021-71053903 [email protected] پشتیبانی از شنبه تا چهارشنبه ساعت 9 الی 16

20 سوال برتر استخدامی مصاحبه هوش مصنوعی

چه شغلی باشد که در نظر دارید، چه بخواهید از نردبانی که در حال حاضر هستید بالا بروید – در حوزه هوش مصنوعی، قطعا آینده روشن است. در کنار شما متخصصان متعددی وجود دارند که فرصت های حرکت به این حوزه را تشخیص داده اند. با توجه به رقابت در این حوزه، خود را به عنوان یک کاندیدای شغلی موفق که از میان جمعیت متمایز است، قرار دهید. از این رو، این ایده خوبی است که نه تنها گواهینامه های هوش مصنوعی را دنبال کنید، بلکه برای سوالات مهم مصاحبه شغلی هوش مصنوعی نیز از قبل آماده شوید. در اینجا برخی از مواردی که معمولاً از آنها پرسیده می شود وجود دارد که به شما در آماده شدن برای همان کمک می کند.

 

 

1. AI چیست؟

هوش مصنوعی رشته‌ای از علوم کامپیوتر است که در آن عملکردهای شناختی مغز انسان بر روی یک ماشین یا یک سیستم مورد مطالعه و تکثیر قرار می‌گیرد. هوش مصنوعی امروزه به طور گسترده در بخش های مختلف اقتصاد از جمله علم و فناوری، مراقبت های بهداشتی، مخابرات، انرژی و غیره استفاده می شود. هوش مصنوعی سه سطح مختلف دارد:

  • هوش مصنوعی باریک: هوش مصنوعی زمانی باریک است که دستگاه یک کار خاص را بهتر از یک انسان انجام دهد. تحقیقات فعلی هوش مصنوعی در این سطح در حال انجام است.
  • هوش مصنوعی عمومی: هوش مصنوعی زمانی به حالت کلی می رسد که بتواند هر کار فکری معادل دقت یک انسان را انجام دهد.
  • هوش مصنوعی فعال: هوش مصنوعی زمانی فعال است که بتواند انسان ها را در تمام کارهای انجام شده به طور کامل شکست دهد.

 

2. تفاوت بین هوش مصنوعی، یادگیری ماشینی و یادگیری عمیق چیست؟

DL زیر مجموعه ای از ML است که زیرمجموعه هوش مصنوعی است. از این رو، هوش مصنوعی مفهومی فراگیر است که در ابتدا در علم کامپیوتر ظهور کرد. پس از آن، ML که بعداً رشد کرد، و در نهایت DL، که اکنون نویدبخش افزایش پیشرفت‌های هوش مصنوعی به سطح دیگری است، دنبال شد.

 

3. انواع مختلف هوش مصنوعی چیست؟

  • هوش مصنوعی ماشین‌های واکنشی: بر اساس اقدامات فعلی، قادر به استفاده از تجربیات قبلی برای تصمیم‌گیری فعلی و همزمان به‌روزرسانی حافظه آنها نیست.
  • هوش مصنوعی با حافظه محدود: این نوع هوش مصنوعی در خودروهای خودران استفاده می شود – آنها حرکت وسایل نقلیه در اطراف خود را به طور مداوم تشخیص می دهند و آن را به حافظه خود اضافه می کنند.
  • هوش مصنوعی نظریه ذهن: سطوح پیشرفته هوش مصنوعی توانایی درک احساسات و افراد را دارد.
  • هوش مصنوعی خودآگاه: این نوع هوش مصنوعی دارای هوشیاری و واکنش هایی شبیه به انسان است. چنین ماشین هایی توانایی ایجاد کنش های خودگردان را دارند.
  • هوش مصنوعی باریک (ANI): این نوع هوش مصنوعی یک هوش مصنوعی همه منظوره است که اساساً در ساخت دستیارهای مجازی مانند سیری یا الکسا استفاده می شود.
  • هوش عمومی مصنوعی (AGI): AGI به عنوان هوش مصنوعی قوی نیز شناخته می شود. مثال: روبات Pillo – که به سوالات مربوط به سلامت پاسخ می دهد.
  • هوش مصنوعی ابرانسان (ASI): این هوش مصنوعی است که توانایی انجام هر کاری که یک انسان می تواند انجام دهد و بیشتر را دارد. یک نمونه آلفا 2 است که اولین ربات ASI انسان نما است.

 

4. چند زبان برنامه نویسی محبوب در هوش مصنوعی را نام ببرید.

برخی از زبان های برنامه نویسی رایج در هوش مصنوعی عبارتند از:

  • پایتون
  • آر
  • لیسپ
  • پرولوگ
  • جاوا

 

5. برخی از کاربردهای هوش مصنوعی و کاربردهای رایج را فهرست کنید.

ابزارهای مبتنی بر هوش مصنوعی در حوزه های مختلف اقتصاد استفاده می شوند، از جمله:

  • پردازش زبان طبیعی
  • چت ربات ها
  • تحلیل احساسات
  • پیش بینی فروش
  • ماشین های خودران
  • تشخیص حالت چهره
  • برچسب گذاری تصویر

 

6. برخی از دامنه های محبوب هوش مصنوعی را ذکر کنید.

محبوب ترین دامنه ها در هوش مصنوعی عبارتند از:

  • فراگیری ماشین
  • شبکه های عصبی
  • رباتیک
  • سیستم های خبره
  • سیستم های منطق فازی
  • پردازش زبان طبیعی

 

7. تفاوت هوش مصنوعی ضعیف و هوش مصنوعی قوی چیست؟

هوش مصنوعی ضعیف هوش مصنوعی قوی
این یک برنامه باریک با دامنه محدود است. این یک برنامه کاربردی گسترده تر با دامنه گسترده تر است.
این برنامه در کارهای خاص خوب است. این نرم افزار دارای هوش باورنکردنی در سطح انسانی است.
از یادگیری نظارت شده و بدون نظارت برای پردازش داده ها استفاده می کند. برای پردازش داده ها از خوشه بندی و تداعی استفاده می کند.
مثال: سیری، الکسا. مثال: رباتیک پیشرفته

8. سیستم خبره چیست؟ چه ویژگی هایی دارد؟

یک سیستم خبره یک برنامه هوش مصنوعی است که دارای دانش سطح کارشناسی در مورد یک منطقه خاص از داده ها و استفاده از آن برای واکنش مناسب است. این سیستم ها تمایل دارند که این قابلیت را داشته باشند که یک متخصص انسانی را جایگزین کنند. ویژگی های آنها عبارتند از:

  • عملکرد بالا
  • ثبات
  • قابلیت اطمینان
  • سخت کوشی
  • طبیعت بی طرفانه

 

9. مزایای یک سیستم خبره چیست؟

مزایای یک سیستم خبره عبارتند از:

  • در دسترس بودن آسان
  • هزینه تولید پایین
  • سرعت بیشتر و کاهش حجم کار
  • آنها از حرکات، تنش و خستگی اجتناب می کنند
  • میزان خطا را کاهش می دهند.

 

10. شبکه عصبی مصنوعی چیست؟ برخی از موارد پرکاربرد را نام ببرید.

شبکه‌های عصبی مصنوعی، همانطور که از نام آن پیداست، سیستم‌های الهام‌گرفته از مغز هستند که برای تکرار روش‌های یادگیری انسان‌ها در نظر گرفته شده‌اند. شبکه های عصبی از لایه های ورودی و خروجی و همچنین یک لایه پنهان متشکل از واحدهایی تشکیل شده اند که ورودی ها را به خروجی های بهینه تبدیل می کنند. آنها ابزارهای بسیار خوبی برای یافتن الگوهایی هستند که برای یک برنامه نویس انسانی بسیار پیچیده یا متعدد هستند و نمی توانند آن را استخراج کنند و به ماشین یاد دهند که آنها را تشخیص دهد.

برخی از موارد رایج مورد استفاده عبارتند از:

  • شبکه های عصبی فید فوروارد
  • شبکه های عصبی پرسپترون چند لایه
  • شبکه های عصبی پیچشی
  • شبکه های عصبی مکرر
  • شبکه عصبی مدولار

 

11. Hyper Parameters ANN چیست؟

  • نرخ یادگیری: نرخ یادگیری نشان می دهد که شبکه با چه سرعتی پارامترهای خود را یاد می گیرد.
  • Momentum: این پارامتر به بیرون آمدن از حداقل های محلی و صاف کردن پرش ها در هنگام فرود شیب کمک می کند.
  • تعداد دوره ها: تعداد دفعاتی که کل داده های آموزشی به شبکه داده می شود را نشان می دهد. در اینجا از آموزش به عنوان تعداد دوره ها یاد می شود.

 

 12. برج هانوی چیست؟

برج هانوی اساساً یک پازل ریاضی است که نشان می دهد چگونه از بازگشت به عنوان وسیله ای در ساختن یک الگوریتم برای حل یک مسئله خاص استفاده می شود. برج هانوی را می توان با استفاده از درخت تصمیم و الگوریتم جستجوی وسعت اول (BFS) در هوش مصنوعی حل کرد. با 3 دیسک، یک پازل اساساً در 7 حرکت حل می شود. با این حال، حداقل تعداد حرکات مورد نیاز برای حل یک پازل برج هانوی 2 n − 1 است که در آن n تعداد دیسک‌ها است.

 

13. آزمون تورینگ چیست؟

تست تورینگ روشی است که توانایی ماشین را برای مطابقت با هوش سطح انسان آزمایش می کند. فقط در صورتی هوشمند در نظر گرفته می شود که در آزمون تورینگ موفق شود. با این حال، یک ماشین را می‌توان هوشمند دانست حتی بدون اینکه به اندازه کافی بداند چگونه از یک انسان در سناریوهای خاص تقلید کند.

