การฝัง: ทดสอบความรู้ของคุณ

มาทำการทดสอบด่วนกันเลย คุณต้องตอบคำถามถูกต้องอย่างน้อย 4 ข้อจึงจะผ่านแบบทดสอบนี้

1. รายการใดต่อไปนี้เหมาะที่จะฝัง (เลือกได้มากกว่า 1 ข้อ)

   เลือกคำตอบได้มากเท่าที่คุณเห็นว่าเหมาะสม

   อุณหภูมิสูงสุดรายวันของโตเกียว ญี่ปุ่น ตั้งแต่ปี 1999-2024

   ลำดับจีโนมของไวรัสที่เรียบง่าย

   ชุดข้อมูลขนาดใหญ่ของรูปภาพม้าที่มีความละเอียดสูง

   จำนวนบรรทัดโค้ดในโปรเจ็กต์ซอฟต์แวร์ขนาดใหญ่

2. คุณเข้ารหัสฐานข้อมูลรูปภาพขาวดําขนาด 100 x 100 พิกเซลของตัวเลขที่เขียนด้วยมือเป็นเวกเตอร์ที่แสดงถึงพิกเซลในรูปภาพ โดย 0 หมายถึงสีขาวและ 1 หมายถึงสีดํา หากคุณสร้างการฝังจากการเข้ารหัสนี้ การฝังจะมีมิติข้อมูลประมาณกี่มิติ

   มิติข้อมูล 10,000 รายการ

   มิติข้อมูลมากกว่า 10,000 รายการ

   มิติข้อมูลน้อยกว่า 10,000 รายการ

3. ประโยชน์ข้อใดต่อไปนี้ของการใช้เวกเตอร์การฝังสําหรับข้อมูลฟีเจอร์มากกว่าเวกเตอร์ One-Hot ของข้อมูลเดียวกัน (เลือกได้มากกว่า 1 ข้อ)

   เลือกคำตอบได้มากเท่าที่คุณเห็นว่าเหมาะสม

   โมเดลที่ใช้เวกเตอร์การฝังจะมีน้ำหนักที่ต้องปรับน้อยลงในระหว่างการฝึก

   การฝึกโมเดลจะเร็วขึ้นและประหยัดกว่าเมื่อใช้เวกเตอร์การฝัง

   โมเดลที่ฝึกด้วยการฝังข้อมูลไม่จำเป็นต้องได้รับการประเมินด้วยชุดทดสอบ

   มิติข้อมูลของข้อมูลจะเพิ่มขึ้นเมื่อใช้เวกเตอร์การฝัง ซึ่งจะปรับปรุงประสิทธิภาพของโมเดล

4. จริงหรือเท็จ: น้ำหนักที่มาจากชั้นที่ซ่อนอยู่ของเครือข่ายประสาทที่ผ่านการฝึกอบรมสามารถใช้เป็นการฝัง

   จริง

   เท็จ

5. การแสดงผลตามบริบทแตกต่างจากการแสดงผลแบบคงที่อย่างไร (เลือกได้มากกว่า 1 ข้อ)

   เลือกคำตอบได้มากเท่าที่คุณเห็นว่าเหมาะสม

   การฝังตามบริบทจะเข้ารหัสข้อมูลตำแหน่ง ส่วนการฝังแบบคงที่จะไม่เข้ารหัส

   โทเค็น 1 รายการแสดงโดยการฝังแบบคงที่ 1 รายการ แต่อาจแสดงโดยการฝังตามบริบทหลายรายการ

   การฝังตามบริบทมีต้นทุนการประมวลผลต่ำกว่าเมื่อเทียบกับการฝังแบบคงที่

   การฝังแบบคงที่ช่วยให้ดำเนินการทางคณิตศาสตร์ที่มีความหมายตามความหมายระหว่างเวกเตอร์ได้ในทุกกรณีการใช้งาน ขณะที่การฝังตามบริบทไม่สามารถทำได้

ส่งคำตอบ

ข้อมูลนี้มีประโยชน์ไหม