AI-Midterm Exam

ข้อใดคือคำจำกัดความของ Machine Learning ตามที่ Arthur Samuel กล่าวไว้ในปี 1959

• ศาสตร์แห่งการเขียนโปรแกรมคอมพิวเตอร์เพื่อให้สามารถเรียนรู้จากข้อมูลได้
• สาขาวิชาที่ให้ความสามารถแก่คอมพิวเตอร์ในการเรียนรู้โดยไม่ต้องถูกโปรแกรมอย่างชัดเจน
• โปรแกรมคอมพิวเตอร์ที่เรียนรู้จากประสบการณ์ E เพื่อทำงาน T และวัดผลด้วย P ซึ่งประสิทธิภาพ P จะดีขึ้นตามประสบการณ์ E
• ทฤษฎีและวิธีการสร้างเครื่องจักรที่คิดและทำงานได้เหมือนมนุษย์

ในปัญหาการโปรแกรมรู้จำลายมือ (Handwritten Recognition) ข้อใดคือ 'Task T' (งาน) ตามคำนิยามของ Tom Mitchell

• ฐานข้อมูลรูปภาพลายมือที่มีการติดป้ายกำกับโดยมนุษย์
• เปอร์เซ็นต์ของตัวอักษรที่จำแนกได้ถูกต้อง
• การรู้จำตัวอักษรที่เขียนด้วยลายมือ
• อัลกอริทึมที่ใช้ในการฝึกฝนโมเดล

ข้อใดคือความแตกต่างที่สำคัญระหว่าง Traditional Programming และ Machine Learning

• Traditional Programming ใช้ Input และ Program เพื่อสร้าง Output ส่วน Machine Learning ใช้ Input และ Output เพื่อสร้าง Program
• Machine Learning ไม่ต้องการคอมพิวเตอร์ในการทำงาน แต่ Traditional Programming ต้องการ
• Traditional Programming สร้าง Output ที่เป็นตัวเลขเท่านั้น ในขณะที่ Machine Learning สร้างได้ทั้งตัวเลขและข้อความ
• Machine Learning เป็นกระบวนการที่ซับซ้อนกว่า Traditional Programming เสมอ

ข้อใดเรียงลำดับขอบเขตจากใหญ่ที่สุดไปเล็กที่สุดได้ถูกต้อง

• Deep Learning > Machine Learning > Artificial Intelligence
• Artificial Intelligence > Machine Learning > Deep Learning
• Machine Learning > Artificial Intelligence > Deep Learning
• Artificial Intelligence > Deep Learning > Machine Learning

การเรียนรู้ประเภทใดที่ต้องการข้อมูลและผลลัพธ์ที่ต้องการ (labels) ในการฝึกฝน

• Supervised Learning
• Unsupervised Learning
• Semi-supervised Learning
• Reinforcement Learning

การพยากรณ์ 'การเปลี่ยนแปลงของ GDP' จัดเป็นการเรียนรู้ประเภทใด

• Classification
• Regression
• Clustering
• Reinforcement Learning

การจัดกลุ่มลูกค้าตามพฤติกรรมการใช้จ่าย (Market Segmentation) โดยไม่มีการกำหนดกลุ่มไว้ล่วงหน้า เป็นตัวอย่างของอะไร

• Supervised Learning
• Unsupervised Learning
• Regression
• Reinforcement Learning

ใน Reinforcement Learning 'Agent' จะเรียนรู้โดยการมีปฏิสัมพันธ์กับอะไรเพื่อเพิ่ม 'Reward' ให้สูงสุด

• Training Data
• Cost Function
• Environment
• Hyperparameters

ในการพัฒนาระบบ Machine Learning เพื่อตรวจหาโรคมะเร็ง ซึ่งการทำนายผลเป็นบวก (Positive) หมายถึงผู้ป่วยมีโรค การลดข้อผิดพลาดประเภทใดมีความสำคัญสูงสุด และควรให้ความสำคัญกับเมตริกการประเมินผล (Evaluation Metric) ใดเป็นพิเศษ

• ลด False Negatives (FN) โดยเน้นที่ค่า Recall
• ลด True Positives (TP) โดยเน้นที่ค่า Accuracy
• ลด False Positives (FP) โดยเน้นที่ค่า Precision
• ลดข้อผิดพลาดทุกประเภทเท่าๆ กัน โดยเน้นที่ค่า F1-Score

ข้อใดคือขั้นตอนแรกสุดในกระบวนการ Machine Learning

• Gathering Data (การรวบรวมข้อมูล)
• Choosing Model (การเลือกโมเดล)
• Defining Problem (การกำหนดปัญหา)
• Training (การฝึกฝนโมเดล)