WorksheetsBüyük Veri 7-12
Total questions: 36
Worksheet time: 26mins
Name
Class
Date
1.
Makine öğrenmesi algoritmaları veri analitiği projelerinde ne için kullanılır?
a)
Veri setlerinden örüntüler ve ilişkiler çıkarmak, tahminler yapmak veya sınıflandırma gibi görevler için
b)
Veri setlerini depolamak için
c)
Veri setlerini görselleştirmek için
d)
Veri setlerini temizlemek için
2.
Doğrusal regresyon nedir?
a)
Bir bağımlı değişkenin (hedef değişken) bağımsız değişkenlerle (açıklayıcı değişkenler) doğrusal ilişkisini modellemek için kullanılan bir algoritmadır
b)
Doğru teknoloji, araçlar ve yöntemleri seçme becerisi
c)
Doğrudan SQL veritabanlarına bağlanabilmek için geliştirilen yöntemlerin her biri
d)
Doğrusal ilişkileri düzenleyen, veride bunları tespit eden algoritma
3.
Lojistik regresyon nedir?
a)
İkili sınıflandırma problemleri için kullanılan bir algoritmadır
b)
Çoklu sınıflandırma problemleri için kullanılan bir algoritmadır
c)
Regresyon problemleri için kullanılan bir algoritmadır
d)
Kümeleme problemleri için kullanılan bir algoritmadır
4.
Karar ağaçları nedir?
a)
Veri kümesini ağaç yapısı şeklinde bölen ve her bir bölünmeyi en iyi kararları vermek için kullanan bir algoritmadır
b)
Veri kümesini ağaç yapısı şeklinde bölen ve her bir bölünmede en kötü durumu belirleyen bir algoritmadır
c)
Veri kümesinin oluşturduğu daha küçük kümelerin birbirleri arasındaki ilişkiyi doğrusal bir formüle döken bir algoritmadır
d)
Veri kümesinin tüm elemanlarını doğrusal olarak sıralayan ve her bir sıralamada en iyi kararları vermek için kullanan bir algoritmadır
5.
Destek vektör makineleri (SVM) nedir?
a)
Sınıflandırma ve regresyon problemleri için kullanılan bir öğrenme modelidir
b)
Sınıflandırma problemleri için kullanılan bir öğrenme modelidir
c)
Regresyon problemleri için kullanılan bir öğrenme modelidir
d)
Kümeleme problemleri için kullanılan bir öğrenme modelidir
6.
K-Means kümeleme nedir?
a)
Veri noktalarını belirli sayıda kümeye (k) bölen bir kümeleme algoritmasıdır
b)
Veri noktalarını belirli sayıda kümeye (k) rastgelecek şekilde sıralayan kümeleme algoritmasıdır
c)
Veri noktalarını belirli sayıda kümeye (k) karşılık gelecek şekilde doğrusal bir düzene sokan kümeleme algoritmasıdır
d)
Veri noktalarını belirli sayıda kümeye (k) denk gelecek şekilde öğrenme algoritmasına veren bir algoritmadır
7.
Yapay sinir ağları (ANN) nedir?
a)
Biyolojik sinir ağlarından esinlenen ve karmaşık ilişkileri modellemek için kullanılan bir öğrenme modelidir
b)
Biyolojik sinir ağlarının bilgisayar çiplerine yerleştirilmesiyle oluşturulan bir öğrenme modelidir
c)
Biyolojik sinir ağlarından rastgele kesitler seçip karmaşık ilişkileri modellemek için kullanılan bir öğrenme modelidir
d)
Biyolojik sinir ağlarının bozulan taraflarını tespit eden bir algoritmadır
8.
Destek vektör regresyonu (SVR) nedir?
a)
Regresyon problemleri için kullanılan bir öğrenme modelidir
b)
Sınıflandırma problemleri için kullanılan bir öğrenme modelidir
c)
Kümeleme problemleri için kullanılan bir öğrenme modelidir
d)
Boyut azaltma problemleri için kullanılan bir öğrenme modelidir
9.
Hangi algoritma, hangi senaryolarda tercih edilir?
a)
Veri setinin yapısına ve hedeflenen sonuca bağlı olarak
b)
Veri setinin büyüklüğüne bağlı olarak
c)
Veri setinin karmaşıklığına bağlı olarak
d)
Veri setinin türüne/alanına bağlı olarak
10.
Bir veri kümesini keşfetmek ve analiz etmek için hangi adımları izlersiniz?
a)
Veri Ön İşleme, Veri Görselleştirme, Veri Analizi ve Keşif, Makine Öğrenmesi Modeli Eğitimi ve Değerlendirmesi
b)
Veri Kümesini Anlama, Veri Ön İşleme, Veri Görselleştirme, Veri Analizi ve Keşif, Makine Öğrenmesi Modeli İçin Veri Hazırlığı, Makine Öğrenmesi Modeli Eğitimi ve Değerlendirmesi
c)
Veri Kümesini Anlama, Veri Ön İşleme, Veri Görselleştirme, Veri Analizi ve Keşif
d)
Veri Kümesini Anlama, Veri Ön İşleme, Veri Görselleştirme
11.
