인공 지능 (AI) 시험 패키지 [Q23-Q44] : 무료 시험 덤프 자료 : http://exams.dumpsmaterials.com 를 사용하여 지금 바로 AIF 시험에 합격 할 준비를하십시오.

NO.23 1800년대에 통계학이 발전하면서___________정리는 확률적 추론에 사용되었습니다.
(누락된 단어를 선택합니다.)

볼츠만

콜모고로프

Bayes'

중앙 제한

NO.24 텐서플로우가 대표적인 오픈소스인가요?

클라우드 기반 AI 애플리케이션.

지능형 로봇 패러다임.

머신 러닝 라이브러리.

에이전트 기반 모델링 애플리케이션

NO.25 정확성이 가장 필요한 단조롭고 반복적인 작업에는 어떤 것이 가장 적합할까요?

인간과 기계의 결합.

Machine.

인간.

인공 일반 지능.

NO.26 의료 분야, 특히 머신 러닝의 혜택을 받을 수 있는 예는 무엇일까요?

자율주행 휠체어.

자동화된 혈액 채취.

자율주행 차량.

진단 이미지 분석

NO.27 벡터 미적분에서 벡터는 크기와 방향을 가진 양입니다.
컴퓨터 프로그래밍에서 벡터란 무엇인가요?

차원이 하나인 배열입니다.

스칼라의 2차원 배열입니다.

복소수 배열

상수

NO.28 다음 중 데이터 집합에 곡선을 맞추는 예는 어느 것입니까?

Python.

최소 제곱 회귀.

베이지안 네트워크.

역전파.

NO.29 데이비드 찰머스 교수는 어려운 의식 문제를 무엇으로 설명하나요?

심리학.

난기류.

양자역학.

우주.

NO.30 다음 중 기계 기반 시스템의 장점은 무엇인가요?

모호하고 알 수 없는 상황을 판단할 수 있습니다.

인간과 공감할 수 있습니다.

단조로운 작업을 안정적이고 정확하게 수행합니다.

Al 시스템의 출력을 설명할 수 있습니다.

NO.31 4차 산업혁명의 급속한 발전에 Al의 주요 기여는 무엇인가요?

향상된 디자인.

자동화

빅 데이터

개인 비서.

NO.32 유럽연합과 유엔은 모든 개인을 위한 디자인을 핵심 원칙으로 삼고 있습니다. 이러한 유형의 디자인을 무엇이라고 할까요?

핵심 디자인

유니버설 디자인.

생체 친화적인 디자인.

유토피아적인 디자인.

NO.33 컴퓨터 프로그래밍의 선구자는 누구인가요?

댐 웬디 홀.

카렌 스파크 존스.

에이다 러브레이스.

소피 윌슨

NO.34 약한 학습자의 가설 정확도가 50%보다 약간만 더 나은 경우 어떤 기술을 채택할 수 있습니까?

오버핏

활성화.

반복.

부스팅.

약한 학습자: 구어체적으로, 순진한 모델보다 약간 더 나은 성능을 보이는 모델입니다.
좀 더 공식적으로 이 개념은 다중 클래스 분류로 일반화되었으며 정확도 50% 이상이라는 의미 외에 다른 의미를 가지고 있습니다.
이진 분류의 경우 약한 학습자에 대한 정확한 요구 사항은 무작위 추측보다 우수해야 한다는 것은 잘 알려져 있습니다. [...] 기본 학습자에게 무작위 추측보다 더 나은 것을 요구하는 것은 다중 클래스 문제에 대해 너무 약하지만 50% 이상의 정확도를 요구하는 것은 너무 엄격하다는 점에 유의하세요.
- 46페이지, 앙상블 방법, 2012.
이는 무작위 추측보다 더 나은 성능을 보이는 약한 학습 가능성을 가진 학습 방법 클래스를 제안하는 공식적인 계산 학습 이론에 기반합니다. 약한 학습 가능성은 더 바람직한 강한 학습 가능성을 단순화한 것으로, 학습 가능성은 임의로 좋은 분류 정확도를 달성하는 것입니다.
약한 학습 가능성이라고 하는 약한 학습 모델은 학습자가 임의로 높은 정확도를 달성할 수 있어야 한다는 요건을 없애고, 약한 학습 알고리즘은 무작위 추측보다 약간 더 나은(역다항식에 의해) 가설을 출력하기만 하면 됩니다.
- 약한 학습 능력의 힘, 1990.
이는 앙상블 학습 알고리즘에 기여하는 구성원의 능력을 설명하는 데 자주 사용되므로 유용한 개념입니다. 예를 들어, 부트스트랩 집합의 구성원을 구어적 의미에서 강한 학습자가 아닌 약한 학습자라고 부르는 경우가 있습니다.
보다 구체적으로, 약한 학습자는 앙상블 학습 알고리즘의 부스팅 클래스의 기초가 됩니다.
부스팅이라는 용어는 약한 학습자를 강한 학습자로 전환할 수 있는 알고리즘 제품군을 의미합니다.
https://machinelearningmastery.com/strong-learners-vs-weak-learners-for-ensemble-learning/

NO.35 다음 중 기계 기반 시스템의 장점은 무엇인가요?

모호하고 알 수 없는 상황을 판단할 수 있습니다.

인간과 공감할 수 있습니다.

단조로운 작업을 안정적이고 정확하게 수행합니다.

Al 시스템의 출력을 설명할 수 있습니다.

NO.36 컴퓨터 과학자와 경제학자들은 에이전트의 행복도를 설명할 때 어떤 용어를 사용하나요?

색인.

따뜻한.

반환

유틸리티.

NO.37 머신러닝에서 뇌의 축삭은 무엇일까요?

수상돌기

엣지

사면체.

노드

NO.38 EU의 윤리 가이드라인은 신뢰할 수 있는 Al?

품질 보증 계획.

UN의 지속가능성 목표.

고객 피드백.

사람 중심의 가치 체계.

NO.39 에이전트 기반 모델은 자율 에이전트(개인 및 집단)의 시뮬레이션입니다. 시뮬레이션에서 생성된 데이터로부터 무엇을 학습할 수 있을까요?

파라뷰.

머신 러닝.

Python.

스프레드시트

NO.40 좁거나 약한 Al은 로봇에 유용할 수 있습니다.
다음 중 좁은 Al의 예는 무엇인가요?

의식 시뮬레이션.

인공 장군 Al.

의식적인 통합.

NLP - 자연어 처리.

NO.41 리플렉스와모델 기반 리플렉스의 두 가지 유형은 무엇인가요?

로봇

인공 지능 에이전트.

알고리즘.

컴파일러.

NO.42 데이터를 학습 및 테스트 데이터 세트로 분할하는 것은 무엇의 일부일까요?

머신 러닝 데이터 준비.

일괄 학습.

머신 러닝 후처리.

고성능 컴퓨팅 전략.

NO.43 데이터를 학습 및 테스트 데이터 세트로 분할하는 것은 무엇의 일부일까요?