kol один вариант

===================================================================================
=
1. Wymień 3 cechy "inteligencji”.
inteligencja logiczna
inteligencja językowa
inteligencja przyrodnicza

2.Uczenie bez nadzoru to gałąź uczenia maszynowego, w której algorytm analizuje

dane nieoznaczone etykietami i szuka w nich ukrytych wzorców, struktur lub
zależności. Nie wymaga on wcześniej oznakowanych danych uczących Grupowanie
?

3. Z czego składa się perceptron (matematyczny model)?

wejścia, wagi, sumator, funkcja aktywacji, wyjscie

4.Podaj ograniczenia pojedynczego perceptronu.

Ograniczona zdolność do modelowania złożonych zależności
Brak warstwowej reprezentacji
Ograniczone dopasowanie do danych nieseparowalnych liniowo
Wrażliwość na skalowanie danych
Niewydajność dla problemów o wysokiej wymiarowości

5.Opisz krótko czym jest i na czym polega metoda wstecznej propagacji błędu.
Metoda wstecznej propagacji błędu jest popularną techniką używaną w uczeniu
maszynowym, szczególnie w sieciach neuronowych. Polega na iteracyjnym
aktualizowaniu wag w sieci w oparciu o propagację informacji o błędach z wyjścia
sieci do jej wejść.

6.Do czego służy algorytm K-means i co oznacza „K“ w jego nazwie?

Litera "K" w nazwie "K-means" oznacza liczbę klastrów, które mają zostać utworzone.
Przed wykonaniem algorytmu, musimy ustalić wartość K, czyli liczbę klastrów, które
chcemy utworzyć. Jest to hiperparametr, który musi zostać określony przed
wykonaniem algorytmu

7.Co to jest funkcja aktywacji w perceptronie?

Funkcja aktywacji w perceptronie to nieliniowa funkcja matematyczna, która jest
stosowana na wyjściu każdego neuronu perceptronu. Funkcja aktywacji decyduje o tym,
czy neuron ma zostać aktywowany (wygenerować sygnał wyjściowy) na podstawie sumy
ważonej sygnałów wejściowych.

8.Co to jest drzewo decyzyjne?

Drzewo decyzyjne to graficzny model predykcyjny używany w uczeniu maszynowym do
podejmowania decyzji lub przewidywania wartości na podstawie zestawu reguł
decyzyjnych. Drzewo decyzyjne składa się z węzłów i krawędzi, które reprezentują
sekwencję testów decyzyjnych prowadzących do konkretnych akcji lub prognoz.

9.Co to jest przetrenowanie?

Przetrenowanie (overfitting) to zjawisko występujące w uczeniu maszynowym, gdy
model nauczył się dokładnie dopasować do danych treningowych, ale nie generalizuje
dobrze na nowe, nieznane dane.

10.Zdefiniuj problem optymalizacji dyskretnej

Problem optymalizacji dyskretnej to rodzaj problemu optymalizacyjnego, w którym
należy znaleźć najlepsze rozwiązanie spośród skończonego zbioru możliwości lub
kombinacji.

11.Czym są kody prefiksowe?

Kody prefiksowe, znane również jako kody krajowe, są numerami używanymi w systemach
telekomunikacyjnych do identyfikacji konkretnych krajów lub regionów. Są to
liczbowe lub alfanumeryczne symbole, które są dodawane przed lokalnym numerem
telefonu w celu wskazania miejsca, do którego należy wykonać połączenie
międzynarodowe

12.Problem plecakowy (ang. knapsack problem) jest jednym z fundamentalnych

problemów optymalizacyjnych w naukach o komputerze i matematyce. W problemie
plecakowym mamy daną plecak o określonej pojemności oraz zbiór przedmiotów, z
których każdy ma swoją wagę i wartość. Celem jest takie wybranie przedmiotów, które
zmieszczą się w plecaku, aby zwiększyć sumaryczną wartość tych przedmiotów.
===================================================================================
=======
===================================================================================
=======
===================================================================================
=======

КОЛ вариант второй

1.Uczenie z nadzorem
Celem jest nauczenie modelu przewidywania lub klasyfikowania nowych danych na
podstawie wcześniej dostarczonych informacji.
W uczeniu z nadzorem algorytm dostaje zestaw treningowy, w którym dla każdego
przykładu danych wejściowych znana jest oczekiwana odpowiedź. Na podstawie tych
danych, algorytm stara się znaleźć wzorce i zależności, które pomogą w
przewidywaniu lub klasyfikacji nowych, nieznanych danych.

2.Wymień jedną metodę regresji.

Regresja liniowa jest techniką statystyczną stosowaną do modelowania zależności
liniowej między zmiennymi niezależnymi (cechami) a zmienną zależną (wartością,
którą chcemy przewidzieć). Celem regresji liniowej jest znalezienie najlepszego
dopasowania linii prostej do danych, która minimalizuje błąd predykcji.

4. Jaki rodzaj błędów klasyfikacji wpływa na precyzję

Rodzajem błędów klasyfikacji, który wpływa na precyzję, jest błąd typu False
Positive (FP) lub błąd fałszywie pozytywny.
Błąd False Positive występuje w kontekście klasyfikacji binarnej, gdy model błędnie
przypisuje pozytywną etykietę (klasę) do próbki, która faktycznie należy do klasy
negatywnej.

5.Podaj przykład zbioru o niskiej entropii.

Przykładem zbioru o niskiej entropii może być zbiór, w którym większość elementów
należy do jednej klasy lub mają one bardzo podobne cechy. W takim zbiorze występuje
małe zróżnicowanie i jest łatwiejsze przewidzieć, do jakiej klasy należy dana
próbka.

6.Dlaczego algorytm k-means warto wykonać wiele razy (z różnymi początkowymi

centroidami)?
Algorytm k-means jest podatny na zależność od początkowych położeń centroidów,
które są losowo inicjalizowane na początku algorytmu. Istnieje ryzyko, że algorytm
może utknąć w lokalnym minimum lub nieoptymalnym podziale klastrów, jeśli
początkowe położenia centroidów są źle wybrane.

7.Jaką metodę można zastosować, aby uniknąć przetrenowania drzewa decyzyjnego?

Aby uniknąć przetrenowania drzewa decyzyjnego, można zastosować kilka metod
regularyzacji. Oto kilka przykładów:
-Ograniczenie maksymalnej głębokości drzewa
-Ograniczenie minimalnej liczby próbek na liściu
-Ograniczenie minimalnego przyrostu wskaźnika impurity
-Przycinanie drzewa
-Zastosowanie walidacji krzyżowej

9.Jaką relację sąsiedztwa można zastosować dla problemu plecakowego

W kontekście problemu plecakowego, można zastosować relację sąsiedztwa opartą na
operacjach przemieszczania się po przestrzeni rozwiązań. Jedną z popularnych
relacji sąsiedztwa w tym przypadku jest relacja "jednoelementowa zamiana" (ang.
"single-element swap").Relacja "jednoelementowa zamiana" polega na zamianie jednego
elementu w zbiorze przedmiotów w plecaku na inny, co prowadzi do generowania nowych
rozwiązań.

KOL
precyzja = tp/(tp +fp)
recall = tp/(tp +fn)