Математика и компьютерные науки

Специальность «Математика и компьютерные науки» предоставляет студентам глубокие знания в области математики, алгоритмов, программирования и компьютерных наук. В ходе обучения студенты изучают различные математические дисциплины, такие как алгебра, геометрия, математический анализ, дискретная математика, а также основные принципы программирования и разработки программного обеспечения. Студенты также получают навыки работы с компьютерными системами, базами данных, анализа данных и машинного обучения.

1. Что такое дифференциальное уравнение?

• a) Уравнение, описывающее зависимость между функциями и их производными
• b) Уравнение, содержащее производные неизвестной функции
• c) Уравнение, описывающее зависимость между функциями и их интегралами
• d) Уравнение, содержащее только неизвестную функцию без производных

2. Что такое алгоритм?

• a) Сложная математическая формула
• b) Описание математической функции
• c) Последовательность шагов для решения определенной задачи
• d) Графическое представление данных

3. Какие типы данных существуют в языке программирования?

• a) Целочисленные, вещественные, символьные, логические и другие
• b) Бинарные, октальные, десятичные, шестнадцатеричные
• c) Строковые, числовые, логические, символьные
• d) Вводимые пользователем, вычисляемые, константные

4. Что такое алгоритмическая сложность?

• a) Сложность математических вычислений в алгоритме
• b) Мера количества ресурсов, необходимых для выполнения алгоритма
• c) Сложность восприятия и понимания алгоритма
• d) Сложность реализации алгоритма на конкретном языке программирования

5. Какие методы сортировки вы знаете?

• a) Пузырьковая сортировка, сортировка вставками, сортировка выбором
• b) Быстрая сортировка, сортировка слиянием, сортировка пузырьком
• c) Сортировка кучей, сортировка Шелла, сортировка подсчетом
• d) Все перечисленные варианты

6. Что такое рекурсия в программировании?

• a) Способ оптимизации программного кода
• b) Метод параллельного выполнения программы
• c) Функция, которая вызывает сама себя
• d) Метод разделения программы на подпрограммы

7. Какие основные операторы условия существуют в языке программирования?

• a) if, then, else
• b) for, while, repeat
• c) case, switch, default
• d) if, else if, else

8. Что такое хеш-таблица?

• a) Структура данных, представляющая собой массив элементов
• b) Структура данных, обеспечивающая эффективное хранение и поиск элементов по ключу
• c) Структура данных, представляющая собой связанный список элементов
• d) Структура данных, обеспечивающая сортировку элементов по возрастанию

9. Какие основные типы ошибок существуют в программировании?

• a) Синтаксические, логические, временные
• b) Синтаксические, логические, семантические
• c) Синтаксические, логические, временные, исполнения
• d) Синтаксические, логические, исполнения, компиляции

10. Что такое абстракция в программировании?

• a) Процесс описания программного кода
• b) Метод анализа исходного кода программы
• c) Процесс оптимизации программного кода
• d) Представление сложной системы в упрощенной форме, скрывая детали реализации

11. Что такое SQL?

• a) Язык программирования для создания веб-сайтов
• b) Язык структурированных запросов для работы с базами данных
• c) Язык разметки для создания веб-страниц
• d) Язык программирования для разработки мобильных приложений

12. Что такое алгоритм поиска в ширину (BFS)?

• a) Метод сортировки элементов по возрастанию
• b) Алгоритм поиска наибольшего элемента в массиве
• c) Алгоритм поиска наименьшего элемента в массиве
• d) Алгоритм обхода графа, начиная с заданной вершины и постепенно переходя ко всем смежным вершинам

13. Что такое стек в программировании?

• a) Структура данных, основанная на принципе «последний вошел — первый вышел»
• b) Структура данных, основанная на принципе «первый вошел — первый вышел»
• c) Структура данных, представляющая собой связанный список элементов
• d) Структура данных, основанная на принципе «последний вошел — последний вышел»

14. Какие основные виды связи существуют в базах данных?

• a) Один к одному, один ко многим, многие ко многим
• b) Один к одному, один ко многим, многие к одному
• c) Один к многим, многие к многим, многие к одному
• d) Один к одному, многие к многим, многие к одному

15. Что такое рекурсивная функция?

• a) Функция, использующая циклы для выполнения задачи
• b) Функция, использующая условные операторы для выполнения задачи
• c) Функция, вызывающая сама себя в своем теле
• d) Функция, принимающая на вход другую функцию

16. Что такое алгоритм сортировки выбором?

• a) Алгоритм, выбирающий наименьший элемент и помещающий его в начало массива
• b) Алгоритм, выбирающий наибольший элемент и помещающий его в начало массива
• c) Алгоритм, сравнивающий каждый элемент с предыдущим и меняющий их местами при необходимости
• d) Алгоритм, разделяющий массив на подмассивы и сливающий их в отсортированный массив

17. Что такое динамическое программирование?

• a) Метод программирования, основанный на использовании динамических языков программирования
• b) Метод программирования, основанный на использовании динамической типизации
• c) Метод решения сложных задач путем разбиения их на более простые подзадачи и сохранения промежуточных результатов
• d) Метод программирования, основанный на использовании динамических библиотек

18. Что такое регулярные выражения?

• a) Способ описания графических изображений
• b) Способ описания математических формул
• c) Формальный язык для описания шаблонов в текстовых строках
• d) Метод сжатия данных для уменьшения их размера

19. Каким образом можно оптимизировать работу алгоритма?

• a) Использование более быстрых компьютеров
• b) Увеличение объема оперативной памяти
• c) Улучшение самого алгоритма, изменение структуры данных, выбор более эффективных алгоритмических приемов
• d) Использование параллельных вычислений

20. Что такое объектно-ориентированное программирование (ООП)?

• a) Метод программирования, основанный на использовании объектов из реального мира
• b) Парадигма программирования, в которой программа представляет собой набор взаимодействующих объектов
• c) Метод программирования, основанный на использовании математических моделей
• d) Подход к программированию, основанный на использовании структурных элементов и процедурных вызовов

21. Что такое алгоритм сортировки слиянием?

• a) Алгоритм, выбирающий наименьший элемент и помещающий его в начало массива
• b) Алгоритм, выбирающий наибольший элемент и помещающий его в начало массива
• c) Алгоритм, сравнивающий каждый элемент с предыдущим и меняющий их местами при необходимости
• d) Алгоритм, разделяющий массив на подмассивы и сливающий их в отсортированный массив

22. Что такое хеш-таблица?

• a) Структура данных, основанная на связном списке
• b) Структура данных, основанная на бинарном дереве
• c) Структура данных, использующая хеш-функцию для быстрого поиска и вставки элементов
• d) Структура данных, представляющая собой неупорядоченную коллекцию элементов

23. Что такое асимптотическая сложность алгоритма?

• a) Временная сложность алгоритма, измеряемая в количестве операций
• b) Пространственная сложность алгоритма, измеряемая в объеме используемой памяти
• c) Оценка роста времени выполнения алгоритма по мере увеличения размера входных данных
• d) Сложность алгоритма, измеряемая в тиках процессора

24. Что такое бинарное дерево?

• a) Дерево, в котором каждый узел имеет не более двух потомков
• b) Дерево, в котором каждый узел имеет ровно два потомка
• c) Дерево, в котором каждый узел может иметь не более двух потомков
• d) Дерево, в котором каждый узел может иметь ровно два потомка

25. Что такое рекурсия?

• a) Способ решения задачи путем вызова самой себя
• b) Способ решения задачи путем использования циклов
• c) Способ решения задачи путем использования условных операторов
• d) Способ решения задачи путем использования арифметических операций

26. Что такое алгоритм поиска в ширину (BFS)?

• a) Алгоритм, выбирающий наименьший элемент и помещающий его в начало массива
• b) Алгоритм, выбирающий наибольший элемент и помещающий его в начало массива
• c) Алгоритм, исследующий все вершины графа на одном уровне перед переходом к следующему уровню
• d) Алгоритм, разделяющий массив на подмассивы и сливающий их в отсортированный массив

27. Что такое стек?

• a) Структура данных, основанная на связном списке
• b) Структура данных, основанная на принципе «последний вошел, первый вышел» (LIFO)
• c) Структура данных, основанная на бинарном дереве
• d) Структура данных, представляющая собой неупорядоченную коллекцию элементов

28. Что такое дерево отрезков?

• a) Дерево, в котором каждый узел имеет не более двух потомков
• b) Дерево, в котором каждый узел имеет ровно два потомка
• c) Дерево, в котором каждый узел может иметь не более двух потомков
• d) Структура данных, позволяющая эффективно выполнять операции на отрезках массива

29. Что такое граф?

• a) Математическая абстракция, представляющая собой множество вершин и ребер, соединяющих эти вершины
• b) Структура данных, используемая для хранения информации в виде таблицы с ключами и значениями
• c) Алгоритм, используемый для поиска наибольшего общего делителя двух чисел
• d) Подход к программированию, основанный на разделении задачи на подзадачи и их последовательном решении

30. Что такое генетический алгоритм?

• a) Алгоритм, выбирающий наименьший элемент и помещающий его в начало массива
• b) Алгоритм, выбирающий наибольший элемент и помещающий его в начало массива
• c) Алгоритм, сравнивающий каждый элемент с предыдущим и меняющий их местами при необходимости
• d) Алгоритм, использующий принципы эволюции и генетики для решения оптимизационных задач

31. Что такое динамическое программирование?

• a) Алгоритм, выбирающий наименьший элемент и помещающий его в начало массива
• b) Алгоритм, выбирающий наибольший элемент и помещающий его в начало массива
• c) Метод решения задач, основанный на разбиении задачи на подзадачи и сохранении результатов для повторного использования
• d) Алгоритм, разделяющий массив на подмассивы и сливающий их в отсортированный массив

32. Что такое генетическое программирование?

• a) Алгоритм, выбирающий наименьший элемент и помещающий его в начало массива
• b) Алгоритм, выбирающий наибольший элемент и помещающий его в начало массива
• c) Метод решения задач, в котором программы представляются в виде генетических структур и эволюционируют для достижения оптимальных результатов
• d) Алгоритм, сравнивающий каждый элемент с предыдущим и меняющий их местами при необходимости

33. Что такое рекурсивный алгоритм?

• a) Алгоритм, который вызывает сам себя для решения подзадачи
• b) Алгоритм, выбирающий наименьший элемент и помещающий его в начало массива
• c) Алгоритм, разделяющий массив на подмассивы и сливающий их в отсортированный массив
• d) Алгоритм, выбирающий наибольший элемент и помещающий его в начало массива

34. Что такое графический процессор (GPU)?

• a) Процессор, специально разработанный для работы с графическими данными
• b) Устройство, предназначенное для обработки графических и параллельных вычислений
• c) Аппаратное ускорение, используемое для увеличения производительности центрального процессора
• d) Устройство, предназначенное для хранения и передачи данных между компонентами компьютера

35. Что такое хеширование?

• a) Процесс преобразования данных в набор символов определенной длины
• b) Процесс разделения данных на подмножества для ускорения поиска и доступа к ним
• c) Процесс преобразования данных в уникальный хеш-код фиксированной длины
• d) Процесс сжатия данных для уменьшения их размера

36. Что такое рекурсия?

• a) Алгоритм, который вызывает сам себя для решения подзадачи
• b) Алгоритм, выбирающий наименьший элемент и помещающий его в начало массива
• c) Алгоритм, разделяющий массив на подмассивы и сливающий их в отсортированный массив
• d) Процесс, при котором функция вызывает сама себя внутри своего определения

37. Что такое генетический алгоритм?

• a) Алгоритм, выбирающий наименьший элемент и помещающий его в начало массива
• b) Алгоритм, выбирающий наибольший элемент и помещающий его в начало массива
• c) Алгоритм, использующий принципы эволюции и генетики для решения оптимизационных задач
• d) Алгоритм, разделяющий массив на подмассивы и сливающий их в отсортированный массив

38. Что такое сортировка слиянием (Merge Sort)?

• a) Алгоритм, выбирающий наименьший элемент и помещающий его в начало массива
• b) Алгоритм, выбирающий наибольший элемент и помещающий его в начало массива
• c) Алгоритм, который разделяет массив на подмассивы, сортирует их отдельно, а затем объединяет в отсортированный массив
• d) Алгоритм, сравнивающий каждый элемент с предыдущим и меняющий их местами при необходимости

39. Что такое сортировка выбором (Selection Sort)?

• a) Алгоритм, выбирающий наименьший элемент и помещающий его в начало массива
• b) Алгоритм, выбирающий наибольший элемент и помещающий его в начало массива
• c) Алгоритм, разделяющий массив на подмассивы и сливающий их в отсортированный массив
• d) Алгоритм, который разделяет массив на подмассивы, сортирует их отдельно, а затем объединяет в отсортированный массив

40. Что такое графовая база данных?

• a) База данных, предназначенная для хранения и управления графическими данными
• b) База данных, использующая графический интерфейс для взаимодействия с данными
• c) База данных, специально разработанная для работы с математическими функциями и формулами
• d) База данных, основанная на модели графа, в которой данные представлены в виде вершин и ребер

41. Что такое рекуррентные нейронные сети (RNN)?

• a) Нейронные сети, способные работать с рекурсивными структурами данных
• b) Нейронные сети, способные обрабатывать последовательности данных с учетом контекста
• c) Нейронные сети, использующие сверточные операции для обработки данных
• d) Нейронные сети, способные автоматически генерировать новые данные

42. Что такое сверточные нейронные сети (CNN)?

• a) Нейронные сети, специализированные для обработки и анализа визуальных данных, таких как изображения
• b) Нейронные сети, способные обрабатывать последовательности данных с учетом контекста
• c) Нейронные сети, использующие рекурсивные операции для обработки данных
• d) Нейронные сети, способные автоматически генерировать новые данные

43. Что такое глубокое обучение (Deep Learning)?

• a) Метод обучения нейронных сетей, который использует большое количество слоев для извлечения высокоуровневых признаков
• b) Метод обучения нейронных сетей, который использует случайные выборки данных для обновления весов
• c) Метод обучения нейронных сетей, который использует генетические алгоритмы для оптимизации параметров
• d) Метод обучения нейронных сетей, который использует многослойные архитектуры для решения сложных задач

44. Что такое генеративные состязательные сети (GAN)?

• a) Нейронные сети, способные обрабатывать последовательности данных с учетом контекста
• b) Нейронные сети, способные автоматически генерировать новые данные
• c) Нейронные сети, использующие рекурсивные операции для обработки данных
• d) Нейронные сети, состоящие из генератора и дискриминатора, которые соревнуются между собой для создания и оценки реалистичных данных

45. Что такое функция активации в нейронных сетях?

• a) Функция, определяющая выходное значение нейрона на основе его входных данных
• b) Функция, используемая для вычисления ошибки между предсказанными и фактическими значениями
• c) Функция, определяющая структуру нейронной сети и количество ее слоев
• d) Функция, определяющая скорость обучения нейронной сети

46. Какой метод обратного распространения ошибки используется для обучения нейронных сетей?

• a) Метод, основанный на анализе статистических свойств данных
• b) Метод, использующий градиентный спуск для минимизации ошибки и обновления весов сети
• c) Метод, использующий случайные выборки данных для обновления весов
• d) Метод, основанный на максимизации правдоподобия данных

47. Какой из перечисленных методов является формой обучения без учителя?

• a) Метод обратного распространения ошибки
• b) Кластерный анализ
• c) Метод опорных векторов
• d) Стохастический градиентный спуск

48. Какая функция активации обычно используется для нейронов скрытых слоев?

• a) Функция ReLU (Rectified Linear Activation)
• b) Функция Sigmoid
• c) Функция Tanh (гиперболический тангенс)
• d) Функция Softmax

49. Какой метод машинного обучения может быть использован для задачи классификации?

• a) Логистическая регрессия
• b) Кластерный анализ
• c) Метод главных компонент
• d) Метод опорных векторов

50. Что такое переобучение (overfitting) в контексте машинного обучения?

• a) Процесс уменьшения размерности данных
• b) Процесс увеличения сложности модели
• c) Ситуация, когда модель хорошо подстроилась под обучающие данные, но плохо обобщает на новые данные
• d) Процесс настройки параметров модели для минимизации ошибки на тестовых данных

51. Какой метод используется для выбора подходящего количества кластеров при кластеризации данных?

• a) Метод опорных векторов
• b) Метод локтя (Elbow method)
• c) Метод главных компонент
• d) Метод опорных объектов

52. Какие из перечисленных методов машинного обучения относятся к надзадачам (supervised learning)?

• a) Логистическая регрессия
• b) Кластерный анализ
• c) Метод главных компонент
• d) Метод опорных векторов

53. Какой метод обработки текстовых данных может использоваться для преобразования текста в числовой формат?

• a) Мешок слов (Bag-of-Words)
• b) Метод опорных векторов
• c) Метод главных компонент
• d) Регрессионный анализ

54. Какая функция используется для оценки качества модели в задаче классификации?

• a) Среднеквадратичная ошибка (Mean Squared Error)
• b) Матрица ошибок (Confusion Matrix)
• c) Коэффициент детерминации (R-squared)
• d) Кросс-энтропийная ошибка (Cross-Entropy Loss)

55. Какой алгоритм машинного обучения использует ансамбль деревьев решений?

• a) Логистическая регрессия
• b) K-средних (K-means)
• c) Метод главных компонент
• d) Случайный лес (Random Forest)

56. Что такое рекуррентная нейронная сеть (RNN)?

• a) Нейронная сеть, состоящая из нескольких слоев нейронов
• b) Нейронная сеть, использующая метод обратного распространения ошибки для обучения
• c) Нейронная сеть, способная обрабатывать последовательные данные с обратной связью
• d) Нейронная сеть, использующая градиентный спуск для минимизации ошибки

57. Какая функция активации обычно используется в рекуррентных нейронных сетях?

• a) Функция ReLU (Rectified Linear Activation)
• b) Функция Sigmoid
• c) Функция Tanh (гиперболический тангенс)
• d) Функция Softmax

58. Какие из перечисленных задач относятся к области компьютерного зрения?

• a) Распознавание образов
• b) Анализ тональности текста
• c) Детектирование объектов на изображениях
• d) Кластерный анализ

59. Какая задача относится к области обработки естественного языка (Natural Language Processing, NLP)?

• a) Распознавание речи
• b) Кластерный анализ
• c) Машинный перевод
• d) Детектирование объектов на изображениях

60. Какой метод машинного обучения обычно используется для задачи регрессии?

• a) Метод опорных векторов
• b) Метод главных компонент
• c) Линейная регрессия
• d) Метод ближайших соседей (k-Nearest Neighbors)

61. Что такое сверточная нейронная сеть (CNN)?

• a) Нейронная сеть, состоящая из нескольких слоев нейронов
• b) Нейронная сеть, использующая метод обратного распространения ошибки для обучения
• c) Нейронная сеть, специализированная для обработки данных с пространственной структурой
• d) Нейронная сеть, использующая градиентный спуск для минимизации ошибки

62. Какая функция активации обычно используется в сверточных нейронных сетях?

• a) Функция ReLU (Rectified Linear Activation)
• b) Функция Sigmoid
• c) Функция ReLU и её модификации
• d) Функция Softmax

63. Какой метод машинного обучения может быть использован для задачи кластеризации?

• a) Логистическая регрессия
• b) К-средних (K-means)
• c) Метод опорных векторов
• d) Метод главных компонент

64. Что такое переобучение (overfitting) в контексте машинного обучения?

• a) Процесс обучения модели с помощью большого количества данных
• b) Процесс, при котором модель способна обобщать и на новые данные
• c) Ситуация, когда модель слишком точно подстраивается под обучающие данные, что приводит к плохой обобщающей способности
• d) Процесс, при котором модель способна достигать высокой точности на тестовых данных

65. Какая функция используется для оценки качества модели в задаче регрессии?

• a) Матрица ошибок (Confusion Matrix)
• b) Коэффициент детерминации (R-squared)
• c) Кросс-энтропийная ошибка (Cross-Entropy Loss)
• d) Среднеквадратичная ошибка (Mean Squared Error)

66. Какая функция активации обычно используется в нейронных сетях для задачи классификации?

• a) Функция ReLU (Rectified Linear Activation)
• b) Функция Softmax
• c) Функция Sigmoid
• d) Функция Tanh (гиперболический тангенс)

67. Что такое градиентный спуск (gradient descent)?

