обучения?
  8. Что такое бритва Оккама в отношении индуктивного метода обучения?
  9. Какие выводы сделали знаменитые эксперименты с голубями в ящике Скиннера?
  10. Что такое нейронные сети?
  11. Как они были обнаружены?
  12. Назовите компоненты искусственного нейрона.
  13. Что такое персептрон?
  14. Какая польза от функции активации в персептроне? Каково отношение к булевым функциям?
  15. Объясните метод обучения персептрона.
  16. Как оптимизируются веса в персептроне?
  17. Частью процесса обучения является ошибка. Как его измерить и как минимизировать?
  18. Каковы различия между функцией пороговой активации и функцией активации сигмовидной? Почему последний более популярен?
  19. Что такое многослойные персептроны?
  20. Опишите процесс обработки информации в них.
  21. Что такое обучение с обратным распространением?
  22. Каковы этапы обучения при минимизации сетевой ошибки?
  23. Что такое переоснащение? Уточните ошибку обучения/тестирования.
  24. Что такое глубокое обучение? Каковы ключевые требования?
  25. Что такое сверточная нейронная сеть? Что такое свертка?
  26. Почему он так успешен в обработке изображений?
  27. Что такое рекуррентные нейронные сети (RNN)?
  28. Каково использование долговременной памяти (LSTM) в контексте RNN?
  29. Что такое сквозное обучение в этом контексте?
  30. Для каких типов проблем RNN предлагает хорошие решения?
  31. Назовите три реальных случая использования.

6.Машинное обучение в играх

  1. Что такое обучение с подкреплением? Что такое алгоритмический подход?
  2. Объясните концепцию обучения с подкреплением в условиях угрозы, обратившись к игре в крестики-нолики.
  3. В чем заключается проблема уступки кредита? Каково ее решение?
  4. Почему азартные игры ближе к реальной жизни?
  5. Почему минимаксные или альфа-бета-алгоритмы не подходят для таких игр?
  6. Каков компромисс между разведкой и эксплуатацией?
  7. Каково решение этой проблемы и что такое случайные узлы?
  8. Какие проблемы возникают при использовании случайных узлов на более глубоком уровне узла?
  9. Каково возможное решение точных вероятностей, если исходы случайных узлов неизвестны?
  10. Что такое выборка Монте-Карло?
  11. Что такое симуляционный поиск? Что такое алгоритмический подход?
  12. Что такое поиск Монте-Карло? Что такое алгоритмический подход?
  13. Какова политика максимизации выигрыша в задаче о многоруком бандите?
  14. Что такое алгоритм верхней доверительной границы (UCB)?
  15. Что такое поиск по дереву Монте-Карло (MCTS)? Объясните алгоритмический подход.
  16. Какие две политики используются в MCTS?
  17. Опишите процесс выборочного поиска в MCTS.
  18. Что такое UCT-поиск? В чем отличие MCTS в его алгоритмическом подходе?
  19. В какой игре UCT Search стал прорывом? Каковы были ключевые компоненты и этапы обучения?
  20. В чем разница между AlphaGo и AlphaZero?
  21. В чем польза моделирования оппонента?

7. Знание и рассуждение

  1. Каковы четыре основных компонента архитектуры IBM Watson?
  2. Кто заложил основы формальной логики?
  3. Что такое пропозициональная логика?
  4. Что такое логика первого порядка? Чем отличается пропозициональная логика?
  5. Что такое Пролог и Даталог?
  6. Какие три основных компонента составляют логическую нотацию?
  7. Почему логики недостаточно для представления знаний?
  8. Что такое прямая цепочка? Расскажите об элементарном принципе производства (EPP) в этом контексте.
  9. Что такое обратная цепочка? В чем его преимущество перед прямой цепочкой?
  10. Что такое онтология?
  11. Что такое семантическая сеть?
  12. Что является узким местом в приобретении знаний Фейгенбаума?
  13. В чем разница между дедуктивным и индуктивным умозаключением?
  14. Что означает OWL в контексте рассуждений?
  15. Назовите четыре стратегии построения базы знаний.
  16. Назовите одну предметно-ориентированную экспертную систему.
  17. Назовите одну ручную систему базы знаний. Почему сложно построить БЗ вручную?
  18. Назовите одну из систем совместной базы знаний.
  19. Назовите одну автоматизированную систему базы знаний.
  20. Что такое семантическая сеть? В чем отличие от www?
  21. Что такое связанные открытые данные в этом контексте?

8.Планирование

  1. Что такое планирование?
  2. Что такое представление в контексте планирования?
  3. Почему трудно найти подходящие эвристики для состояния в задаче планирования?
  4. Как вы используете логику первого порядка в этом случае и в чем основная проблема этого подхода?
  5. Что такое ситуационный расчет?
  6. Что такое проблема фрейма в ситуационном исчислении и как с ней связаны правила действия?
  7. Что такое СТРИПС?
  8. Что такое операторы STRIPS?
  9. Проиллюстрируйте пример, используя семантику STRIPS.
  10. Что такое планирование продвижения?
  11. Что такое регрессионное планирование?
  12. Почему планирование регрессии часто лучше, чем планирование прогресса?
  13. Что такое приложение обратного действия?
  14. Хорошая эвристика является ключом к поиску в пространстве состояний. Каковы два подхода к поиску хорошей эвристики поиска?
  15. Что такое аномалия Сассмана?
  16. Что такое планирование частичного заказа? Назовите пример.
  17. В чем разница между планированием пространства состояния и планированием пространства?
  18. Какие эвристики, не зависящие от предметной области, можно использовать в каждом случае?
  19. Что такое причинно-следственные связи и ограничения порядка?
  20. Как может конфликт между теми признаны и разрешены?

О

Даниэль — предприниматель, разработчик программного обеспечения и юрист. Его знания и интересы развиваются в области коммерческого права и программирования приложений машинного обучения. В глубине души он считает себя решателем проблем сложной среды, что находит отражение в его различных проектах. Не стесняйтесь обращаться к нам, если у вас есть идеи, проекты или проблемы.

Подключиться: