7.Sınıf Yapay Zeka Uygulamaları Sene Sonu Sınav sınavı 7.Sınıf kategorisinin Yapay Zeka Uygulamaları alt kategorisinin, 2 dönemine ait. Bu sınav Orta derecede zorluktadır. Toplamda 16 sorudan oluşmaktadır.
Yapay öğrenme sürecinin adımlarını sırasıyla yazınız.
Eğitim verisi (training data) nedir? Açıklayınız.
Klasik programlama ile yapay öğrenme arasındaki temel farkı açıklayınız.
Denetimli öğrenme nedir? Açıklayınız ve CAPTCHA sistemlerinin bu öğrenme türüyle ilişkisini açıklayınız.*
Etiketli ve etiketsiz veri arasındaki farkı açıklayınız.*
Veri Kovanı Projesi nedir? Amacını açıklayınız.*
Pekiştirmeli öğrenmeye bir örnek veriniz.
Orange ana ekranının temel bölümleri nelerdir? Açıklayınız.
Keşifsel veri analizinin (EDA) makine öğrenmesindeki önemi nedir? Açıklayınız.
İris veri setini kısaca açıklayınız.
Keşifsel veri analizinde veri görselleştirmenin önemi nedir?
Orange'da bir Google e-tablosunu nasıl kullanabilirsiniz?
"Predictions" nesnesi Orange'da ne işe yarar? Açıklayınız.
Model değerlendirme sürecinde kullanılan "Test and Score" nesnesinin temel işlevi nedir? Açıklayınız.
Aşağıda verilen cümlelerden doğru olanların başına D, yanlış olanların başına Y koyunuz.
1. (.....) Yapay zekâ, yapay öğrenmeyi kapsayan daha geniş bir alandır.
2. (.....) Derin öğrenme, yapay öğrenmenin bir alt kümesidir.
3. (.....) Klasik programlamada, programcı olası tüm durumlar için kod yazmak zorunda değildir.
4. (.....) Yapay öğrenmede, algoritmalar girdiler ve çıktılar arasındaki ilişkileri öğrenir.
5. (.....) Tahmin edici modeller, veriler arasındaki ilişkileri ortaya çıkarmak için kullanılır.
6. (.....) Veri temizleme ve özellik mühendisliği, yapay öğrenme sürecinin ilk adımıdır.
7. (.....) Eğitim verisi, modelin başarısını test etmek için kullanılır.
8. (.....) Test verisi, modelin eğitiminde kullanılan verilerden oluşur.
9. (.....) Yapay öğrenme algoritmaları, her problem durumunda aynı derecede başarılıdır.
10. (.....) Denetimli öğrenmede, algoritma yalnızca girdilerle eğitilir.
Aşağıda verilen yapay öğrenme türlerini açıklamalarıyla eşleştirin:
a. Etiketli veri ile eğitilen, çıktıları tahmin eden model.
b. Etiketsiz veri ile eğitilen, verideki örüntüleri bulan model.
c. Az etiketli, çok etiketsiz veri ile eğitilen model.
d. Deneme yanılma ile öğrenen, ödül mekanizmasına sahip model.
1. (.....) Denetimli Öğrenme
2. (.....) Denetimsiz Öğrenme
3. (.....) Yarı Denetimli Öğrenme
4. (.....) Pekiştirmeli Öğrenme
Yapay öğrenme sürecinin adımlarını sırasıyla yazınız.
Yapay öğrenme süreci, veri toplama, ön işleme, model eğitimi ve değerlendirme aşamalarından oluşur.
Eğitim verisi (training data) nedir? Açıklayınız.
Eğitim verisi, modelin öğrenmesini sağlayan ve girdi-çıktı ilişkilerini içeren veri setidir.
Klasik programlama ile yapay öğrenme arasındaki temel farkı açıklayınız.
Klasik programlama önceden tanımlanmış kurallara dayanırken, yapay öğrenme veriden öğrenerek yeni kurallar keşfeder.
Denetimli öğrenme nedir? Açıklayınız ve CAPTCHA sistemlerinin bu öğrenme türüyle ilişkisini açıklayınız.*
Denetimli öğrenme, yapay zeka uygulamalarında en yaygın kullanılan yöntemlerden biridir. Etiketli veri, modelin doğru tahminler yapabilmesi için önemlidir. CAPTCHA'lar bu etiketli verinin kitlesel kaynak kullanımıyla elde edilmesine olanak tanır.
Etiketli ve etiketsiz veri arasındaki farkı açıklayınız.*
Etiketli veri, denetimli öğrenme için gereklidir, etiketsiz veri ise denetimsiz öğrenme için kullanılır.
Veri Kovanı Projesi nedir? Amacını açıklayınız.*
Bu proje, Türkiye'nin yapay zeka alanındaki veri ihtiyacını karşılamayı ve yerli teknolojilerin geliştirilmesini desteklemeyi amaçlamaktadır.
Pekiştirmeli öğrenmeye bir örnek veriniz.
Pekiştirmeli öğrenme, bir ajanın çevresiyle etkileşimde bulunarak öğrenmesini sağlar.
Orange ana ekranının temel bölümleri nelerdir? Açıklayınız.
Bu bölümler, kullanıcıların programı kullanırken ihtiyaç duyacakları temel araçları ve alanları içerir.
