آزمون پایان فصل
آموزش پردازش زبان طبیعیآموزش‌های پیشرفته هوش مصنوعیپردازش زبان طبیعی

آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس ؛ آزمون پایان فصل (قسمت یازدهم)

    0
    مدت زمان مطالعه: ۳ دقیقه

    فصل اول از دوره آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس به اتمام رسید و نوبت به آزمون پایان فصل رسیده است. در این بخش آزمونی تستی ارائه شده که در پایان مطلب جواب‌های درست مشخص شده‌اند. اما سعی کنید پیش از ابتدا به جواب‌های درست، آموخته‌های خودتان را محک بزنید.

    در فصل اول عمدتاً به مباحث پیش‌نیاز و پایه پرداختیم. اما اگر جزئیات گفته شده هنوز برایتان مبهم است، نگران نباشید چرا که در فصل بعدی با سازوکار و فرایندهای پشت‌پرده آشنا خواهید شد و درک این مفاهیم برای شما آسان‌تر خواهد شد.

    حال در آزمون پایان فصل اول شرکت کنید تا ببینیم در این فصل چه آموخته‌اید!

    ۱- به هاب هاگینگ فیس رفته و چک­پوینت roberta-large-mnli را پیدا کنید. این چک­پوینت چه کاری برای ما انجام می‌دهد؟

    الف) خلاصه‌سازی

    ب) دسته‌بندی متن

    ج) تولید متن

     

    ۲- کد زیر چه خروجی‌ای تولید می‌کند؟

     

    الف) این کد جمله را بر اساس برچسب‌های « positive» و « negative» دسته‌بندی کرده و به آن امتیاز می‌دهد.

    ب) این کد متنی تولید می‌کند که جمله بالا را تکمیل می‌کند.

    ج) این کد موجودیت­‌هایی که بیان‌گر اشخاص، سازمان‌ها یا مکان‌ها هستند را به عنوان خروجی به دست می‌دهد.

     

    ۳- در کد زیر چه عبارتی باید جایگزین جای خالی در خط پایانی شود؟

     

    الف) This has been waiting for you.

    ب) This [MASK] has been waiting for you.

    ج) This man has been waiting for you.

     

    ۴- چرا کد زیر با خطا مواجه می‌شود؟

     

    الف) باید برچسب‌های لازم برای دسته‌بندی متن را به این روال پردازشی بدهیم تا اجرای کد با خطا مواجه نشود.

    ب) این روال پردازشی به چندین جمله نیاز دارد تا با خطا مواجه نشود.

    ج) مثل همیشه، مشکل از کتابخانه ترنسفورمر است.

    د) این روال پردازشی به ورودی طولانی‌تری نیاز دارد.

     

    ۵- یادگیری انتقالی به چه معناست؟

    الف) انتقال دانش یک مدل از پیش آموزش داده شده به یک مدل جدید با آموزش آن بر یک پیکره واحد

    ب) انتقال دانش یک مدل از پیش آموزش داده شده به یک مدل جدید با انجام مقداردهی اولیه مدل جدید بر اساس وزن‌های مدل از پیش‌آموزش‌دیده

    ج) انتقال دانش یک مدل از پیش آموزش داده شده به یک مدل جدید با ساخت مدل جدید با معماری مشابه مدل از پیش‌آموزش‌دیده

     

    ۶- مدل‌های زبانی معمولاً در مرحله پیش‌آموزش نیازی به داده‌های برچسب‌دار ندارند.

    الف) صحیح

    ب) غلط

     

    ۷- کدام جمله مفاهیم «مدل»، «معماری» و «وزن» را به بهترین نحو توصیف کرده است؟

    الف) اگر مدل را یک ساختمان فرض کنیم، معماری در واقع نقشه ساخت آن و وزن‌ها افرادی که در آن زندگی می‌کنند، هستند.

    ب) معماری نقشه‌ای است برای ساخت مدل و وزن‌ها شهرهایی هستند که روی نقشه مشخص شده‌اند.

    ج) معماری توالی از توابع ریاضیاتی برای ساخت مدل است و وزن‌های معماری در واقع پارامترهای این توابع هستند.

     

    ۸- از کدام یک از مدل‌های زیر برای تکمیل جمله ورودی در مسائل تولید متن استفاده می‌شود؟

    الف) مدل رمزنگار

    ب) مدل رمزگشا

    ج) مدل رمزنگار-رمزگشا

     

    ۹- از کدام یک از مدل‌های زیر در مسائل مرتبط با خلاصه‌سازی متن استفاده می‌شود؟

    الف) مدل رمزنگار

    ب) مدل رمزگشا

    ج) مدل رمزنگار-رمزگشا

     

    ۱۰- از کدام یک از مدل‌های زیر متن ورودی را بر اساس برچسب‌های تعیین‌شده، دسته‌بندی می‌کنند؟

    الف) مدل رمزنگار

    ب) مدل رمزگشا

    ج) مدل رمزنگار-رمزگشا

     

    ۱۱- دلیل وجود بایاس در نتایج مدل کدام یک از موارد زیر می‌تواند باشد؟

    الف) استفاده از نسخه تنظیم‌شده Fine-tuned مدل از پیش آموزش‌دیده که بایاس را به ارث برده است.

    ب) داده‌هایی که مدل روی آن‌ها آموزش دیده است.

    ج) معیاری که مدل روی آن بهینه شده است دارای بایاس می‌باشد.

    د) همه موارد

     

    شما آزمون پایان فصل اول را به اتمام رساندید. حال از ادامه مطلب پاسخ‌های خود را چک کنید.

    ۱- (ب)

    ۲- (ج)

    ۳- (ب)

    ۴- (الف)

    ۵- (ب)

    ۶- (الف)

    ۷- (ج)

    ۸- (ب)

    ۹- (ج)

    ۱۰- (الف)

    ۱۱- (د)

    در قسمت کامنت‌ها برای ما بنویسید که چند پاسخ درست دادید.

    همچنین می‌توانید از طریق لینک زیر به دیگر قسمت‌های این دوره دسترسی داشته باشید.

    آموزش پردازش زبان طبیعی

    این مطلب چه میزان برای شما مفید بوده است؟
    [کل: ۰ میانگین: ۰]

    فناوری هوش مصنوعی سبز چه نیازهایی دارد

    مقاله قبلی

    دستاورد هوش مصنوعی در توان بخشی : رابط مغز-ماشین محصول شرکت Neuralink

    مقاله بعدی

    شما همچنین ممکن است دوست داشته باشید

    نظرات

    پاسخ دهید

    نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *