인공지능이 예측 모델을 최적화하기 위해 반복하는 과정은 무엇인가요?

• 데이터 수집
• 오차 줄이기
• 결과 출력
• 분류 모델 생성

손실함수 E(a, b)에서 E는 무엇을 의미하나요?

• 에너지
• 오차
• 효율성
• 예측

지도 학습에서 인공지능은 어떤 데이터를 학습하나요?

• 정답이 제공된 데이터
• 정답이 제공되지 않은 데이터
• 보상이 제공된 데이터
• 무작위 데이터

f(x)=ax+b에서 상수 a와 b는 각각 무엇을 의미하나요?

• 기울기와 y절편
• x축과 y축
• 정확도와 효율성
• 손실과 오차

강화 학습에서는 어떤 과정을 통해 학습이 이루어지나요?

• 정답 제공
• 보상을 통해
• 데이터 수집
• 오차 분석

분류 모델은 예측값이 무엇으로 표현되나요?

• 수치
• 범주
• 기울기
• 절편

예측 모델의 오차를 수치화하기 위해 사용하는 함수는 무엇인가요?

• 활성화 함수
• 손실함수
• 모델 함수
• 최적화 함수

오차를 줄여 최적의 예측 모델을 만드는 과정에서 중요한 것은 무엇인가요?

• 데이터의 양
• 모델의 복잡성
• 손실함수의 형태
• 매개변수의 정확성

비지도 학습은 어떤 데이터를 기반으로 학습하나요?

• 정답이 제공된 데이터
• 정답이 제공되지 않은 데이터
• 보상이 제공된 데이터
• 무작위 데이터

인공지능 예측 모델은 모든 자료의 경향성을 완벽하게 나타낼 수 있다.

예측 모델의 오차는 예측값에서 실젯값을 뺀 값으로 나타낼 수 있다.

지도 학습은 정답이 제공되지 않는 데이터를 학습하여 패턴을 찾는 방법이다.

손실함수는 오차의 제곱의 평균으로 정의될 수 있다.

강화 학습은 미리 설정된 목표에 따라 다양한 시도를 하면서 보상을 통해 학습하는 방법이다.

분류 모델은 입력값을 특정 범주로 구분하는 모델이다.

인공지능은 학습을 통해 실젯값과 예측값 사이의 오차를 줄이는 과정을 반복한다.

손실함수의 값이 클수록 예측 모델이 최적화된 것이라고 볼 수 있다.

f(x)=ax+b에서 a는 기울기를 의미한다.

비지도 학습은 정답이 제공된 데이터를 학습하여 패턴을 찾는 방법이다.