• Главная
• Тесты НМО
• Тест с ответами по теме «Основы машинного обучения»

Тест с ответами по теме «Основы машинного обучения»

Вашему вниманию представляется Тест с ответами по теме «Основы машинного обучения» в рамках программы НМО: непрерывного медицинского образования для медицинских работников (врачи, медсестры и фармацевты). Тест с ответами по теме «Основы машинного обучения» в рамках программы НМО: непрерывного медицинского образования для медицинского персонала высшего и среднего звена (врачи, медицинские сестры и фармацевтические работники) позволяет успешнее подготовиться к итоговой аттестации и/или понять данную тему.

• основы
• машинного
• обучения

---

1. Алгоритм K-Means используется для

1) разделения объектов на кластеры по близости к центрам;+
2) классификации изображений;
3) предсказания непрерывных значений;
4) оптимизации функции вознаграждения.

2. Алгоритм кластеризации, который группирует объекты по плотности и хорошо работает с шумными данными, — это

1) K-Means;
2) Линейная регрессия;
3) Дерево решений;
4) DBSCAN.+

3. В каких областях применяется кластеризация?

1) обработка изображений;+
2) обучение с подкреплением;
3) биоинформатика;+
4) анализ клиентов (маркетинг).+

4. Для медицинской диагностической модели высокая специфичность (Specificity) важна, потому что она

1) позволяет правильно рассчитать возраст пациента;
2) позволяет правильно идентифицировать здоровых;+
3) является гармоническим средним;
4) позволяет правильно идентифицировать больных.

5. Для оценки надёжности медицинской модели, помимо точечных оценок, используются

1) бизнес-метрики;
2) доверительные интервалы;+
3) функции потерь;
4) онлайн-метрики.

6. Если пациент болен, и система диагностировала его как «болен», это результат

1) истинно положительный (True Positive);+
2) ложноположительный (False Positive);
3) ложноотрицательный (False Negative);
4) истинно отрицательный (True Negative).

7. Если пациент здоров, но система диагностировала его как «болен», это результат

1) ложноположительный (False Positive);+
2) ложноотрицательный (False Negative);
3) истинно отрицательный (True Negative);
4) истинно положительный (True Positive).

8. Задача кластеризации относится к типу обучения

1) с учителем;
2) без учителя;+
3) с подкреплением;
4) с полу-учителем.

9. Какая метрика рассчитывается как среднее значение абсолютных ошибок?

1) RMSE (Root Mean Squared Error);
2) MAE (Mean Absolute Error);+
3) MAPE (Mean Absolute Percentage Error);
4) MSE (Mean Squared Error).

10. Какая метрика является «гармоничным средним» между Точность/Прецизионность (Precision) и Полнота (Recall)?

1) чувствительность (Sensitivity);
2) RMSE (Root Mean Squared Error);
3) специфичность (Specificity);
4) F-мера.+

11. Какие данные поступают на вход модели в задачах кластеризации?

1) обработанные данные;
2) структурированные данные;
3) необработанные данные;+
4) табличные данные.

12. Какие данные поступают на вход модели в задачах обучения с подкреплением?

1) обработанные данные;
2) необработанные данные;+
3) табличные данные;
4) структурированные данные.

13. Какие из перечисленных компонентов являются частью обучения с подкреплением?

1) награда (Reward);+
2) кластер (Cluster);
3) агент (Agent);+
4) среда (Environment).+

14. Какие из перечисленных метрик используются для оценки моделей классификации?

1) Accuracy (точность);+
2) F-мера;+
3) MAE (Mean Absolute Error);
4) RMSE (Root Mean Squared Error).

15. Какие из перечисленных метрик используются для оценки моделей регрессии?

1) Accuracy;
2) MAPE (Mean Absolute Percentage Error);+
3) F1-Score;
4) MAE (Mean Absolute Error);+
5) RMSE (Root Mean Squared Error).+

16. Какие из следующих элементов матрицы ошибок являются «истинными»?

1) истинно отрицательный (True Negative);+
2) ложноположительный (False Positive);
3) ложноотрицательный (False Negative);
4) истинно положительный (True Positive).+

17. Какие метрики вычисляются с использованием значения True Positive (TP)?

