7.Sınıf Yapay Zeka Uygulamaları 2.Dönem Sonu Sınav sınavı 7.Sınıf kategorisinin Yapay Zeka Uygulamaları alt kategorisinin, 2 dönemine ait. Bu sınav Orta derecede zorluktadır. Toplamda 16 sorudan oluşmaktadır.
Veri temizleme ve özellik mühendisliğinin yapay öğrenme sürecindeki önemini açıklayınız.
Model değerlendirmesi neden eğitim sırasında kullanılmayan verilerle yapılmalıdır? Açıklayınız.
Denetimsiz öğrenme nedir? Açıklayınız ve Netflix'in öneri sisteminde kullanılan denetimsiz öğrenme modeline bir örnek veriniz.*
Yarı denetimli öğrenme nedir? Açıklayınız ve bu öğrenme türünün bilgisayarlı görü alanındaki önemini belirtiniz.*
Sınıflandırma ve regresyon arasındaki farkı açıklayınız.*
Açık kaynak makine öğrenmesi aracı Orange Data Mining nedir? Kısaca açıklayınız.*
Orange araç setinde bulunan "Data", "Transform" ve "Visualize" araçlarının temel işlevleri nelerdir? Kısaca açıklayınız.
Orange'da bir nesnenin (widget) girdileri (inputs) ve çıktıları (outputs) arasındaki ilişkiyi açıklayınız.
Orange programında veri görselleştirme için kullanılan araçlardan ikisini sayınız ve kısaca açıklayınız.
Hiyerarşik kümeleme nedir? Kısaca açıklayınız.
Neden petal length - petal width çifti İris veri setinde sınıflandırma için en bilgilendirici gösterimdir?
Kümeleme yönteminde amaç nedir? Kısaca açıklayınız.
Model değerlendirme sürecinde kullanılan performans metriklerinden üç tanesini (AUC, Precision, Recall) açıklayınız.
"Confusion Matrix" (Karışıklık Matrisi) nedir ve model değerlendirmede nasıl kullanılır? Açıklayınız.
Aşağıda verilen ifadelerden doğru olanların başına (D), yanlış olanların başına (Y) koyunuz.
1. (.....) Denetimli öğrenme modelleri, etiketli veri setlerine ihtiyaç duyar.
2. (.....) Denetimsiz öğrenme, veri setindeki örneklerin etiket bilgilerini kullanarak öğrenme yapar.
3. (.....) Yarı denetimli öğrenme, sadece etiketli veri setleri ile çalışır.
4. (.....) Pekiştirmeli öğrenme, bir veri setine ihtiyaç duymadan, deneme yanılma yoluyla öğrenir.
5. (.....) Netflix'in öneri sistemi, denetimli öğrenme yöntemlerine örnek olarak verilebilir.
6. (.....) CAPTCHA sistemleri, etiketsiz veri üretmek için kullanılır.
7. (.....) Kümeleme, denetimli öğrenme algoritmalarından biridir.
8. (.....) Regresyon, kategorik çıktıların tahminlenmesinde kullanılır.
9. (.....) Veri Kovanı Projesi, etiketli veri seti oluşturmayı amaçlamaktadır.
10. (.....) Boyut indirgeme, veri setindeki özellik sayısını artırmak için kullanılır.
Aşağıda verilen eşleştirmeleri yapın:
a. Veri görselleştirme
b. Keşifsel veri analizi
c. Makine öğrenmesi
d. Kümeleme
e. Veri kümesi
f. Orange
g. İş akışı
h. Dosya (File) nesnesi
ı. Saçılım grafiği (Scatter Plot)
i. Hiyerarşik kümeleme
1. (.....) Veri setindeki grupları keşfetme yöntemi
2. (.....) Google e-tablolardan veri yüklemeyi sağlayan nesne
3. (.....) Veri hakkında bilgi edinmek için kullanılan araçlar
4. (.....) Veri setini görselleştirmek için kullanılan grafik türü
5. (.....) Verinin sürekli güncellenmesini sağlayan yöntem
6. (.....) Veri analizi için kullanılan bir program
7. (.....) Veri setinin istatistiksel özelliklerini gözlemleme aracı
8. (.....) Veri analizi adımlarını gösteren şema
9. (.....) Birbirine benzeyen verileri bir araya getirme
10. (.....) Algoritmaların veriden öğrenmesini sağlayan alan
Veri temizleme ve özellik mühendisliğinin yapay öğrenme sürecindeki önemini açıklayınız.
