Set Domande
INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe
Generato il 08/04/2022 18:43:25
N° Domande Aperte 8
N° Domande Chiuse 64
Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe
Indice
Indice Lezioni .......................................................................................................................... p. 2
Lezione 001 ............................................................................................................................. p. 3
Lezione 002 ............................................................................................................................. p. 5
Lezione 003 ............................................................................................................................. p. 7
Lezione 004 ............................................................................................................................. p. 9
Lezione 005 ............................................................................................................................. p. 11
Lezione 006 ............................................................................................................................. p. 12
Lezione 007 ............................................................................................................................. p. 14
Lezione 008 ............................................................................................................................. p. 15
Lezione 011 ............................................................................................................................. p. 16
Lezione 012 ............................................................................................................................. p. 17
© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 2/17
Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe
Lezione 001
01. Quando nasce il termine "Intelligenza Artificiale"?
1999
2012
1966
1956
02. Cosa sono i sistemi esperti?
Sistemi che uniscono meccanismi deduttivi a conoscenza specifica
Sistemi specializzarti per il riconoscimento di immagini
Sistemi in grado di risolvere qualsiasi problema
Sistemi in grado di lavorare in qualsiasi contesto
03. Quale tecnologia viene introdotta negli anni '80?
Reti neurali profonde
Sistemi esperti
Backpropagation e reti neurali
Logica fuzzy
04. Perchè passa la moda delle reti neurali?
Le reti neurali sono una tecnologia vecchia
Prende piede il Deep Learning
Nascono nuove tecnologie
Le reti neurali sono difficili da progettare ed allenare
05. Perchè nel 2012 tornano di moda le reti neurali?
Abbiamo abbastanza dati per allenarle
Tutte le altre risposte
Esiste la tecnologia per progettare le reti neurali
Avanzamenti nell'hardware
06. Cosa si intende con il termine di Machine Learning?
Sistemi esperti
Macchine progettare per imparare
Algoritmi di apprendimento basati sui dati
Prime forme di intelligenza artificiale
07. Qual è la differenza tra Machine Learning ed Intelligenza Artificiale?
L'IA è un ramo del Machine Learning
Il Machine Learning è un ramo dell'Intelligenza Artificiale
Machine Learning ed IA non hanno nulal in comune
Nessuna, sono la stessa cosa
© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 3/17
Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe
08. Come funziona il Machine Learning?
Estrae informazioni (pattern) dai dati
Il modello cerca le differenze tra I dati
Il modello impara da pochi esempi
Estrae dati dai pattern
09. Quali di questi NON è uno dei motivi per cui il Machine Learning ha avuto successo?
Incremento delle capacità computazionali
GPU come accelleratori di calcolo
Teoria nuova ed innovativa
La disponibilità di una grande quantità di dati
10. Cosa erano in grado di fare i primi sistemi intelligenti (Anni '60)?
Sistemi in grado di lavorare in qualsiasi contesto
Sistemi in grado di risolvere qualsiasi problema
Sistemi che uniscono meccanismi deduttivi a conoscenza specifica
Sistemi specializzati per il riconoscimento di immagini
© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 4/17
Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe
Lezione 002
01. Cos'è l'unsupervised learning?
Un paradigma di learning in cui il modello deve capire come integragire con l'ambiente
Un paradigma di learning in cui il modello riceve tanti dati con label (annotazione)
Nessuna delle risposte
Un paradigma di learning in cui il modello riceve tanti dati senza annotazione
02. Cosa permette ad un agente di capire se ha scelto una azione giusta nel reinforcement learning?
Lo stato
L'azione successiva
Il reward
Nessuna delle risposte
03. In cosa consiste il clustering?
Il modello impara a ragruppare i dati in base a caratteristiche comuni senza sapere cosa contengono
Nessuna delle risposte
Il modello impara a predire valori constinui
Il modello impara ad assegnare una classe ad un pattern
04. In cosa consiste il task di classificazione?
Nessuna delle risposte
Il modello impara a predire un valore constinuo
Il modello impara ad assegnare una classe ad un pattern
Il modello impara a ragruppare i dati in base a caratteristiche comuni senza sapere cosa contengono
