LT - TRIVIAL QUIZ - Advanced Modules EduBreakouts

viktorina

pradėti

TRIVIAL

ARIN klausimaiPažengusiųjų lygis

pagrindinės sąvokos (procesas)

Nuspėjamoji analizė, veidų atpažinimas, natūralios kalbos paslaugos, duomenų modeliavimo API

Duomenų paieškos paslaugos, vaizdo apdorojimo paslaugos, korporacijų palaikymo paslaugos

Inžinerinės paslaugos, finansinės paslaugos, duomenų saugojimo paslaugos

MLaaS (angl. Machine Learning as a Service) debesijos platformos reiškia skirtingas ML paslaugas, kurios siūlomos kaip debesų kompiuterijos paslaugų komponentas. Kokios gali būti tokios paslaugos?

pagrindinės sąvokos (procesas)

Teisingas atsakymas!

Kartu šios paslaugos - tai įvairios dirbtinio intelekto galimybės, kurias galima panaudoti įvairiose pramonės šakose ir taikomosiose programose. Jos rodo, kad dirbtinis intelektas gali užtikrinti pažangią analizę, atpažinti ir apdoroti žmogaus bruožus, suprasti ir generuoti natūralią kalbą bei sumaniai ir efektyviai modeliuoti duomenis.

pagrindinės sąvokos (procesas)

Išankstinis duomenų apdorojimas ir požymių išskyrimas, mašininio mokymo modelio apmokymas, modelio diegimas, modelio iškvietimas.

ML modelio įdiegimas į debesų kompiuterijos paslaugą, tinkamas užklausos suformulavimas, atsakymų gavimas.

Duomenų gavimas, ML modelio papildymas duomenimis, atsakymų į klausimus gavimas.

Iš kokių etapų sudaryta tipiška mašininio mokymosi seka?

pagrindinės sąvokos (procesas)

Teisingas atsakymas!

Šie etapai kartu sudaro tipišką mašininio mokymosi seką nuo: išankstinio duomenų apdorojimo ir požymių išskyrimo, mašininio mokymo modelio apmokymo, modelio diegimo, modelio iškvietimo. Kiekvienas etapas yra svarbus visame mašininio mokymosi modelių kūrimo ir efektyvaus naudojimo procese.

pagrindinės sąvokos (procesas)

Atvaizduose identifikuoti objektus ir scenas, atitinkančias jūsų verslo poreikius.

Apdoroti didelius duomenis ir gauti informacijos, vertingos jūsų verslo augimui.

Savo verslo poreikiams naudoti dideles duomenų saugyklas.

Ką galite padaryti naudodami platformą „Amazon Rekognition Custom Labels“ ?

pagrindinės sąvokos (procesas)

Teisingas atsakymas!

Platforma „Amazon Rekognition Custom Labels“ suteikia įmonėms galimybę kurti ir diegti pasirinktinius mašininio mokymosi modelius, skirtus konkretiems objektams ir scenoms vaizduose atpažinti. Ši funkcija suteikia įmonėms galingą įrankį, leidžiantį automatizuoti vaizdų analizę ir panaudoti dirbtiniu intelektu pagrįstą objektų atpažinimą, pritaikytą jų unikaliems reikalavimams.

DI-žmogaus sąveika

Debesų kompiuterijos ir DI

Ribinės kompiuterijos ir debesų kompiuterijos

Ribinių skaičiavimų ir DI

DI ribiniai skaičiavimai (angl. k. Edge AI) yra derinys:

DI-žmogaus sąveika

Teisingas atsakymas!

Sujungus dirbtinį intelektą ir ribinius skaičiavimus, dirbtinio intelekto algoritmai gali būti diegiami tiesiogiai tokiuose įrenginiuose kaip išmanieji telefonai, daiktų interneto įrenginiai, todėl realiuoju laiku galima efektyviai apdoroti duomenis tinkle.

DI-žmogaus sąveika

Savarankiškai važiuojantys automobiliai

Paieškos sistema Google

Pokalbių robotai

Kuris iš šių dalykų yra praktinis DI ribinių skaičiavimų pavyzdys?

DI-žmogaus sąveika

Teisingas atsakymas!

Šios transporto priemonės remiasi dirbtinio intelekto algoritmais ir ribinio skaičiavimo galimybėmis, siekdamos realiuoju laiku apdoroti jutiklių duomenis, priimti sprendimus dėl vairavimo ir reaguoti į aplinką, nepasikliaudamos vien tik debesų kompiuterija.

DI-žmogaus sąveika

Mažesnis delsimas

Didesnė skaičiavimo talpa

Padidėjęs tvirtumas

Kuris iš išvardytų privalumų NĖRA DI ribinių skaičiavimų privalumas?

DI-žmogaus sąveika

Teisingas atsakymas!

Didesni skaičiavimo pajėgumai nėra vienas iš ribinių skaičiavimų privalumų. Ribiniai skaičiavimai daugiausia dėmesio skiria dirbtinio intelekto galimybėms suteikti ribotus skaičiavimo išteklius turintiems kraštiniams įrenginiams, pavyzdžiui, išmaniesiems telefonams, daiktų interneto įrenginiams arba kraštiniams serveriams.

DI privalumai ir taikymas

Kodo generavimas

Optimizavimas

Ribota srities kompetencija

Kuri iš išvardytų sričių NĖRA DI privalumas programuojant?

DI privalumai ir taikymas

Teisingas atsakymas!

Paprastai dirbtinio intelekto sistemos yra specializuotos ir skirtos konkrečioms sritims ar užduotims spręsti. Jos gali neturėti išsamių žinių ar kompetencijos už jų srities ribų, todėl jų pritaikomumas įvairiose probleminėse srityse yra ribotas. Tobulėjant įvairioms priemonėms tai gali pasikeisti. Dėl nedidelių patobulinimų dirbtinis intelektas tampa vis pajėgesnis ugdyti geresnius kodavimo ir programavimo įgūdžius.

DI privalumai ir taikymas

Greitesnė ir tikslesnė diagnozė

Padidėjęs efektyvumas

Geresnis pacientų bendravimas

Kuo dirbtinis intelektas gali būti naudingas medicinos ir sveikatos priežiūros sritims?

3/6 Klausimai–istorija

Teisingas atsakymas!

DI algoritmai gali analizuoti medicininius vaizdus ir pacientų duomenis, padėti gydytojams greičiau ir tiksliau diagnozuoti ligas. Tai gali padėti anksčiau nustatyti ligas ir pagerinti pacientų gydymo rezultatus.

DI privalumai ir taikymas

Padidėjęs klientų pasitenkinimas ir rinkos reagavimas

Didesnis patikimumas ir mažesnės priežiūros išlaidos

Padidintas kokybės kontrolės saugumas ir tikslumas

Kaip dirbtinis intelektas gali padėti pagerinti įvairius procesus įvairiose pramonės šakose?

3/6klausimai – ISTORIJA

Teisingas atsakymas!

Kai dirbtinis intelektas pritaikomas įvairiems pramonės procesams, jis gali būti naudingas didinant patikimumą ir mažinant techninės priežiūros išlaidas. Prognozuojamoji priežiūra, atliekama naudojant dirbtinį intelektą, gali padėti iš anksto nustatyti galimus įrangos gedimus, todėl galima laiku atlikti techninę priežiūrą, siekiant išvengti gedimų.

Rizikos ir grėsmės

Išvengti DI šališkumo ir diskriminacijos.

Įgyvendinti tinkamas saugumo priemones, apsaugančias vartotojų duomenis.

Kontroliuoti AI naudojimą kasdieniame gyvenime.

Koks buvo Europos Sąjungos Bendrojo duomenų apsaugos reglamento (BDAR) kūrimo tikslas?

Rizikos ir grėsmės

Teisingas atsakymas!

Europos Sąjungos Bendrojo duomenų apsaugos reglamento (BDAR) tikslas - reglamentuoti kaip saugomi ES asmenų duomenys ir užtikrinimas privatumas.

Rizikos ir grėsmės

Pagrindinė priežastis yra naudojamų duomenų šališkumas, dėl kurio DI sistemos sustiprina tuos pačius stereotipus ir apribojimus.

Neutralumo trūksta tik dėl duomenų įvesties, nes duomenys negali būti iš esmės šališki.

DI neutralumo trūkumas gali atsirasti dėl duomenų šališkumo, ​​žmogaus indėlio apdorojant duomenis, jų analizės, sistemos ribotumo apibrėžiat žmogaus gyvenimą.

Kas gali lemti DI neutralumo trūkumą?

Rizikos ir grėsmės

Teisingas atsakymas!

Dirbtinio intelekto neutralumo trūkumui gali turėti įtakos žmogaus indėlis apdorojant ir analizuojant duomenis, sistemos apribojimai. Norint skatinti teisingumą ir užtikrinti, kad DI sistemos priimdamos sprendimus būtų neutralios ir nešališkos, labai svarbu suprasti DI šališkumą ir jį šalinti.

Rizikos ir grėsmės

Neįmanoma sumažinti šališkumo – jis tam tikru būdu išliks visada.

Visapusiškas požiūris apimtų labiau įtraukiančių ir įvairesnių duomenų atranką, reguliarų sistemos auditą, nuolatinį procese dalyvaujančių asmenų mokymą ir švietimą bei kitų gairių formavimą.

Veiksmingiausia priemonė yra tiesiog bandyti ištaisyti žmogaus indėlį mokant ir edukuojant darbuotojus.

Kokių priemonių galima imtis siekiant sumažinti DI šališkumą?

Rizikos ir grėsmės

Teisingas atsakymas!

Norint sumažinti DI šališkumą, reikia taikyti įvairiapusį požiūrį: atkreipti dėmesį į naudojamus duomenis, užtikrinti, kad jie atspindėtų įvairias perspektyvas, ir vengti šališkų duomenų rinkinių. Reguliarus dirbtinio intelekto sistemos auditas gali padėti nustatyti ir pašalinti šališkumą.

nuostabu!

sveikinimai!

ERROR

Neteisingas atsakymas!

Bandyk dar kartą