 

14. روش جستجوی الگوریتم A* چیست؟

A* یک الگوریتم رایانه ای در هوش مصنوعی است که به طور گسترده برای یافتن مسیرها یا پیمایش نمودارها – برای به دست آوردن بهینه ترین مسیر بین گره ها استفاده می شود. به طور گسترده ای در حل مشکلات مسیریابی در بازی های ویدیویی استفاده می شود. با توجه به انعطاف پذیری و تطبیق پذیری آن، می توان از آن در طیف وسیعی از زمینه ها استفاده کرد. A* با نمودارهای وزنی فرموله شده است، به این معنی که می تواند بهترین مسیر را با کمترین هزینه از نظر مسافت و زمان پیدا کند. این امر A* را به یک الگوریتم جستجوی آگاهانه برای جستجوی اول تبدیل می کند.

 

15. الگوریتم جستجوی عرض اول چیست؟

الگوریتم جستجوی پهنای اول ( BFS ) برای جستجوی درخت یا نمودار ساختار داده استفاده می شود. از گره ریشه شروع می شود، از طریق گره های مجاور پیش می رود و در نهایت به سمت سطح بعدی گره ها حرکت می کند. تا زمانی که آرایش پیدا و ایجاد شود، در هر لحظه یک درخت تولید می کند. از آنجایی که این پیگیری می تواند با استفاده از ساختار داده FIFO (اول وارد، اولین خروج) اجرا شود، این استراتژی کوتاه ترین مسیر را برای راه حل ارائه می دهد.

 

16. الگوریتم جستجوی عمقی چیست؟

جستجوی عمقی (DFS) الگوریتمی است که بر اساس LIFO (آخرین ورود، اولین خروج) است. از آنجایی که بازگشت با ساختار داده پشته LIFO اجرا می شود، گره ها در ترتیب متفاوتی نسبت به BFS هستند. مسیر در هر تکرار از ریشه تا گره برگ به صورت خطی با فضای مورد نیاز ذخیره می شود.

 

17. منطق فازی چیست؟ برنامه های کاربردی آن را فهرست کنید.

منطق فازی زیرمجموعه ای از هوش مصنوعی است. این روشی برای رمزگذاری یادگیری انسان برای پردازش مصنوعی است. به عنوان قوانین IF-THEN نشان داده می شود. برخی از کاربردهای مهم آن عبارتند از:

  • تشخیص الگوی صورت
  • دستگاه های تهویه مطبوع، ماشین لباسشویی و جاروبرقی
  • سیستم های ترمز ضد لغزش و سیستم های انتقال
  • کنترل سیستم های مترو و هلیکوپترهای بدون سرنشین
  • سیستم های پیش بینی آب و هوا
  • ارزیابی ریسک پروژه
  • تشخیص پزشکی و طرح های درمانی
  • معاملات سهام

 

18. چند الگوریتم معروف یادگیری ماشین را ذکر کنید؟

برخی از الگوریتم های معروف یادگیری ماشین عبارتند از:

  • رگرسیون لجستیک
  • رگرسیون خطی
  • درختان تصمیم
  • ماشین های بردار پشتیبانی می کند

 

19. بین مدل های پارامتریک و ناپارامتریک تفاوت قائل شوید.

تفکیک مدل پارامتریک مدل ناپارامتریک
امکانات تعداد محدودی از پارامترها برای پیش بینی داده های جدید تعداد نامحدود پارامتر برای پیش بینی داده های جدید.
الگوریتم رگرسیون لجستیک تجزیه و تحلیل متمایز خطی PerceptronNaive Bayes K-نزدیکترین همسایه درختان تصمیم (EgCART و C4.5) ماشینهای بردار پشتیبانی
فواید آسان برای استفاده سریع در عملکرد داده کمتر انعطاف پذیری قدرت عملکرد
محدودیت ها محدود پیچیدگی محدود تناسب ضعیف داده های بیشترSlowerOverfit

 20. یادگیری گروهی چیست؟

یادگیری گروهی یک تکنیک محاسباتی است که در آن طبقه‌بندی‌کننده‌ها یا متخصصان به صورت استراتژیک تشکیل و ترکیب می‌شوند. برای بهبود طبقه بندی، پیش بینی و تقریب تابع هر مدل استفاده می شود.

 

محمدرضا حسنی

224 مطلب منتشر شده

دانش آموخته رشته فناوری اطلاعات / موسس پایتونی ها

درباره این مطلب نظر دهید !

محصولات فروش پایتونی ها

%60
تخفیف

آموزش فیگما (Figma)

30,000 تومان
3
%69
تخفیف

آموزش برنامه نویسی پایتون

35,000 تومان
2