AIF-C01 · Podstawy AI i ML
AI a ML a deep learning
Najważniejsze
- AI: maszyny wykonujące zadania wymagające zwykle ludzkiej inteligencji.
- ML: część AI, w której model uczy się wzorców z danych.
- Deep learning: część ML wykorzystująca sieci neuronowe z wieloma warstwami.
- Algorytm tworzy model; trening go buduje; inferencja używa go na nowych danych.
Przykładowe pytania
Które zdanie poprawnie opisuje relację między AI, uczeniem maszynowym i deep learningiem?
- Uczenie maszynowe jest podzbiorem deep learningu, a ten podzbiorem AI
- Deep learning jest podzbiorem uczenia maszynowego, a to podzbiorem AI
- AI, ML i deep learning to trzy niezwiązane dziedziny
- AI jest podzbiorem uczenia maszynowego, a to podzbiorem deep learningu
Pokaż odpowiedź
Odpowiedź: B. Deep learning jest podzbiorem uczenia maszynowego, a to podzbiorem AI
Deep learning jest podzbiorem ML, a ML podzbiorem AI. Odwrotne zagnieżdżenie lub traktowanie ich jako osobnych dziedzin jest błędne.
Które stwierdzenia o trenowaniu modelu ML są prawdziwe?
- Dostosowuje parametry modelu na podstawie danych
- Tworzy model używany później do inferencji
- To krok, w którym zwracane są predykcje użytkownikom końcowym na produkcji
- Można go wykonać tylko przy użyciu sieci neuronowych
- Jest napędzany przez algorytm uczący
Pokaż odpowiedź
Odpowiedź: A. Dostosowuje parametry modelu na podstawie danych, B. Tworzy model używany później do inferencji, E. Jest napędzany przez algorytm uczący
Trening dopasowuje model do danych i tworzy artefakt używany później do inferencji. To nie to samo co inferencja i nie wymaga sieci neuronowej.
Prawda czy fałsz: każdy system AI musi używać uczenia maszynowego.
Pokaż odpowiedź
Odpowiedź: Fałsz
Fałsz. Ręcznie napisany silnik reguł to AI w szerokim sensie, ale nie uczy się z danych. ML to jedno z podejść do AI.
Przećwicz 8 pytań z tego tematu w Bitzu
Krótkie lekcje, natychmiastowe wyjaśnienia i powtórki tego, w czym się mylisz. Za darmo na iOS i Androida.
