Uji Pengetahuan Algoritma dan AI

Apa yang dimaksud dengan algoritma?

• Algoritma adalah sebuah bahasa pemrograman.

• Algoritma hanya digunakan dalam matematika.

• Algoritma adalah hasil dari penelitian ilmiah.

• Algoritma adalah serangkaian langkah atau prosedur yang digunakan untuk menyelesaikan masalah.

Sebutkan tiga contoh struktur data dasar!

• Binary Tree

• Hash Table

• Array, Linked List, Stack

• Queue

Apa perbedaan antara supervised dan unsupervised learning?

• Supervised learning is faster than unsupervised learning.

• Supervised learning can only be used for classification tasks.

• Unsupervised learning requires more data than supervised learning.

• Supervised learning uses labeled data, while unsupervised learning uses unlabeled data.

Jelaskan konsep overfitting dalam pembelajaran mesin!

• Overfitting adalah saat model tidak belajar dari data pelatihan.

• Overfitting terjadi ketika model terlalu sederhana untuk data yang kompleks.

• Overfitting adalah kondisi di mana model terlalu cocok dengan data pelatihan, sehingga gagal menggeneralisasi pada data baru.

• Overfitting adalah kondisi di mana model hanya menggeneralisasi pada data pelatihan.

Apa itu jaringan saraf tiruan dan bagaimana cara kerjanya?

• Jaringan saraf tiruan adalah model komputasi yang meniru cara kerja otak manusia untuk memproses informasi.

• Jaringan saraf tiruan tidak memiliki hubungan dengan otak manusia.

• Jaringan saraf tiruan hanya digunakan untuk permainan video.

• Jaringan saraf tiruan adalah jenis perangkat keras komputer.

Sebutkan dua jenis struktur data yang sering digunakan!

• Hash Table dan Tree

• Graph dan Set

• Array dan Linked List

• Stack dan Queue

Apa yang dimaksud dengan fungsi aktivasi dalam jaringan saraf?

• Fungsi aktivasi mengukur kecepatan neuron dalam jaringan.

• Fungsi aktivasi adalah fungsi yang menentukan output neuron berdasarkan input.

• Fungsi aktivasi adalah metode untuk mengurangi dimensi data.

• Fungsi aktivasi adalah proses pelatihan jaringan saraf.

Jelaskan proses training dalam pembelajaran mesin!

• Proses training hanya melibatkan pengumpulan data tanpa analisis.

• Model tidak perlu dilatih untuk membuat prediksi yang akurat.

• Proses training dalam pembelajaran mesin adalah langkah-langkah yang dilakukan untuk melatih model agar dapat membuat prediksi berdasarkan data.

• Training dilakukan setelah model digunakan untuk prediksi.

Sebutkan satu contoh aplikasi dari algoritma dalam kehidupan sehari-hari!

• Aplikasi navigasi seperti Google Maps.

• Aplikasi pengedit foto seperti Adobe Photoshop.

• Aplikasi pemutar musik seperti Spotify.

• Aplikasi pengolah kata seperti Microsoft Word.

Apa itu data latih dan data uji dalam konteks pembelajaran mesin?

• Data latih adalah data untuk melatih model, dan data uji adalah data untuk menguji kinerja model.

• Data latih adalah data untuk menguji kinerja model.

• Data uji adalah data untuk melatih model.

• Data latih dan data uji adalah data yang sama.