Veri Kümesini Anlama adımında ne yaparsınız?
a)
Veri setinin tanımını ve içerdiği değişkenleri gözden geçiririm
b)
Değişkenlerin tiplerini (sayısal, kategorik vb.) ve özelliklerini belirlerim
c)
Veri setinin tanımını, içerdiği değişkenleri gözden geçiririm ve değişkenlerin tiplerini (sayısal, kategorik vb.) ve özelliklerini belirlerim
d)
Veri setini görselleştiririm
12.
Veri Ön İşleme adımında ne yaparsınız?
a)
Eksik veya boş değerleri belirleyip başa çıkmaya çalışırım
b)
Aykırı değerleri tespit eder ve işlerim
c)
Veri normalizasyonu veya standartizasyonu gibi veri ölçeklendirme işlemleri yaparım
d)
Hepsi
e)
Kategorik değişkenleri sayısal değerlere dönüştürün (kodlama)
13.
Veri Görselleştirme adımında ne yaparsınız?
a)
Veri setinin dağılımını ve ilişkilerini görselleştirmek için grafikler ve tablolar oluştururum
b)
Histogramlar, kutu grafikleri, dağılım grafikleri, korelasyon matrisleri ve çapraz tablolar gibi görselleştirmeler kullanırım
c)
Veri setini özetlemek için istatistiksel analizler kullanırım
d)
Hepsi
14.
Veri Analizi ve Keşif adımında ne yaparsınız?
a)
Temel istatistiksel özetlemeler yaparım (ortalama, medyan, standart sapma, vb.)
b)
Değişkenler arasındaki ilişkileri ve desenleri incelerim
c)
Anlamlı ilişkileri ve trendleri belirlerim
d)
Hepsi
e)
Veri setini görselleştirin
15.
Makine Öğrenmesi Modeli İçin Veri Hazırlığı adımında ne yaparsınız?
a)
Özellik seçimi ve özellik mühendisliği yaparım
b)
Eğitim ve test veri setlerini ayırırım
c)
Gerekiyorsa veri setini dengeli hale getirin
d)
Hepsi
e)
Veri setini görselleştirin
16.
Makine Öğrenmesi Modeli Eğitimi ve Değerlendirmesi adımında ne yaparsınız?
a)
Veri setini belirli bir algoritma veya modellere uygun bir şekilde eğitirim
b)
Eğitim veri seti üzerinde modeli eğitir; test veri seti üzerinde modelin performansını değerlendiririm
c)
Performans metriklerini (doğruluk, hassasiyet, hatırlama, F1 skoru vb.) kullanarak model performansını değerlendiririm
d)
Hepsi
e)
Veri setini görselleştirin
17.
Veri görselleştirme araçlarından en çok hangisini tercih edersiniz?
a)
Tableau
b)
Power BI
c)
Qlik Sense
d)
Microsoft Excel
18.
Sizce Tableau'yu tercih etme nedenlerinizden hangisi en önemlidir?
a)
Kullanıcı dostu arayüzü
b)
Geniş veri kaynağı desteği
c)
Çeşitli görselleştirme seçenekleri
d)
Interaktif ve canlı görselleştirmeler
19.
Tableau'nun dezavantajlarından biri nedir?
a)
Ücretli olması
b)
Karmaşık veri setleri için yetersiz kalabilmesi
c)
Öğrenme eğrisinin dik olması
d)
Topluluk desteğinin yetersiz olması
20.
Veri görselleştirme aracı seçerken hangi kriterleri göz önünde bulundurursunuz?
a)
Projenin gereksinimleri
b)
Kullanıcı deneyimi
c)
Bütçe
d)
Teknik beceri seviyesi
21.
Aşağıdakilerden hangisi Tableau'nun bir özelliği değildir?
a)
Sürükle-bırak yöntemiyle veri görselleştirme
b)
R programlama dilini destekleme
c)
Doğrudan SQL veritabanlarına bağlanabilme
d)
Canlı dashboardlar oluşturabilme
22.
Büyük veri analitiği projelerinde karşılaşılan en yaygın sorun hangisidir?
a)
Veri Kalitesi Sorunları
b)
Yüksek Boyutluluk ve Boyut Azaltma
c)
Heterojen Veri Kaynakları ve Entegrasyon
d)
Ölçeklenebilirlik ve Performans Sorunları
23.
Hangisi veri kalitesi sorunlarını çözmek için doğru bir yöntem değildir?
a)
Verileri temizlemek ve hataları düzeltmeye çalışmak
b)
Veri kaynaklarını düzenli olarak denetlemek ve veri girişlerini doğrulamak
c)
Veri kalitesini izlemek ve sürekli iyileştirmek
d)
Hata içeren satırları silerek yeni gelen verilere yer açmak
e)
3
24.
