Apa tujuan utama dari library TensorFlow?

• Untuk membuat grafik dan visualisasi data.

• Untuk komputasi numerik dan machine learning, terutama deep learning.

• Untuk mengelola basis data relasional.

• Untuk pengembangan aplikasi web front-end.

Bagaimana TensorFlow merepresentasikan operasi matematis?

• Menggunakan fungsi rekursif berlapis.

• Menggunakan algoritma sekuensial linear.

• Menggunakan tabel data statis.

• Menggunakan struktur grafik komputasi.

Apa itu dataset MNIST?

• Dataset suara untuk pengenalan ucapan.

• Dataset gambar bunga.

• Dataset besar digit tulisan tangan yang digunakan untuk melatih sistem pemrosesan gambar.

• Dataset teks untuk analisis sentimen.

Apa yang dimaksud dengan "epoch" dalam pelatihan model neural network?

• Satu siklus lengkap di mana seluruh dataset pelatihan telah dilewatkan maju dan mundur melalui jaringan saraf satu kali.

• Ukuran akurasi model pada data pengujian.

• umlah lapisan dalam neural network.

• Waktu yang dibutuhkan untuk satu iterasi pelatihan.

Apa kelebihan utama scikit-learn dibandingkan TensorFlow?

• Fokus utama pada deep learning yang kompleks.

• Antarmuka yang konsisten dengan pola "fit/predict" dan integrasi yang baik dengan ekosistem Python (NumPy, SciPy, Matplotlib).

• Mampu berjalan di TPU (Tensor Processing Unit).

• Mampu membuat model neural network yang sangat kompleks secara efisien.

Algoritma machine learning apa yang dapat digunakan oleh scikit-learn untuk memprediksi keselamatan penumpang Titanic?

• Reinforcement Learning.

• Linear Regression.

• Logistic Regression.

• K-Means Clustering.

Apa fungsi dari preprocess_image() dalam contoh deteksi objek menggunakan TensorFlow?

• Untuk menampilkan gambar yang telah diunggah.

• Untuk mengunggah gambar dari perangkat pengguna.

• Untuk mengubah ukuran gambar, mengonversinya ke array NumPy, dan melakukan preprocessing sesuai kebutuhan model.

• Untuk melatih model deteksi objek.

Ketika menggunakan scikit-learn untuk klasifikasi dataset Iris, mengapa standarisasi fitur dilakukan?

• Untuk menghilangkan perbedaan skala yang dapat mempengaruhi kinerja model.

• Untuk meningkatkan jumlah data pelatihan.

• Untuk mengurangi dimensi dataset.

• Untuk mengubah jenis data dari numerik menjadi kategorikal.

Dalam Confusion Matrix, apa yang ditunjukkan oleh nilai Precision?

• Rata-rata f1-score untuk semua kelas.

• Proporsi prediksi positif yang benar-benar positif.

• Jumlah total sampel yang salah diklasifikasikan.

• Proporsi positif sejati yang diidentifikasi dengan benar.

Berdasarkan hasil evaluasi model SVM untuk dataset Iris, mengapa F1-score untuk Kelas 0 (bunga iris setosa) adalah 1.00?

• Karena ada kesalahan prediksi (false positive dan false negative) yang seimbang.

• Karena model tidak melakukan prediksi sama sekali untuk kelas tersebut.

• Karena model sama sekali tidak salah dan tidak melewatkan sampel apapun untuk kelas tersebut.

• Karena jumlah sampel untuk kelas tersebut sangat kecil.