• a) Метод оптимизации, используемый для нахождения локального минимума функции потерь
• b) Метод, используемый для обучения нейронных сетей
• c) Алгоритм, который итеративно обновляет параметры модели, двигаясь в направлении наиболее крутого убывания функции потерь
• d) Метод, используемый для генерации случайных чисел

68. Что такое перцептрон?

• a) Простейшая форма искусственной нейронной сети, состоящая из одного или нескольких нейронов
• b) Метод оптимизации, используемый для обучения нейронных сетей
• c) Функция активации, используемая в нейронных сетях
• d) Алгоритм, используемый для кластеризации данных

69. Какой метод обычно используется для обучения глубоких нейронных сетей?

• a) Логистическая регрессия
• b) Метод главных компонент
• c) К-средних (K-means)
• d) Метод обратного распространения ошибки (Backpropagation)

70. Какая задача относится к области обработки временных рядов?

• a) Распознавание речи
• b) Кластерный анализ
• c) Детектирование объектов на изображениях
• d) Прогнозирование будущих значений на основе исторических данных

71. Что такое свертка (convolution) в контексте сверточных нейронных сетей?

• a) Математическая операция, которая применяет ядро (фильтр) к входному изображению с целью извлечения особенностей
• b) Метод оптимизации, используемый для обучения сверточных нейронных сетей
• c) Функция активации, используемая в сверточных нейронных сетях
• d) Метод, используемый для объединения признаков в сверточных нейронных сетях

72. Что такое рекуррентная нейронная сеть (RNN)?

• a) Нейронная сеть, состоящая из множества слоев, соединенных в циклическую структуру
• b) Метод, используемый для обучения нейронных сетей с помощью обратного распространения ошибки
• c) Функция активации, используемая в рекуррентных нейронных сетях
• d) Тип нейронной сети, способной обрабатывать последовательности данных с учетом контекста и обратной связи

73. Какой алгоритм машинного обучения основан на принципе максимизации правдоподобия?

• a) K-ближайших соседей (K-nearest neighbors)
• b) Метод опорных векторов (Support Vector Machines)
• c) Дерево решений (Decision Tree)
• d) Метод максимального правдоподобия (Maximum Likelihood Estimation)

74. Какой метод машинного обучения чаще всего используется для задачи распознавания образов?

• a) Метод главных компонент (Principal Component Analysis)
• b) Логистическая регрессия (Logistic Regression)
• c) Сверточные нейронные сети (Convolutional Neural Networks)
• d) Рекуррентные нейронные сети (Recurrent Neural Networks)

75. Что такое метод опорных векторов (Support Vector Machines, SVM)?

• a) Метод, используемый для обучения нейронных сетей
• b) Метод, используемый для кластеризации данных
• c) Алгоритм машинного обучения, который строит гиперплоскость с наибольшим зазором между классами обучающей выборки
• d) Функция активации, используемая в методе опорных векторов

76. Что такое ансамбль моделей (ensemble)?

• a) Метод машинного обучения, использующий несколько независимых моделей для улучшения качества прогнозирования
• b) Метод, используемый для объединения признаков в нейронных сетях
• c) Группа моделей, которые работают вместе для решения задачи и предоставления более точных прогнозов
• d) Метод, используемый для оценки качества модели машинного обучения

77. Что такое функция потерь (loss function) в контексте обучения модели машинного обучения?

• a) Функция, используемая для объединения признаков в модели машинного обучения
• b) Функция, которая измеряет ошибку или расстояние между прогнозами модели и фактическими значениями
• c) Функция, используемая для активации нейронов в нейронной сети
• d) Метод оптимизации, используемый для обновления параметров модели

78. Что такое переобучение (overfitting) в контексте обучения модели машинного обучения?

• a) Состояние модели, когда она достигла наилучшего значения функции потерь
• b) Состояние модели, когда она слишком точно подстроена под обучающую выборку и плохо обобщает на новые данные
• c) Процесс настройки параметров модели в соответствии с требованиями задачи
• d) Метод, используемый для регуляризации моделей машинного обучения

79. Какой метод машинного обучения чаще всего используется для задачи кластеризации?