05. Cos'è il reinforcement learning?
Un paradigma di learning in cui il modello deve capire come integragire con l'ambiente
Un paradigma di learning in cui il modello riceve tanti dati senza annotazione
Nessuna delle risposte
Un paradigma di learning in cui il modello riceve tanti dati con label (annotazione)
06. In cosa consiste il task di regressione?
Nessuna delle risposte
Il modello impara a predire valori constinui
Il modello impara ad assegnare una classe ad un pattern
Il modello impara a ragruppare i dati
07. Cos'è il supervised learning?
Un paradigma di learning in cui il modello riceve tanti dati con label (annotazione)
Nessuna delle risposte
Un paradigma di learning in cui il modello riceve tanti dati senza label
Un paradigma di learning in cui il modello deve capire come integragire con l'ambiente
© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 5/17
Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe
08. Cos'è un pattern categorico?
Nessuna delle risposte
Valore tipicamente continuo
Valori estratti da segnali (e.g.: imamgini o suoni)
Valori associati a caratteristiche qualitative e alla presenza di una caratteristica
09. Cos'è un pattern numerico?
Valore associato a caratteristiche misurabili
Valore associato alle presenza o meno di una caratteristica
Nessuna delle risposte
Valore associato a caratteristiche qualitative
10. Cosa si intende con il termine pattern?
Sinonimo di Machine Learning
Una rete neurale
I dati utilizzati per allenare le reti neurali
I livelli di una rete neurale
11. Machine Learning e Intelligenza Artificiale sono la stessa cosa?
Il Machine learning è un ramo dell'Intelligenza Artificiale
L'IA è un ramo del Machine Learning
Si, sono la stessa cosa
No, non hanno nulla in comune
12. Quale di questi non è un tipo di learning?
Nessuna delle risposte
Supervised Learning
Unsupervised Learning
Reinforcement Learning
13. Enunciare e descrivere i tre principali tipi di learning
14. Definire il problema di regressione
15. Definire il problema di classificazione
16. Descrivere il concetto di pattern
© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 6/17
Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe
Lezione 003
01. Cosa indica la definizione di IA debole?
Macchina che esprime un comportamento intelligente
Macchina con scarse capacità computazionali
Macchina con intelligenza limitata
Nessuna delle risposte
02. Cosa indica la definizione di IA forte?
Macchina in grado di superare il test totale di Turing
Macchina con coscienza del sè
Macchina con intelligenza spiccata
Macchina con elevata capacità computazionale
03. Cosa deve essere in gradi di fare una macchina intelligente?
Tutte le altre risposte
Rappresentare la conoscenza
Elaborare il linguaggio naturale
Ragionare automaticamente
04. Quale di queste abilità non viene testata dal test totale di Turing?
Manipalozione di oggetti (robotica)
Percezione uditiva
Percezione visiva (vista)
Percezione olfattiva (olfatto)
05. Qual è lo scopo del "Test di turing Totale"?
Nessuna delle risposte
Migliorare le capacità di una macchina intelligente
Aumentare la complessità del test
Estendere il test ad altre abilità tra cui la manipolazione di ogetti e la percezione
06. Quale caratteristiche deve avere una macchina per essere intelligente secondo Turing?
Nessuna delle risposte
Deve saper eseguire algoritmi complessi
Deve saper processare dati
Deve saper concatenare idee ed esprimerle
07. Qual è lo scopo del test di Turing?
Capire se una macchina mostra un comportamento intelligente
Nessuna delle risposte
Capire se una macchina è dotata di coscienza
Capire se una macchina è in grado di eseguire algoritmi
© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 7/17
Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe
08. Come funziona il test di Turing?
Una macchina viene sostituita al giocatore e deve porre domane agli altri partecipanti
Nessuna delle risposte
Uno dei partecipanti (e.g.: l'uomo) al gioco dell'imitazione viene sostituito da una macchina che deve imitare il comportamento umano
Viene testata la capacità di una macchina di eseguire algoritmi
09. Cos'è il gioco dell'imitazione?
Nessuna delle risposte
Un gioco in cui una macchina deve imitare una donna
Un gioco in cui il giocatore deve capire chi degli altri partecipanti sia l'uomo e chi la donna tramite delle domande
Un gioco in cui i partecipanti devono imitarsi a vicenda
10. Cosa è una macchina di Turing?
Una macchina ideale in gradi di eseguire algoritmi
Una macchina intelligente
Nessuna delle risposte
Una macchina reale in gradi di eseguire algoritmi
11. Illustrare il test di turing e il suo funzionamento
© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 8/17
Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe
Lezione 004
01. Cosa è uno stato astratto di un problema reale?
Insieme di stati reali
Combinazione complessa degli stati reali
L'insieme degli oepratori
Nessuna delle risposte
02. Quale di questi non è una misura delle prestazioni di un sisteam di ricerca?
Costo di ricerca
Capacità di trovare la soluzione
Tutte le altre risposte
Bontà della soluzione
03. Un problema di contingenza è un problema:
Non deterministico, inaccessibile
Nessuna delle risposte
Deterministico, inaccessibile
Deterministico, accessibile
04. Cosa è un agente risolutore di problemi?
Un sistema che trova sequenze di azioni in grado di massimizzare le prestazioni
Nessuna delle risposte
Il modello impara a ragruppare i dati in base a caratteristiche comuni
Un sistema che imita il comportamento umano per risolvere problemi
05. Quali di questi elementi NON definisce un problema a stato singolo?
Stato iniziale
Nessuna delle risposte
Insieme degli operatori
Learning rate
06. Cosa è un algoritmo di ricerca?
Un paradigma di learning in cui il modello riceve tanti dati con label (annotazione)
Nessuna delle risposte
Un algoritmo che prende come input un problema e restituisce una soluzione nella forma di una sequenza di azioni
Il modello impara a ragruppare i dati in base a caratteristiche comuni senza sapere cosa contengono
07. Come è definito un problema di contingenza?
Un problema che non può verificarsi nel mondo reale
Un problema in cui l'agente deve affrontare un intero albero di possibili azioni, ciascun ramo è una situazione che si potrebbe presentare
Nessuna delle risposte
Un problema ideale
© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 9/17
Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe
08. Come è definito un problema di esplorazione?
Un problema che non può verificarsi nel mondo reale
Nessuna delle risposte
Un problema in cui l'agente deve affrontare un intero albero di possibili azioni, ciascun ramo è una situazione che si potrebbe presentare
Un problema in cui l'agente non conosce gli effetti delle proprie azioni
09. Un problema a stato singolo è un problema:
Nessuna delle risposte
Deterministico, accessibile
Deterministico, inaccessibile
Non deterministico, inaccessibile
10. Un problema a stato multiplo è un problema:
Non deterministico, inaccessibile
Deterministico, accessibile
Nessuna delle risposte
Deterministico, inaccessibile
© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 10/17
Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe
Lezione 005
01. In base a cosa vengono valutate le strategie di ricerca?
Complessità temporale e spaziale
Tutte le risposte
Ottimalità
Completezza
02. Come funziona la ricerca breadth first (ricerca in ampiezza)?
Prova tutti i possibili limiti di profondità a partire da l=0
Si espande sempre il nodo di confine con il costo di cammino ��(��) più basso
Si espande sempre uno dei nodi al livello più profondo dell’albero, poi si torna indietro
Si espande prima il nodo radice e poi successivamente tutti i nodi generati
03. Come funziona la ricerca a costo uniforme?
Si espande sempre il nodo di confine con il costo di cammino ��(��) più basso
Si espande sempre uno dei nodi al livello più profondo dell’albero, poi si torna indietro
Si espande prima il nodo radice e poi successivamente tutti i nodi generati
Prova tutti i possibili limiti di profondità a partire da l=0
04. Come funziona la ricerca depth-first (ricerca in profondità)?
Si espande prima il nodo radice e poi successivamente tutti i nodi generati
Si espande sempre il nodo di confine con il costo di cammino ��(��) più basso
Si espande sempre uno dei nodi al livello più profondo dell’albero, poi si torna indietro
Prova tutti i possibili limiti di profondità a partire da l=0
05. Come funziona la ricerca ad approfondimento iterativo?
Si espande prima il nodo radice e poi successivamente tutti i nodi generati
Prova tutti i possibili limiti di profondità a partire da l=0
Si espande sempre il nodo di confine con il costo di cammino ��(��) più basso
Si espande sempre uno dei nodi al livello più profondo dell’albero, poi si torna indietro