Keşifsel veri analizinin (EDA) makine öğrenmesindeki önemi nedir? Açıklayınız.
EDA, veri setini anlamak ve modelleme için uygun hale getirmek için kritik bir adımdır.
İris veri setini kısaca açıklayınız.
İris veri seti, istatistiksel sınıflandırma problemlerinde yaygın olarak kullanılan klasik bir veri setidir. Farklı türleri ayırt etmek için özelliklerin nasıl kullanılabileceğini göstermek için idealdir.
Keşifsel veri analizinde veri görselleştirmenin önemi nedir?
Veri görselleştirme, ham veriyi anlamlı bilgilere dönüştürerek veri analistlerinin ve bilim insanlarının veri setini daha iyi anlamalarını sağlar.
Orange'da bir Google e-tablosunu nasıl kullanabilirsiniz?
Google e-tablolar ile çalışmak, verinin sürekli güncellenmesini ve Orange iş akışında güncel veri ile çalışılmasını sağlar.
"Predictions" nesnesi Orange'da ne işe yarar? Açıklayınız.
Bu nesne, modelin performansını ölçmek ve farklı modellerin sonuçlarını karşılaştırmak için kritik öneme sahiptir.
Model değerlendirme sürecinde kullanılan "Test and Score" nesnesinin temel işlevi nedir? Açıklayınız.
Bu nesne, modelin ne kadar iyi genellendiğini anlamak ve farklı modelleri karşılaştırmak için kullanılır. Çapraz doğrulama (Cross Validation) gibi farklı test yöntemleri de bu nesne aracılığıyla uygulanabilir.
Aşağıda verilen cümlelerden doğru olanların başına D, yanlış olanların başına Y koyunuz.
1. (.....) Yapay zekâ, yapay öğrenmeyi kapsayan daha geniş bir alandır.
2. (.....) Derin öğrenme, yapay öğrenmenin bir alt kümesidir.
3. (.....) Klasik programlamada, programcı olası tüm durumlar için kod yazmak zorunda değildir.
4. (.....) Yapay öğrenmede, algoritmalar girdiler ve çıktılar arasındaki ilişkileri öğrenir.
5. (.....) Tahmin edici modeller, veriler arasındaki ilişkileri ortaya çıkarmak için kullanılır.
6. (.....) Veri temizleme ve özellik mühendisliği, yapay öğrenme sürecinin ilk adımıdır.
7. (.....) Eğitim verisi, modelin başarısını test etmek için kullanılır.
8. (.....) Test verisi, modelin eğitiminde kullanılan verilerden oluşur.
9. (.....) Yapay öğrenme algoritmaları, her problem durumunda aynı derecede başarılıdır.
10. (.....) Denetimli öğrenmede, algoritma yalnızca girdilerle eğitilir.
Bu sorular, yapay zekâ, yapay öğrenme ve derin öğrenme arasındaki ilişkiyi, klasik programlama ile yapay öğrenme arasındaki farkı, yapay öğrenme sürecinin adımlarını ve temel kavramlarını anlamayı amaçlamaktadır.
Aşağıda verilen yapay öğrenme türlerini açıklamalarıyla eşleştirin:
a. Etiketli veri ile eğitilen, çıktıları tahmin eden model.
b. Etiketsiz veri ile eğitilen, verideki örüntüleri bulan model.
c. Az etiketli, çok etiketsiz veri ile eğitilen model.
d. Deneme yanılma ile öğrenen, ödül mekanizmasına sahip model.
1. (.....) Denetimli Öğrenme
2. (.....) Denetimsiz Öğrenme
3. (.....) Yarı Denetimli Öğrenme
4. (.....) Pekiştirmeli Öğrenme
Yapay öğrenme türlerinin temel prensiplerini anlama.
Yapay öğrenme sürecinin temel adımlarını sıralar.
Eğitim verisinin yapay öğrenmedeki rolünü anlar.
Klasik programlama ile yapay öğrenmenin farklı yaklaşımlar olduğunu anlar.
Denetimli öğrenmenin ne olduğunu ve etiketli verinin önemini anlar.
Etiketli ve etiketsiz verinin ne olduğunu ve yapay öğrenmedeki rollerini anlar.
Veri Kovanı Projesi'nin ne olduğunu ve önemini anlar.
Pekiştirmeli öğrenmenin ne olduğunu ve nasıl çalıştığını anlar.
Orange ana ekranının temel bileşenlerini tanır.
Keşifsel veri analizinin önemini kavrar.
Öğrenci, İris veri setinin temel özelliklerini ve kullanım amacını anlar.
Öğrenci, keşifsel veri analizinde veri görselleştirmesinin neden önemli olduğunu açıklar.
Öğrenci, Google e-tabloları Orange programına nasıl entegre edebileceğini bilir.
Bir modelin tahmin yeteneğini değerlendirmek için "Predictions" nesnesinin nasıl kullanıldığını açıklar.
Model performansını değerlendirmek için kullanılan metrikleri ve "Test and Score" nesnesinin rolünü anlar.
Yapay zekâ, yapay öğrenme ve derin öğrenme arasındaki ilişkiyi ayırt eder; yapay öğrenme sürecinin temel adımlarını ve kavramlarını tanımlar.
Yapay öğrenme türlerini ayırt eder.
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.