Exploring Artificial Intelligence Concepts

Apa tujuan utama dari pembelajaran mesin?

• Untuk memungkinkan komputer belajar dari data dan membuat prediksi atau keputusan.

• Untuk membuat algoritma kompleks tanpa data.

• Untuk menyimpan data tanpa analisis.

• Untuk menggantikan kecerdasan manusia sepenuhnya.

Definisikan supervised learning dalam machine learning.

• Pembelajaran tidak terawasi menggunakan data berlabel untuk melatih model.

• Pembelajaran terawasi hanya fokus pada pengelompokan data tanpa label.

• Pembelajaran terawasi adalah pendekatan machine learning yang menggunakan data berlabel untuk melatih model agar membuat prediksi.

• Pembelajaran terawasi adalah metode yang tidak memerlukan data untuk pelatihan.

Apa perbedaan antara klasifikasi dan regresi?

• Klasifikasi digunakan untuk deret waktu; regresi untuk analisis gambar.

• Klasifikasi memerlukan lebih banyak data daripada regresi.

• Klasifikasi memprediksi nilai numerik; regresi memprediksi kategori.

• Klasifikasi memprediksi kategori; regresi memprediksi nilai kontinu.

Apa itu dataset dalam konteks pembelajaran mesin?

• Dataset adalah jenis algoritma pembelajaran mesin.

• Dataset adalah kumpulan data acak tanpa struktur.

• Dataset adalah kumpulan data terstruktur yang digunakan untuk melatih dan menguji model pembelajaran mesin.

• Dataset adalah satu titik data yang digunakan untuk analisis.

Jelaskan konsep overfitting dalam pembelajaran mesin.

• Overfitting terjadi ketika model terlalu sederhana dan tidak dapat menangkap pola yang mendasarinya.

• Overfitting mengacu pada proses mengurangi kompleksitas model untuk meningkatkan generalisasi.

• Overfitting adalah ketika model berkinerja sama baiknya pada data pelatihan dan data baru.

• Overfitting adalah ketika model belajar data pelatihan terlalu baik, yang mengarah pada kinerja yang buruk pada data baru.

Apa yang menginspirasi jaringan saraf?

• Otak manusia

• Sel biologis

• Algoritma komputer

• Mekanika kuantum

Nama unit dasar dari jaringan saraf.

• sinaps

• neuron

• akson

• dendrit

Apa tujuan dari fungsi aktivasi dalam jaringan saraf?

• Untuk menormalkan data input sebelum diproses.

• Untuk mengurangi dimensi fitur input.

• Untuk menginisialisasi bobot jaringan saraf.

• Tujuan dari fungsi aktivasi dalam jaringan saraf adalah untuk memperkenalkan non-linearitas, memungkinkan jaringan untuk mempelajari pola yang kompleks.

Jelaskan peran dari lapisan input dalam jaringan saraf.

• Lapisan input menyimpan bobot dan bias dari jaringan.

• Lapisan input menghasilkan output akhir dari jaringan saraf.

• Lapisan input menerima dan memproses data input mentah untuk jaringan saraf.

• Lapisan input bertanggung jawab untuk melatih jaringan saraf.

Apa itu backpropagation dalam konteks jaringan saraf?

• Proses untuk menginisialisasi bobot dalam jaringan saraf.

• Metode untuk meningkatkan jumlah neuron dalam sebuah lapisan.

• Teknik untuk memvisualisasikan arsitektur jaringan saraf.

• Backpropagation adalah metode untuk melatih jaringan saraf dengan memperbarui bobot berdasarkan gradien dari fungsi kerugian.