06. La ricerca in ampiezza garantisce di trovare sempre la soluzione?
Si, viene trovata per prima la soluzione del nodo obiettivo più in alto
La soluzione potrebbe non essere mai trovata
Nessuna delle risposte
Si, viene trovata per prima la soluzione del nodo obiettivo più in basso
© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 11/17
Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe
Lezione 006
01. La ricerca greedy NON è?
Ottimale
Completa
Tutte le risposte
Nessuna delle risposte
02. La ricerca A* NON è?
Nessuna delle risposte
Tutte le risposte
Completa
Ottimale
03. Cosa è una funzione euristica?
Una funzione che ha il compito di selezionare il nodo che sembra condurre alla soluzione ottimale del problema
Una funzione che valuta l'errore dell'algoritmo di ricerca
Nessuna delle risposte
Una funzione che da garanzie sulla soluzione e sul tempo impiegato per trovarla
04. Cosa è la ricerca informata?
Un tipo di ricerca che espande sempre il nodo di confine con il costo di cammino ��(��) più basso
Un tipo di ricerca che prova tutti i possibili limiti di profondità a partire da l=0
Nessuna delle risposte
Un tipo di ricerca che utilizza la conoscenza specifica del problema per dare un indizio alla soluzione del problema
05. Come funziona l'algoritmo di ricerca A*?
Utilizza un funzione di ricerca euristica ammissibile
Nessuna delle risposte
Questa ricerca ordina i nodi in modo che venga espanso prima quello con valutazione migliore
La ricerca mira ad assicurarsi il boccone più grosso prima possibile senza valutare se questa sia la mossa davvero migliore alla fine
06. Come funziona l'algoritmo di ricerca greedy?
Nessuna delle risposte
Questo algoritmo di ricerca espande prima il nodo radice e poi successivamente tutti i nodi generati
La ricerca mira ad assicurarsi il boccone più grosso prima possibile senza valutare se questa sia la mossa davvero migliore alla fine
Questa ricerca ordina i nodi in modo che venga espanso prima quello con valutazione migliore
07. Come funziona l'algoritmo di ricerca best-first?
Si espande sempre uno dei nodi al livello più profondo dell’albero, poi si torna indietro
Si espande prima il nodo radice e poi successivamente tutti i nodi generati
I nodi vengono ordinati in modo che venga espanso prima quello con valutazione migliore
Nessuna delle risposte
© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 12/17
Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe
08. Quali di questi è un algoritmo di ricerca informata?
Ricerca greedy
Tutte le risposte
Ricerca best-first
Ricerca A*
09. Quali di questi NON è un algoritmo di ricerca informata?
Ricerca best-first
Ricerca A*
Ricerca breadth first
Ricerca greedy
© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 13/17
Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe
Lezione 007
01. Qual è il nome del neurone artificiale?
Nessuna delle risposte
Percettrone
MLP
Assone
02. A cosa corrisponde l'output del percettrone nel neurone biologico?
Dendriti
Nucleo
Assone
Nessuna delle risposte
03. A cosa corrisponde la funzione calcolata dal percettrone nel neurone biologico?
Dendriti
Assone
Nessuna delle risposte
Nucleo
04. Quale operazione applica il neurone sugli input?
Solo la somma
Somma seguita da peso
Peso seguito da somma
Solo il peso
05. Cosa è il peso?
Nessuna delle risposte
Il valore per cui viene moltiplicato l'input al percettrone
Un parametro della funzione di attivazione
IL valore per cui viene moltiplicato l'output del percettrone
06. Quale è la sequenza completa di operazioni eseguite dal percettrone?
1) Peso degli input; 2) somma degli input pesati; 3) fuzione di attivazione
1) funzione di attivazione; 2) Peso degli input; 3) somma dei risultati
1) somma degli input; 2) peso del risultato; 3) funzione di attivazione
Nessuna delle risposte
© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 14/17
Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe
Lezione 008
01. A cosa servono le funzioni di attivazione?
Migliorare le performance del percettrone
Introdurre una non linearità
Pesare gli input al percettrone
Nessuna delle risposte
02. Descrivere il ruolo della funzione di attivazione
© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 15/17
Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe
Lezione 011
01. Descrivere la funione della loss e presentare alcuni esempi di loss function
© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 16/17
Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe
Lezione 012
01. Descrivere la backpropagation e l'allenamento di reti neurali
© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 17/17
Powered by TCPDF ([Link])