ILT-ML-6

Pilih satu Siklus Machine Learning (ML) Project yang disarankan

• Project Planning & Data Collection > Data Collection & Labeling > Model Training & Labeling > Deployment & Monitoring

• Project Planning & Setup > Data Collection & Labeling > Model Training & Debugging > Deployment & Monitoring

• Project Planning & Setup > Data Collection & Labeling > Deployment & Monitoring > Model Training & Debugging

• Data Collection & Labeling > Project Planning & Setup > Deployment & Monitoring > Model Training & Debugging

Apa alasan Tensorflow JS dibuat?

• Agar memudahkan training data dengan PC yang berbeda

• 1. Agar memungkinkan membangun Machine Learning environment di browser

• Agar memudahkan training data di perangkat mobile

1. Bahasa pemrograman apakah yang digunakan untuk menjalankan Tensorflow JS?

• Java

• Python

• Javascript

• PHP

• Tidak ada yang benar

1. Manakah pernyataan berikut yang benar untuk Distributed dan Federated Learning

• 1. Perbedaan distributed learning dan federated learning ada pada besar size datasetnya

• 1. Federated learning memungkinkan untuk training data yang sama menggunakan parallel computing

• 1. Federated learning dibuat agar memungkinkan perangkat training data masing masing

• 1. Federated learning untuk training data yang rahasia

1. Apa tujuan Tensorflow Lite dibuat

• 1. Untuk memudahkan proses machine learning pada PC

• 1. Membuat tensorflow memiliki akurasi yang semakin baik

• 1. Untuk memudahkan klasifikasi data di HP

• 1. Untuk memudahkan training data tanpa device

1. Apakah nama layanan Tensorflow yang memungkinkan untuk menggunakan Docker Image

• 1. Tensorflow JS

• 1. Tensorflow Service

• Tensorflow Server

• 1. Tensorflow Serving

• Tensorflow Docker

Kenapa menggunakan Tensorflow Serving?

• (a) Untuk mengurangi efek perbedaan versi teknologi

• (b) Memudahkan saat migrasi

• (c) Tidak Ada yang benar pada poin a dan b

• (d) Poin a dan b benar

Manakah yang bukan Keuntungan menggunakan Tensorflow Lite

• 1. Optimized for on-device machine learning

• Multiple platform support

• Gives a better data presentation

• Diverse language support

• Hardware acceleration & model optimization