• a) Линейная регрессия (Linear Regression)
• b) Метод K-средних (K-means)
• c) Дерево решений (Decision Tree)
• d) Метод опорных векторов (Support Vector Machines)

80. Что такое оверсэмплинг (oversampling) в контексте обработки несбалансированных данных?

• a) Метод, который увеличивает примеры меньшего класса для балансировки классов
• b) Метод, который уменьшает примеры большего класса для балансировки классов
• c) Метод, который применяет аугментацию данных для улучшения качества модели
• d) Метод, который изменяет порог классификации для улучшения точности модели

81. Что такое регуляризация (regularization) в контексте моделей машинного обучения?

• a) Метод, который использует ансамбль моделей для повышения качества прогнозирования
• b) Техника, которая добавляет штраф к функции потерь для предотвращения переобучения модели
• c) Метод, который удаляет выбросы из обучающей выборки
• d) Техника, которая изменяет порог классификации для балансировки модели

82. Какой метод машинного обучения чаще всего используется для задачи регрессии?

• a) Линейная регрессия (Linear Regression)
• b) Метод главных компонент (Principal Component Analysis)
• c) Метод опорных векторов (Support Vector Machines)
• d) Метод K-ближайших соседей (K-nearest neighbors)

83. Что такое градиентный спуск (gradient descent) в контексте обучения модели машинного обучения?

• a) Метод, который использует градиент для вычисления значимости признаков
• b) Метод, который применяет градиент для обновления весов модели
• c) Оптимизационный алгоритм, который минимизирует функцию потерь, путем итеративного обновления параметров с использованием градиента
• d) Функция активации, используемая в нейронных сетях

84. Что такое рекомендательные системы (recommendation systems)?

• a) Методы, которые используются для сжатия данных и уменьшения размерности признаков
• b) Методы, которые используются для генерации синтетических данных на основе имеющихся примеров
• c) Системы, которые предсказывают и рекомендуют элементы или действия, которые могут заинтересовать пользователя
• d) Методы, которые используются для кластеризации данных

85. Что такое гиперпараметры (hyperparameters) в контексте моделей машинного обучения?

• a) Параметры, которые автоматически определяются моделью в процессе обучения
• b) Параметры, которые изменяются в зависимости от входных данных
• c) Параметры, которые определяют порог классификации в модели
• d) Параметры, которые устанавливаются до обучения модели и влияют на ее поведение и производительность

86. Что такое переобучение (overfitting) в контексте моделей машинного обучения?

• a) Ситуация, когда модель недообучена и не способна достичь высокой точности предсказаний
• b) Ситуация, когда модель слишком хорошо подстроилась под обучающие данные и плохо обобщает на новые данные
• c) Ситуация, когда модель некорректно классифицирует примеры обучающей выборки
• d) Ситуация, когда модель содержит слишком много параметров, что приводит к неэффективности вычислений

87. Какую функцию потерь чаще всего используют для задачи бинарной классификации?

• a) Среднеквадратическая ошибка (Mean Squared Error)
• b) Абсолютная ошибка (Absolute Error)
• c) Логистическая функция потерь (Logistic Loss)
• d) Бинарная кросс-энтропия (Binary Cross-Entropy)

88. Что такое ансамбль моделей (ensemble models) в контексте машинного обучения?

• a) Метод, который объединяет несколько моделей для улучшения качества прогнозирования
• b) Метод, который учитывает множество различных классов при обучении модели
• c) Метод, который применяет аугментацию данных для улучшения качества модели
• d) Метод, который использует градиент для вычисления значимости признаков

89. Что такое скрытый слой (hidden layer) в нейронной сети?

• a) Слой, который содержит выходные значения модели
• b) Слой, который применяет функцию активации к входным данным
• c) Слой, который находится между входным и выходным слоями и содержит скрытые нейроны
• d) Слой, который используется для управления обучением модели

90. Что такое принцип минимальной длины описания (minimum description length, MDL) в контексте моделей машинного обучения?