Veri kalitesi modelin başarısını doğrudan etkilediği için veri temizleme ve özellik mühendisliği kritik öneme sahiptir.
Model değerlendirmesi neden eğitim sırasında kullanılmayan verilerle yapılmalıdır? Açıklayınız.
Test verisi, modelin daha önce görmediği verilerle performansını ölçmeyi sağlar ve modelin genelleme yeteneğini ortaya çıkarır.
Denetimsiz öğrenme nedir? Açıklayınız ve Netflix'in öneri sisteminde kullanılan denetimsiz öğrenme modeline bir örnek veriniz.*
Denetimsiz öğrenme, etiketli veriye ulaşmanın zor veya maliyetli olduğu durumlarda kullanılır. Kümeleme algoritmaları, veriyi özelliklerine göre gruplandırmaya yardımcı olur.
Yarı denetimli öğrenme nedir? Açıklayınız ve bu öğrenme türünün bilgisayarlı görü alanındaki önemini belirtiniz.*
Yarı denetimli öğrenme, veri kıtlığı sorununu çözmek için etiketli ve etiketsiz veriyi birleştirir. Bu, özellikle etiketleme maliyetli veya zor olduğunda faydalıdır.
Sınıflandırma ve regresyon arasındaki farkı açıklayınız.*
Her iki görev de denetimli öğrenme kapsamında yer alır, ancak farklı türde çıktılar üretirler.
Açık kaynak makine öğrenmesi aracı Orange Data Mining nedir? Kısaca açıklayınız.*
Orange, kullanıcı dostu arayüzü ve kapsamlı araç seti sayesinde veri analizi ve makine öğrenmesi projelerini kolaylaştırmaktadır.
Orange araç setinde bulunan "Data", "Transform" ve "Visualize" araçlarının temel işlevleri nelerdir? Kısaca açıklayınız.
Bu araçlar, veri analizi sürecinin farklı aşamalarında kullanılır.
Orange'da bir nesnenin (widget) girdileri (inputs) ve çıktıları (outputs) arasındaki ilişkiyi açıklayınız.
Nesneler arası bağlantılar, veri akışını sağlar ve iş akışının temelini oluşturur.
Orange programında veri görselleştirme için kullanılan araçlardan ikisini sayınız ve kısaca açıklayınız.
Scatter Plot, iki değişken arasındaki korelasyonu görselleştirmek için uygundur. Boxplot ise veri setindeki aykırı değerleri ve dağılımı hızlıca tespit etmek için kullanışlıdır.
Hiyerarşik kümeleme nedir? Kısaca açıklayınız.
Hiyerarşik kümeleme, veri noktaları arasındaki benzerliklere dayanarak kümeler oluşturur. Sonuç, veri setinin farklı seviyelerdeki kümeleme yapısını gösteren bir dendrogramdır.
Neden petal length - petal width çifti İris veri setinde sınıflandırma için en bilgilendirici gösterimdir?
İris veri setinde petal length ve petal width, çanak yaprağı özelliklerine göre daha belirgin farklılıklar gösterdiği için sınıflandırma doğruluğunu artırır.
Kümeleme yönteminde amaç nedir? Kısaca açıklayınız.
Kümeleme, veri setindeki doğal grupları keşfetmek, aykırı değerleri belirlemek ve veri setini daha iyi anlamak için kullanılır.
Model değerlendirme sürecinde kullanılan performans metriklerinden üç tanesini (AUC, Precision, Recall) açıklayınız.
Bu metrikler, modelin farklı yönlerdeki performansını ölçmek için kullanılır ve modelin zayıf yönlerini belirlemeye yardımcı olur.
"Confusion Matrix" (Karışıklık Matrisi) nedir ve model değerlendirmede nasıl kullanılır? Açıklayınız.
Bu matris, modelin hangi sınıfları karıştırma eğiliminde olduğunu ve hangi sınıflarda daha başarılı olduğunu anlamak için kullanılır.
Aşağıda verilen ifadelerden doğru olanların başına (D), yanlış olanların başına (Y) koyunuz.
1. (.....) Denetimli öğrenme modelleri, etiketli veri setlerine ihtiyaç duyar.
2. (.....) Denetimsiz öğrenme, veri setindeki örneklerin etiket bilgilerini kullanarak öğrenme yapar.
3. (.....) Yarı denetimli öğrenme, sadece etiketli veri setleri ile çalışır.
