Quis Data Analyst Camp 9

Apa definisi dari machine learning?

• a) Proses pengolahan data tanpa penggunaan komputer

• b) Mesin yang dapat belajar sendiri tanpa arahan dari pengguna

• c) Program yang hanya dapat diprogram ulang oleh pengguna

• d) Teknologi yang tidak memerlukan data untuk berfungsi

Mengapa semi-supervised learning digunakan dalam praktik?

• a) Ketika semua data memiliki label yang jelas dan tersedia

• b) Ketika hanya ada sedikit data berlabel dan banyak data tidak berlabel

• c) Ketika data tidak perlu dianalisis

• d) Ketika tidak ada data yang perlu dikumpulkan

Apa yang dimaksud dengan "clustering" dalam unsupervised learning?

• a) Mengelompokkan data secara acak tanpa mempertimbangkan karakteristik

• b) Mengelompokkan data berdasarkan kesamaan untuk menemukan pola

• c) Memprediksi nilai berdasarkan variabel lain

• d) Menggunakan data berlabel untuk menentukan kategori

Dalam evaluasi model machine learning, apa yang dimaksud dengan "overfitting"?

• a) Model tidak dapat mengenali data baru dan hanya bekerja pada data pelatihan

• b) Model bekerja dengan baik pada data pelatihan dan juga data pengujian

• c) Model gagal mempelajari pola dari data pelatihan

• d) Model hanya dapat digunakan dalam situasi tertentu

Apa yang menjadi ciri utama dari supervised learning?

• a) Data yang digunakan tidak memiliki label

• b) Model dilatih menggunakan dataset yang memiliki label yang jelas

• c) Hanya memerlukan dataset kecil untuk pelatihan

• d) Dapat digunakan untuk menentukan pola dalam data tanpa intervensi manusia

Dalam konteks supervised learning, teknik mana yang paling tepat digunakan untuk mengklasifikasikan data?

• a) K-Means Clustering

• b) Decision Tree

• c) Apriori Algorithm

• d) Principal Component Analysis (PCA)

Dalam situasi apa Anda lebih suka menggunakan unsupervised learning dibandingkan supervised learning?

• a) Ketika semua data yang ada memiliki label yang jelas dan cukup

• b) Ketika Anda ingin menemukan kelompok alami dalam sebuah dataset tanpa pengetahuan awal tentang label

• c) Ketika Anda ingin memastikan hasil prediksi sangat akurat

• d) Ketika data tidak memiliki fitur yang cukup untuk analisis

Apa yang menjadi keunggulan utama dari Convolutional Neural Networks (CNN) dibandingkan dengan jaringan saraf tradisional dalam pengolahan gambar?

• a) CNN tidak memerlukan preprocessing data yang ekstensif

• b) CNN bisa bekerja dengan data berlabel dan tidak berlabel secara bersamaan

• c) Arsitektur CNN memungkinkan ekstraksi fitur otomatis dari gambar melalui lapisan konvolusi dan pooling

• d) CNN hanya terdiri dari dua lapisan, sehingga lebih sederhana untuk dioperasikan

Dalam konteks CNN, apa peran dari lapisan pooling?

• a) Untuk menambah kompleksitas model dengan lebih banyak neuron

• b) Untuk memperkecil ukuran data dan mengurangi jumlah parameter, sehingga mencegah overfitting

• c) Untuk mengganti fungsi aktivasi dengan yang lebih kompleks

• d) Untuk secara manual mengekstrak fitur dari gambar menggunakan filter

Apa yang dimaksud dengan "feature maps" dalam deep learning, khususnya dalam arsitektur CNN?

• a) Representasi dari output akhir setelah seluruh data telah diproses

• b) Data yang sudah ditransformasikan menjadi format yang dapat digunakan oleh algoritma lain

• c) Hasil dari operasi konvolusi yang menunjukkan fitur yang terdeteksi oleh filter CNN di setiap lapisan

• d) Alat untuk mengevaluasi performa model dalam pengenalan pola