• a) Принцип, который выбирает модель с наименьшим количеством параметров
• b) Принцип, который выбирает модель с наименьшим значением функции потерь
• c) Принцип, который выбирает модель, которая наилучшим образом сжимает и описывает имеющиеся данные
• d) Принцип, который выбирает модель с наименьшим количеством ошибок на обучающей выборке

91. Что такое алгоритм обратного распространения ошибки (backpropagation) в контексте нейронных сетей?

• a) Алгоритм, который определяет скорость обучения модели
• b) Алгоритм, который определяет размерность входного слоя нейронной сети
• c) Алгоритм, который вычисляет градиенты ошибки и обновляет веса нейронной сети
• d) Алгоритм, который выбирает оптимальное количество скрытых слоев в нейронной сети

92. Что такое рекуррентная нейронная сеть (recurrent neural network, RNN)?

• a) Нейронная сеть, которая использует сверточные слои для анализа изображений
• b) Нейронная сеть, которая использует только один скрытый слой для предсказаний
• c) Нейронная сеть, которая обрабатывает последовательности данных с помощью обратной связи
• d) Нейронная сеть, которая использует принцип максимального правдоподобия для обучения

93. Что такое метод опорных векторов (support vector machines, SVM) в контексте машинного обучения?

• a) Метод, который применяет случайные изменения к данным для улучшения качества модели
• b) Метод, который строит гиперплоскость для разделения данных разных классов
• c) Метод, который определяет важность признаков на основе их вклада в общую ошибку модели
• d) Метод, который использует набор правил для принятия решений

94. Что такое кластерный анализ (cluster analysis) в контексте машинного обучения?

• a) Метод, который группирует схожие объекты в отдельные кластеры
• b) Метод, который применяет статистические методы для оценки значимости признаков
• c) Метод, который определяет связи и зависимости между признаками
• d) Метод, который определяет оптимальное количество скрытых слоев в нейронной сети

95. Что такое регуляризация (regularization) в контексте моделей машинного обучения?

• a) Метод, который добавляет случайные шумы к данным для улучшения качества модели
• b) Метод, который применяет случайные преобразования к данным для улучшения качества модели
• c) Метод, который добавляет штраф к функции потерь для уменьшения сложности модели
• d) Метод, который применяет случайные изменения к весам модели для улучшения качества модели

96. Что такое алгоритм кластеризации k-средних (k-means clustering)?

• a) Алгоритм, который определяет оптимальное количество скрытых слоев в нейронной сети
• b) Алгоритм, который определяет важность признаков на основе их вклада в общую ошибку модели
• c) Алгоритм, который группирует данные в k кластеров на основе их сходства
• d) Алгоритм, который строит гиперплоскость для разделения данных разных классов

97. Что такое рекомендательная система (recommendation system) в контексте машинного обучения?

• a) Система, которая предлагает пользователям персонализированные рекомендации на основе их предпочтений и поведения
• b) Система, которая использует сверточные слои для анализа изображений
• c) Система, которая применяет случайные изменения к данным для улучшения качества модели
• d) Система, которая определяет оптимальное количество скрытых слоев в нейронной сети

98. Что такое переобучение (overfitting) в контексте моделей машинного обучения?

• a) Ситуация, когда модель недообучена и не способна достичь высокой точности предсказаний
• b) Ситуация, когда модель слишком хорошо подстроилась под обучающие данные и плохо обобщает новые данные
• c) Ситуация, когда модель имеет слишком мало параметров и не способна улавливать сложные зависимости в данных
• d) Ситуация, когда модель имеет слишком много параметров и плохо обобщает зависимости в данных

99. Что такое метод главных компонент (principal component analysis, PCA) в контексте машинного обучения?

• a) Метод, который строит гиперплоскость для разделения данных разных классов
• b) Метод, который определяет важность признаков на основе их вклада в общую ошибку модели
• c) Метод, который определяет связи и зависимости между признаками
• d) Метод, который находит новые признаки, называемые главными компонентами, представляющие данные с наибольшей дисперсией

100. Что такое регрессия (regression) в контексте машинного обучения?

• a) Метод, который определяет оптимальное количество скрытых слоев в нейронной сети
• b) Метод, который строит гиперплоскость для разделения данных разных классов
• c) Метод, который предсказывает непрерывные значения на основе зависимости между признаками
• d) Метод, который группирует данные в кластеры на основе их сходства