7.Sınıf Yapay Zeka Uygulamaları Sene Sonu Sınava Hazırlık Test 2 sınavı 7.Sınıf kategorisinin Yapay Zeka Uygulamaları alt kategorisinin, 2 dönemine ait. Bu sınav Orta derecede zorluktadır. Toplamda 22 sorudan oluşmaktadır.
Aşağıdakilerden hangisi, klasik programlama ile yapay öğrenme arasındaki temel farklardan biridir?
A) Klasik programlama, girdileri işleyerek çıktılar üretir, yapay öğrenme ise girdiler ve çıktılar arasındaki ilişkileri öğrenir.
B) Klasik programlama, yapay zekânın bir alt dalıdır, yapay öğrenme ise bağımsız bir alandır.
C) Klasik programlama, sadece matematiksel işlemleri yapabilirken, yapay öğrenme metin ve görsel verileri de işleyebilir.
D) Klasik programlama daha hızlı sonuç verirken, yapay öğrenme daha karmaşık problemleri çözebilir.
Aşağıdakilerden hangisi yapay öğrenmede kullanılan "tahmin edici model" türüne bir örnektir?
A) Verileri gruplara ayırma
B) Bir etiket veya sınıf adı tahmin etme
C) Veriler arasındaki ilişkileri analiz etme
D) Verilerin zamana göre değişimini inceleme
Yapay öğrenme sürecinde, bir algoritma seçerek ve verileri kullanarak bir model oluşturma adımı aşağıdakilerden hangisidir?
A) Veri toplama B) Veri temizleme
C) Model eğitme D) Model test etme
Yapay öğrenmede oluşturulan bir modelin başarısını ölçmek için kullanılan veri setine ne ad verilir?
A) Eğitim verisi B) Test verisi
C) Geçerleme verisi D) Ham veri
Aşağıdakilerden hangisi yapay öğrenme sürecinde öğrencilerin sınav kağıtlarını değerlendirmeye benzetilen bir aşamadır?
A) Modelin değerlendirilmesi B) Veri toplama
C) Modelin eğitilmesi D) Uygulama ve yaygınlaştırma
Aşağıdakilerden hangisi yapay öğrenmede etiket olarak adlandırılır?
A) Girdi verisi B) Bağımlı değişken sütunu
C) Algoritma D) Modelin başarı puanı
Google'ın CAPTCHA sistemlerini kullanmasının temel amacı nedir?
A) Reklam göstermek
B) Veri güvenliğini sağlamak
C) Etiketli veri seti oluşturmak
D) İnternet hızını artırmak
Aşağıdakilerden hangisi denetimsiz öğrenme modeline bir örnektir?
A) İstenmeyen e-posta sınıflandırılması
B) Bir çiçeğin türünü belirlemek
C) Müşteri segmentasyonu
D) İkinci el araç fiyat tahmini
Aşağıdakilerden hangisi makine öğrenmesi için kullanılan açık kaynak bir araçtır?
A) Excel B) Orange Data Mining
C) Word D) Powerpoint
Orange programı hangi amaçla kullanılan bir veri madenciliği aracıdır?
A) Kodlama yapmadan veri analizi yapmaya olanak sağlayan kullanıcı arayüzü
B) Sadece komut satırı üzerinden veri analizi yapmaya olanak sağlayan araç
C) Veri tabanı oluşturma ve yönetme aracıdır
D) Web sitesi tasarlama ve geliştirme aracıdır
Orange programında oluşturulan bir modelin performansını değerlendirmek için hangi araç seti kullanılır?
A) Model B) Evaluate
C) Unsupervised D) Visualize
Orange programında bir veri setini tablo şeklinde görüntülemek için hangi nesne (widget) kullanılır?
A) Scatter Plot B) Distributions
C) Data Table D) File
Orange programında "File" nesnesi hangi amaçla kullanılır?
A) Veri setini görselleştirmek için
B) Veri setini tablo olarak görüntülemek için
C) Veri dosyalarını yüklemek için
D) Modelleri eğitmek için
Orange programında bir iş akışındaki bağlantıyı kaldırmak için ne yapılmalıdır?
A) Bağlantıya çift tıklanır
B) Bağlantıya sağ tıklanıp "Remove" seçeneği seçilir
C) Bağlantı üzerine sol tıklanır
D) Bağlantı sürüklenerek çalışma alanının dışına bırakılır
Aşağıdakilerden hangisi keşifsel veri analizi aşamasında veri hakkında bilgi edinmek için kullanılan en kullanışlı araçlardan biridir?
A) Veri Madenciliği Algoritmaları
B) Veri Görselleştirme Araçları
C) Veri Sıkıştırma Yöntemleri
D) Veri Şifreleme Teknikleri
Orange programında, bir veri setini sınıf etiketlerine göre renklendirilmiş olarak görmek için hangi grafik türü kullanılır?
A) Çizgi Grafiği (Line Chart)
B) Pasta Grafiği (Pie Chart)
C) Saçılım Grafiği (Scatter Plot)
D) Sütun Grafiği (Bar Chart)
Google E-tablolar'dan aktarılan bir veri setinde, hangi nesne kullanılarak sütunlar (özellikler) uygun şekilde belirlenir (Özellik, Hedef vb.)?
A) File B) Data Table
C) Select Columns D) Save Data
Bir veri setini Orange yerel veri dosyası formatında (.tab) kaydetmek için hangi nesne kullanılır?
A) File B) Data Table
C) Select Columns D) Save Data
Aşağıdakilerden hangisi, bir modelin başarısını değerlendirmek için kullanılan performans metriklerinden biri değildir?
A) AUC B) CA C) F1 D) RGB
Karar ağacında bir örneğin sınıf etiketini bulmak için hangi yol izlenir?
A) Rastgele bir dal seçilir.
B) Öğenin özellik değerlerine göre dallar takip edilerek yapraklara ulaşılır.
C) En kısa dal seçilir.
D) En uzun dal seçilir.
"Predictions" nesnesi, hangi veri seti üzerinde etiket tahmini yapar?
A) Eğitim veri seti B) Test veri seti
C) Her iki veri seti D) Veri seti kullanmaz
Bir sınıflandırma modelinin tahminleriyle gerçek sınıfların karşılaştırıldığı matrise ne ad verilir?
A) Korelasyon Matrisi B) Kovaryans Matrisi
C) Karışıklık (HatA) Matrisi D) Rastgele Matris
Aşağıdakilerden hangisi, klasik programlama ile yapay öğrenme arasındaki temel farklardan biridir?
A) Klasik programlama, girdileri işleyerek çıktılar üretir, yapay öğrenme ise girdiler ve çıktılar arasındaki ilişkileri öğrenir.
B) Klasik programlama, yapay zekânın bir alt dalıdır, yapay öğrenme ise bağımsız bir alandır.
C) Klasik programlama, sadece matematiksel işlemleri yapabilirken, yapay öğrenme metin ve görsel verileri de işleyebilir.
D) Klasik programlama daha hızlı sonuç verirken, yapay öğrenme daha karmaşık problemleri çözebilir.
Klasik programlamada kod sabittir ve belirli kurallara göre çalışır, yapay öğrenme ise verilerden öğrenerek bu kuralları kendisi oluşturur.
Aşağıdakilerden hangisi yapay öğrenmede kullanılan "tahmin edici model" türüne bir örnektir?
A) Verileri gruplara ayırma
B) Bir etiket veya sınıf adı tahmin etme
C) Veriler arasındaki ilişkileri analiz etme
D) Verilerin zamana göre değişimini inceleme
Tahmin edici modeller, verilen girdilere dayanarak bir sonuç (etiket veya sınıf) tahmin etmeyi amaçlar.
Yapay öğrenme sürecinde, bir algoritma seçerek ve verileri kullanarak bir model oluşturma adımı aşağıdakilerden hangisidir?
A) Veri toplama B) Veri temizleme
C) Model eğitme D) Model test etme
Model eğitme aşamasında, seçilen algoritma eğitim verileriyle beslenerek modelin öğrenmesi sağlanır.
Yapay öğrenmede oluşturulan bir modelin başarısını ölçmek için kullanılan veri setine ne ad verilir?
A) Eğitim verisi B) Test verisi
C) Geçerleme verisi D) Ham veri
Test verisi, modelin daha önce görmediği verilerle performansını değerlendirmek için kullanılır.
Aşağıdakilerden hangisi yapay öğrenme sürecinde öğrencilerin sınav kağıtlarını değerlendirmeye benzetilen bir aşamadır?
A) Modelin değerlendirilmesi B) Veri toplama
C) Modelin eğitilmesi D) Uygulama ve yaygınlaştırma
Tıpkı öğrencilerin sınav kağıtlarının notlandırılması gibi, yapay öğrenme modelinin test verisi üzerindeki performansı değerlendirilerek başarı puanı hesaplanır.
Aşağıdakilerden hangisi yapay öğrenmede etiket olarak adlandırılır?
A) Girdi verisi B) Bağımlı değişken sütunu
C) Algoritma D) Modelin başarı puanı
Yapay öğrenmede sonuç veya çıktı, bağımlı değişken sütunu olarak adlandırılır ve bu sütuna etiket adı verilir. Etiket, bir kategori veya sayısal bir değer olabilir.
Google'ın CAPTCHA sistemlerini kullanmasının temel amacı nedir?
A) Reklam göstermek
B) Veri güvenliğini sağlamak
C) Etiketli veri seti oluşturmak
D) İnternet hızını artırmak
Google, CAPTCHA gibi sistemlerle internet kullanıcıları tarafından verilerin etiketlenmesini sağlayarak otonom araçlar ve diğer yapay zeka teknolojileri için etiketli veri setleri oluşturur.
Aşağıdakilerden hangisi denetimsiz öğrenme modeline bir örnektir?
A) İstenmeyen e-posta sınıflandırılması
B) Bir çiçeğin türünü belirlemek
C) Müşteri segmentasyonu
D) İkinci el araç fiyat tahmini
Müşteri segmentasyonu, müşterileri özelliklerine göre gruplara ayırmayı amaçlayan bir denetimsiz öğrenme uygulamasıdır. Bu süreçte, müşterilere ait etiketli bir veri seti kullanılmaz.
Aşağıdakilerden hangisi makine öğrenmesi için kullanılan açık kaynak bir araçtır?
A) Excel B) Orange Data Mining
C) Word D) Powerpoint
Orange Data Mining, açık kaynak kodlu makine öğrenmesi ve veri görselleştirme aracıdır.
Orange programı hangi amaçla kullanılan bir veri madenciliği aracıdır?
A) Kodlama yapmadan veri analizi yapmaya olanak sağlayan kullanıcı arayüzü
B) Sadece komut satırı üzerinden veri analizi yapmaya olanak sağlayan araç
C) Veri tabanı oluşturma ve yönetme aracıdır
D) Web sitesi tasarlama ve geliştirme aracıdır
Orange, kullanıcı dostu arayüzü sayesinde kodlama bilgisi gerektirmeden veri analizi yapmaya olanak tanır, bu da onu özellikle başlangıç seviyesindeki kullanıcılar için ideal kılar.
Orange programında oluşturulan bir modelin performansını değerlendirmek için hangi araç seti kullanılır?
A) Model B) Evaluate
C) Unsupervised D) Visualize
Evaluate araç seti, oluşturulan makine öğrenmesi modellerinin doğruluk, kesinlik, recall gibi metriklerle değerlendirilmesi için gerekli araçları içerir.
Orange programında bir veri setini tablo şeklinde görüntülemek için hangi nesne (widget) kullanılır?
A) Scatter Plot B) Distributions
C) Data Table D) File
Data Table nesnesi, veri setini satır ve sütunlar halinde tablo şeklinde göstererek veriye genel bir bakış sağlar.
Orange programında "File" nesnesi hangi amaçla kullanılır?
A) Veri setini görselleştirmek için
B) Veri setini tablo olarak görüntülemek için
C) Veri dosyalarını yüklemek için
D) Modelleri eğitmek için
"File" nesnesi, çeşitli formatlardaki veri dosyalarını (örneğin, .tab, .csv) Orange programına yüklemek için kullanılır.
Orange programında bir iş akışındaki bağlantıyı kaldırmak için ne yapılmalıdır?
A) Bağlantıya çift tıklanır
B) Bağlantıya sağ tıklanıp "Remove" seçeneği seçilir
C) Bağlantı üzerine sol tıklanır
D) Bağlantı sürüklenerek çalışma alanının dışına bırakılır
Bir bağlantıyı kaldırmak için üzerine sağ tıklayıp "Remove" seçeneğini seçmek, bağlantıyı siler ve iki nesne arasındaki veri akışını keser.
Aşağıdakilerden hangisi keşifsel veri analizi aşamasında veri hakkında bilgi edinmek için kullanılan en kullanışlı araçlardan biridir?
A) Veri Madenciliği Algoritmaları
B) Veri Görselleştirme Araçları
C) Veri Sıkıştırma Yöntemleri
D) Veri Şifreleme Teknikleri
Keşifsel veri analizi aşamasında veri görselleştirme araçları, veri hakkında bilgi edinmek için oldukça kullanışlıdır. Farklı grafik türleri kullanılarak veri seti hakkında detaylı bir keşif yapılabilir.
Orange programında, bir veri setini sınıf etiketlerine göre renklendirilmiş olarak görmek için hangi grafik türü kullanılır?
A) Çizgi Grafiği (Line Chart)
B) Pasta Grafiği (Pie Chart)
C) Saçılım Grafiği (Scatter Plot)
D) Sütun Grafiği (Bar Chart)
İş akışında yer alan saçılım grafiğine tıklanarak sınıf etiketlerine göre renklendirilmiş olarak veri dağılımı görülebilir.
Google E-tablolar'dan aktarılan bir veri setinde, hangi nesne kullanılarak sütunlar (özellikler) uygun şekilde belirlenir (Özellik, Hedef vb.)?
A) File B) Data Table
C) Select Columns D) Save Data
Sütun seçme (Select Columns) nesnesi kullanılarak özellikler uygun bir şekilde belirlenir. Özellikler (Features) ve Target şekildeki gibi belirlenir.
Bir veri setini Orange yerel veri dosyası formatında (.tab) kaydetmek için hangi nesne kullanılır?
A) File B) Data Table
C) Select Columns D) Save Data
Oluşturulan tabloyu Orange yerel veri dosyası formatında kaydetmek için Save Data nesnesi kullanılır.
Aşağıdakilerden hangisi, bir modelin başarısını değerlendirmek için kullanılan performans metriklerinden biri değildir?
A) AUC B) CA C) F1 D) RGB
AUC, CA ve F1, sınıflandırma modellerinin performansını değerlendirmek için kullanılan metriklerdir. RGB ise bir renk modelidir ve model başarısı ile ilgisi yoktur.
Karar ağacında bir örneğin sınıf etiketini bulmak için hangi yol izlenir?
A) Rastgele bir dal seçilir.
B) Öğenin özellik değerlerine göre dallar takip edilerek yapraklara ulaşılır.
C) En kısa dal seçilir.
D) En uzun dal seçilir.
Karar ağaçları, örneklerin özellik değerlerine göre dallanarak sınıf etiketine ulaşılmasını sağlar.
"Predictions" nesnesi, hangi veri seti üzerinde etiket tahmini yapar?
A) Eğitim veri seti B) Test veri seti
C) Her iki veri seti D) Veri seti kullanmaz
"Predictions" nesnesi, eğitim veri seti kullanılarak eğitilen model ile test veri seti üzerindeki örneklerin etiketlerini tahmin eder.
Bir sınıflandırma modelinin tahminleriyle gerçek sınıfların karşılaştırıldığı matrise ne ad verilir?
A) Korelasyon Matrisi B) Kovaryans Matrisi
C) Karışıklık (HatA) Matrisi D) Rastgele Matris
Karışıklık (Hata) Matrisi, modelin tahminleriyle gerçek sınıfların karşılaştırmalı sonuçlarını gösterir.
Klasik programlama ve yapay öğrenme arasındaki farkları karşılaştırır.
Tahmin edici ve tanımlayıcı modeller arasındaki farkı ayırt eder.
Model eğitme sürecini açıklar.
Test verisinin amacını ve önemini anlar.
Yapay öğrenme sürecini ve aşamalarını açıklar.
Yapay öğrenmede kullanılan temel kavramları tanımlar.
Etiketli veri setlerinin önemini örneklerle açıklar.
Denetimsiz öğrenme modelinin özelliklerini açıklar.
Makine öğrenmesi için kullanılan araçları tanır.
Veri madenciliği araçlarının temel özelliklerini ve kullanım amaçlarını anlar.
Makine öğrenmesi modellerinin değerlendirilme yöntemlerini ve ilgili araçları anlar.
Veri madenciliği araçlarında veri görselleştirme tekniklerini ve ilgili araçları bilir.
Veri madenciliği araçlarında veri kaynaklarını ve veri yükleme yöntemlerini bilir.
Veri madenciliği araçlarında iş akışı oluşturma ve düzenleme becerilerini geliştirir.
Veri görselleştirmenin keşifsel veri analizindeki yerini ve önemini kavrar.
Farklı veri görselleştirme yöntemlerini ve kullanım amaçlarını ayırt eder.
Veri setinin özelliklerini düzenleme ve tanımlama becerisi kazanır.
Veri setini farklı formatlarda kaydetme becerisi kazanır.
Model değerlendirme metriklerinin anlamlarını ve kullanım amaçlarını açıklayabilme.
Karar ağaçlarının çalışma prensibini kavrayabilme.
Eğitim ve test veri setlerinin model oluşturma sürecindeki rollerini ayırt edebilme.
Karışıklık (Hata) Matrisi'nin ne olduğunu ve nasıl yorumlandığını açıklayabilme.
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.