1) Specificity;
2) MAE (Mean Absolute Error);
3) точность/прецизионность (Precision);+
4) полнота (Recall).+

18. Какие метрики могут быть вычислены непосредственно из матрицы ошибок?

1) Accuracy (точность);+
2) RMSE (Root Mean Squared Error);
3) Recall (полнота);+
4) Precision (точность/прецизионность).+

19. Какие метрики относятся к медицинским метрикам оценки качества классификации?

1) RMSE (Root Mean Squared Error);
2) Specificity (специфичность);+
3) Sensitivity (чувствительность);+
4) MAPE (Mean Absolute Percentage Error).

20. Какой класс метрик отражает ценность модели для бизнеса, например, KPI?

1) онлайн-метрики;
2) офлайн-метрики;
3) бизнес-метрики;+
4) метрики обучения.

21. Какой компонент в обучении с подкреплением получает вознаграждение за действия?

1) агент (Agent);+
2) среда (Environment);
3) награда (Reward);
4) политика (Policy).

22. Машинное обучение позволяет системам

1) не требовать данных для работы;
2) только следовать жёстким алгоритмам;
3) самостоятельно извлекать закономерности из данных;+
4) работать только с числовыми данными.

23. Метрика, показывающая процент верных предсказаний среди всех объектов, выданных моделью как положительные, — это

1) точность (Accuracy);
2) специфичность (Specificity);
3) точность/прецизионность (Precision);+
4) полнота (Recall).

24. Метрика, показывающая процент верных предсказаний – это

1) полнота (Recall);
2) специфичность (Specificity);
3) точность (Accuracy);+
4) точность/Прецизионность (Precision).

25. Основная цель AutoML — это

1) использовать только один тип алгоритмов;
2) заменить специалистов по данным на врачей;
3) увеличить сложность процесса машинного обучения;
4) автоматизировать этапы процесса машинного обучения.+

26. Способность модели правильно идентифицировать больных пациентов характеризуется метрикой

1) чувствительность (Sensitivity);+
2) точность/прецизионность (Precision );
3) точность (Accuracy);
4) специфичность (Specificity).

27. Среднеквадратичная ошибка – это

1) RMSE (Root Mean Squared Error);
2) MAPE (Mean Absolute Percentage Error);
3) MSE (Mean Squared Error);+
4) MAE (Mean Absolute Error).

28. Функции потерь, внутренняя кухня алгоритмов относятся к

1) бизнес-метрикам;
2) офлайн-метрикам;
3) онлайн-метрикам;
4) метрикам обучения.+

29. Что показывает метрика MAPE (Mean Absolute Percentage Error)?

1) ошибка в процентах от самой величины;+
2) максимальное отклонение прогноза от реального значения;
3) долю правильных прогнозов в общем количестве наблюдений;
4) среднее значение абсолютных ошибок.

30. Что является конечной целью агента в обучении с подкреплением?

1) максимизировать совокупное вознаграждение;+
2) исследовать все возможные состояния среды;
3) выполнить все возможные действия;
4) минимизировать количество совершаемых действий.

Специальности для предварительного и итогового тестирования:

Акушерство и гинекология, Инфекционные болезни, Кардиология, Лечебное дело, Неврология, Нейрохирургия, Общая врачебная практика (семейная медицина), Онкология, Организация здравоохранения и общественное здоровье, Педиатрия, Педиатрия (после специалитета), Пульмонология, Рентгенология, Рентгенэндоваскулярные диагностика и лечение, Терапия, Травматология и ортопедия, Фтизиатрия, Функциональная диагностика, Эндокринология.

Ответы: Файлы с выделенными ответами вы можете получить в боте. Выбираете свою специальность и открываете доступ тут: Telegrаm

Если Вы уважаете наш труд и разделяете наши ценности (помощь медицинским работникам), если Вам хочется внести свой вклад в развитие нашего проекта, поддерживайте нас донатами: вносите свой посильный вклад в общее дело пожертвованиями и финансовой помощью. Чем больше у нас будет ресурсов, тем больше мы сделаем вместе для медицинских работников (Ваших коллег).

---