10 вопросов на знание основ работы с ML в Spark MLlib: открытый интерактивный тест для начинающих изучать машинное обучение

Чтобы самостоятельное обучение по Spark стало еще интереснее, сегодня мы предлагаем вам простой комплексный тест по основам работы с машинным обучением в распределенном фреймворке Apache Spark, включая особенности и методы для работы с Big Data.

Комплексный тест по основам работы с машинным обучением в Spark для новичков

Для начинающих самостоятельное обучение по Apache Spark мы предлагаем простой интерактивный комплексный тест по этому распределенному Big Data фреймворку. Проверьте себя и ответьте на 10 вопросов об основных методах обработки Big Data с помощью машинного обучения, которое являются неотъемлемой частью библиотеки Spark MLlib. Ответы на эти вопросы мы разбирали в статье про основы работы с логистической регрессией в Spark здесь, а также с моделью случайных лесов здесь. Подробно изучить темы, упоминаемые в тесте, вы сможете на практических курсах по Apache Spark в нашем лицензированном учебном центре обучения и повышения квалификации ИТ-специалистов в Москве.

Открытый тест по машинному обучению в Spark

Выбирайте из предложенных вариантов ответов тот, который считаете верным. Правильные ответы вы узнаете после того, как нажмете кнопку ОТПРАВИТЬ. Успехов!

1. Какой класс используется для формирования векторов признаков в Spark?

 VectorAssembler

 VectorAssemble

 FeatureAssembler

 AssemblerV

2. Какие значения принимает результат анализа логистической регрессией?

 0 или 1

 True или False

 01 или 00

 Y или N

3. Какой параметр отвечает за указание количества деревьев для классификации в модели случайного леса Spark?

 numTrees

 treesNum

 quantityOfTress

 treesQ

4. Какой класс отвечает за последовательность преобразований при обучении логистической ML-модели в pyspark?

 Sequence

 PipeSequenceLine

 PipeLine

 SequenceLine

5. На чем основана модель случайного леса?

 на ансамбле деревьев

 на ансамбле графов

 на матрице смежности для ансамбля графов

 на паре деревьев

6. В виде какой структуры данные подаются в модель логистической регрессии для анализа?

 в виде вектора признаков

 в виде трехмерного массива

 в виде распределенного RDD-датафрейма

 в виде списка массивов

7. Какой класс используется в pyspark для построения модели логистической регрессии?

 LogisticRegression

 LogRegressor

 LogRegression

 LgR

8. Какой ключевой момент играет роль в повышении качества классификации в модели случайного леса?

 использование кластеров

 использование большого количества ансамблей деревьев

 использование матрицы смежности

 большое количество скрытых нейронов

9. Какой класс отвечает за построение модели случайного леса в Spark?

 RegressorForest

 RandomForest

 RandomForestRegressor

 ForestRegressor

10. Что является результатом прогноза логистической регрессии?

 погрешность возникновения некоторого события

 вероятность возникновения события

 численное значение целевой переменной

 коэффициенты линейной функции, описывающей закон возникновения события

 Загрузка …

Стоит отметить, что данный тест не претендует на звание специализированного профессионального экзамена. Однако такое небольшое упражнение способно помочь новичкам, которые начинают самостоятельно изучать машинное обучение в распределенном фреймворке Apache Spark, пытаясь разобраться с большим объемом информации, систематизировать ее и применить к решению практических задач. Также мы подготовили для вас серию тестов по отдельным разделам Apache Spark. Например, проверить свои знания по основам работы GBT-алгоритма в Spark вы можете здесь.

Освоить Apache Spark на профессиональном уровне для практического использования в своих проектах анализа больших данных, разработки Big Data приложений и прочих прикладных областях Data Science вы сможете на практических курсах по Apache Spark в нашем лицензированном учебном центре обучения и повышения квалификации ИТ-специалистов в Москве:

• Графовые алгоритмы в Apache Spark
• Машинное обучение в Apache Spark
• Потоковая обработка в Apache Spark
• Основы Apache Spark для разработчиков
• Анализ данных с Apache Spark
• Разработка и внедерение ML-решений
• Графовые алгоритмы. Бизнес-приложения

Записаться на курс

Смотреть раcписание