Вопрос 1 из 10 Что отличает обучение с учителем? Для обучения используются примеры с известными целевыми ответами или метками Модель никогда не видит данных Модель обязательно работает без параметров Обучение происходит только вручную без вычислений
Вопрос 2 из 10 Какая из перечисленных тем находится в том же разделе «AI, ML и LLM», что и «XGBoost»? Prompt Engineering R ABAP SvelteKit
Вопрос 3 из 10 Проверьте фундамент, связанный с темой «XGBoost»: Что отличает обучение с учителем? Для обучения используются примеры с известными целевыми ответами или метками Модель никогда не видит данных Модель обязательно работает без параметров Обучение происходит только вручную без вычислений
Вопрос 4 из 10 В тесте по «XGBoost» встречается вопрос по фундаменту направления. Что отличает обучение с учителем? Для обучения используются примеры с известными целевыми ответами или метками Модель никогда не видит данных Модель обязательно работает без параметров Обучение происходит только вручную без вычислений
Вопрос 5 из 10 К какому крупному направлению знаний относится «XGBoost»? AI, ML и LLM Языки программирования Frontend и Web Backend и фреймворки
Вопрос 6 из 10 Связанный с «XGBoost» базовый вопрос раздела «AI, ML и LLM»: Что отличает обучение с учителем? Для обучения используются примеры с известными целевыми ответами или метками Модель никогда не видит данных Модель обязательно работает без параметров Обучение происходит только вручную без вычислений
Вопрос 7 из 10 Для уверенного понимания «XGBoost» важно знать базу раздела «AI, ML и LLM». Что отличает обучение с учителем? Для обучения используются примеры с известными целевыми ответами или метками Модель никогда не видит данных Модель обязательно работает без параметров Обучение происходит только вручную без вычислений
Вопрос 8 из 10 Для уверенного понимания «XGBoost» важно знать базу раздела «AI, ML и LLM». Что такое переобучение модели? Модель хорошо запоминает обучающие данные, но хуже обобщает на новые Модель занимает слишком мало памяти Модель использует только один признак Модель всегда выдает одинаковый класс по требованиям задачи
Вопрос 9 из 10 Связанный с «XGBoost» базовый вопрос раздела «AI, ML и LLM»: Что такое embedding в задачах ML/LLM? Векторное представление объекта в числовом пространстве Физический сервер для хранения модели Формат сетевого кабеля Система управления версиями
Вопрос 10 из 10 Связанный с «XGBoost» базовый вопрос раздела «AI, ML и LLM»: Что такое переобучение модели? Модель хорошо запоминает обучающие данные, но хуже обобщает на новые Модель занимает слишком мало памяти Модель использует только один признак Модель всегда выдает одинаковый класс по требованиям задачи