Yüksek Boyutluluk ve Boyut Azaltma sorununu nasıl çözebilirsiniz?
a)
PCA (Principal Component Analysis) gibi boyut azaltma tekniklerini kullanmak
b)
t-SNE (t-Distributed Stochastic Neighbor Embedding) gibi boyut azaltma tekniklerini kullanmak
c)
İkisi de uygun
d)
3
25.
Heterojen Veri Kaynakları ve Entegrasyon sorununu nasıl çözebilirsiniz?
a)
Veri entegrasyonu ve veri birleştirme tekniklerini kullanarak
b)
Veri sanallaştırma, veri akışları ve API'ler aracılığıyla veri entegrasyonu gibi yaklaşımları kullanarak
c)
İkisi de
d)
3
26.
Ölçeklenebilirlik ve Performans Sorunlarını nasıl çözebilirsiniz?
a)
Paralel hesaplama, dağıtık hesaplama ve ölçeklenebilir algoritmalar kullanırım
b)
Bulut tabanlı altyapılar (AWS, Azure, Google Cloud gibi) kullanırım
c)
İkisi de
d)
3
27.
Büyük veri analitiği projelerinde güvenlik ve veri mahremiyeti için hangi önlemleri almalısınız?
a)
Veri şifreleme, erişim kontrolü, kimlik doğrulama ve izleme gibi güvenlik önlemleri almak
b)
Uygun veri yedekleme ve kurtarma stratejileri oluşturmak
c)
Her ikisini de yapmalıdır
d)
3
28.
Büyük veri analitiği projelerinde karşılaşılan sorunlara çözüm bulmak için proje ekibinde hangi becerilere ihtiyaç duyulur?
a)
Uzmanlık alanlarına uygun bilgi ve beceriler
b)
Doğru teknoloji, araçlar ve yöntemleri seçme becerisi
c)
Her ikisi de
d)
2
29.
Büyük veri analitiği projelerinde her projenin gereksinimleri farklı olduğundan neyi göz önünde bulundurmak önemlidir?
a)
Sorunlara özgü çözümler geliştirmek
b)
Rastgele bir model deneyip, olmazsa diğer modele geçerek doğru modeli bulmaya çalışmak
c)
Her ikisi de
30.
Hangisi büyük veri projelerinde veri güvenliği ve gizliliği için önemli stratejilerden değildir?
a)
Erişim Kontrolü ve Yetkilendirme
b)
Veri Şifreleme
c)
Veri Maskelendirme ve Anonimleştirme
d)
Verileri teslim ettiğimiz şirketin hesaplarını takip edip doğru kullandıklarından emin olma
e)
1
31.
Hangisi veri şifrelemenin avantajlarından biridir?
a)
Verinin depolandığı yerde veya transfer edildiği sırada güvenliğini sağlar
b)
Verinin geçtiği aşamaları özet olarak görebilmemizi sağlar
c)
Veriyi istedeğimiz formata dönüştürmemize yardımcı olur
d)
Verileri özetlememize yardımcı olur
32.
Veri maskelendirme ve anonimleştirme tekniklerinin kullanılmasının amacı nedir?
a)
Hassas verilerin gerçek değerlerini gizlemek
b)
Hassas verilerin kimler tarafından görüldüğünü kontrol etmek
c)
Hassas verilerin kimler tarafından incelendiğini kaydetmek
d)
Hassas verilerin silinmesini engellemek
33.
Büyük veri güvenliği için neden düzenli ve güvenli yedekleme işlemleri önemlidir?
a)
Veri kaybına karşı koruma sağlar
b)
Verilerin çoğaltılmasına yardımcı olur
c)
Verilerin özetlenmesini kolaylaştırır
d)
Verileri onaylamamız için gereklidir
34.
Büyük veri sistemlerinde hangi güvenlik araçları kullanılabilir?
a)
Güvenlik duvarları, izinsiz giriş tespit sistemleri (IDS), virüs koruma yazılımı
b)
Veri anonimleştiren yazılımlar
c)
Maskeleme yapan yazılımlar
d)
Veri yedekleme sistemleri
35.
Büyük veri projelerinde güvenlik politikalarının oluşturulmasının ve çalışanların eğitilmesinin amacı nedir?
a)
Çalışanların güvenlik protokollerini ve en iyi uygulamaları anlamasını ve uygulamasını sağlamak
b)
Çalışanların veriyi tanımalarına yardımcı olmak
c)
Çalışanların veriyi istenmeyen kişilerle paylaşmadıklarından emin olmak
d)
Çalışanların veriyi modellemesini kolaylaştırmak
36.
Bulut tabanlı büyük veri hizmetlerinde hangi ek güvenlik önlemleri alınabilir?
a)
Veri şifreleme, erişim kontrolü, günlük takibi
b)
Yedekleme stratejisi belirleme
c)
Veri erişim izinlerini belirleme
d)
Veri erişim yapan kullanıcıları takip etme
100 %