4. (.....) Pekiştirmeli öğrenme, bir veri setine ihtiyaç duymadan, deneme yanılma yoluyla öğrenir.
5. (.....) Netflix'in öneri sistemi, denetimli öğrenme yöntemlerine örnek olarak verilebilir.
6. (.....) CAPTCHA sistemleri, etiketsiz veri üretmek için kullanılır.
7. (.....) Kümeleme, denetimli öğrenme algoritmalarından biridir.
8. (.....) Regresyon, kategorik çıktıların tahminlenmesinde kullanılır.
9. (.....) Veri Kovanı Projesi, etiketli veri seti oluşturmayı amaçlamaktadır.
10. (.....) Boyut indirgeme, veri setindeki özellik sayısını artırmak için kullanılır.
Bu sorular, yapay öğrenme türleri ve ilgili kavramlar hakkında bilgi ölçmeyi amaçlamaktadır. Denetimli, denetimsiz, yarı denetimli ve pekiştirmeli öğrenme arasındaki farklar, etiketli/etiketsiz veri kullanımı, örnek uygulamalar ve veri setleri hakkındaki temel bilgileri kapsar.
Aşağıda verilen eşleştirmeleri yapın:
a. Veri görselleştirme
b. Keşifsel veri analizi
c. Makine öğrenmesi
d. Kümeleme
e. Veri kümesi
f. Orange
g. İş akışı
h. Dosya (File) nesnesi
ı. Saçılım grafiği (Scatter Plot)
i. Hiyerarşik kümeleme
1. (.....) Veri setindeki grupları keşfetme yöntemi
2. (.....) Google e-tablolardan veri yüklemeyi sağlayan nesne
3. (.....) Veri hakkında bilgi edinmek için kullanılan araçlar
4. (.....) Veri setini görselleştirmek için kullanılan grafik türü
5. (.....) Verinin sürekli güncellenmesini sağlayan yöntem
6. (.....) Veri analizi için kullanılan bir program
7. (.....) Veri setinin istatistiksel özelliklerini gözlemleme aracı
8. (.....) Veri analizi adımlarını gösteren şema
9. (.....) Birbirine benzeyen verileri bir araya getirme
10. (.....) Algoritmaların veriden öğrenmesini sağlayan alan
Bu soru, veri bilimi ve Orange programında kullanılan temel kavramları eşleştirmenizi amaçlamaktadır.
Veri temizleme ve özellik mühendisliğinin gerekliliğini ve faydalarını anlar.
Model değerlendirmesinde test verisinin önemini kavrar.
Denetimsiz öğrenmenin ne olduğunu ve gerçek dünya uygulamalarını anlar.
Yarı denetimli öğrenmenin ne olduğunu ve kullanım alanlarını anlar.
Sınıflandırma ve regresyonun ne olduğunu ve arasındaki farkı anlar.
Orange Data Mining'in ne olduğunu ve temel özelliklerini anlar.
Orange araç setindeki temel araçların işlevlerini anlar.
Orange'daki nesnelerin nasıl çalıştığını ve birbirleriyle nasıl etkileşimde bulunduğunu anlar.
Öğrenci, Orange programında yaygın olarak kullanılan veri görselleştirme araçlarını ve kullanım alanlarını bilir.
Öğrenci, hiyerarşik kümelemenin temel prensiplerini ve nasıl çalıştığını anlar.
Öğrenci, özellik seçiminin sınıflandırma doğruluğu üzerindeki etkisini anlar.
Öğrenci, kümeleme yönteminin amacını ve temel prensiplerini anlar.
Model performansını değerlendirmek için kullanılan temel metriklerin anlamlarını ve önemini açıklar.
Karışıklık matrisinin nasıl yorumlandığını ve modelin performansı hakkında nasıl bilgi sağladığını anlar.
Yapay öğrenme türlerini ayırt eder ve her birinin kullanım alanlarını örneklerle açıklar.
Veri bilimi alanındaki temel kavramları ve Orange programındaki nesneleri tanır.
etiketlerini kapsamaktadır.Değerli öğretmenlerimiz, isterseniz sistemimizde kayıtlı binlerce sorudan 7.Sınıf Yapay Zeka Uygulamaları dersi için sınav-yazılı hazırlama robotu ile ücretsiz olarak beş dakika içerisinde istediğiniz soru sayısında, soru tipinde ve zorluk derecesinde sınav oluşturabilirsiniz. Yazılı robotu için Sınav Robotu tıklayın.