NEW
Font size
Worksheetsytu-yz-yaz NLP TR
Total questions: 14
Worksheet time: 7mins
Doğal Dil İşleme'nin (NLP) temel amacı nedir?
Yeni insan dilleri oluşturmak
İnsan iletişimini tamamen değiştirmek
Bilgisayarların insan dilini anlamasını ve etkileşimde bulunmasını sağlamak
Metin verilerini şifrelemek
Aşağıdakilerden hangisi yaygın bir NLP uygulaması DEĞİLDİR?
Görüntü tanıma
Metin özetleme
Duygu analizi
Varlık ismi tanıma
NLP'de "tokenization" (belirteçleme) terimi neyi ifade eder?
Metin verilerini şifreleme
Metni genellikle kelimeler gibi daha küçük birimlere ayırma
Metni bir dilden diğerine çevirme
Kelimeleri cümlelerde birleştirme
Kök bulma (stemming) ve gövde bulma (lemmatization) arasındaki temel fark nedir?
Kök bulma sadece isimler için çalışır, gövde bulma ise tüm konuşma bölümleri için çalışır
Aralarında fark yoktur; aynı işlem için iki farklı terimdir
Kök bulma ekleri ekler, gövde bulma ise onları kaldırır
Kök bulma daha hızlı ama daha az doğrudur, gövde bulma ise daha yavaş ama daha doğrudur
NLP bağlamında TF-IDF ne anlama gelir?
Text Formatting-Indirect Document Filtering (Metin Biçimlendirme-Dolaylı Belge Filtreleme)
Term Frequency-Inverse Document Frequency (Terim Sıklığı-Ters Belge Sıklığı)
Total Findings-Inferred Data Formation (Toplam Bulgular-Çıkarılan Veri Oluşumu)
Text Function-Integrated Document Format (Metin Fonksiyonu-Entegre Belge Formatı)
Hangi NLP yaklaşımı sözlükler ve eşanlamlılar sözlüğü gibi önceden var olan sözlüksel kaynaklara dayanır?
Derlem tabanlı yaklaşım
İstatistiksel yaklaşım
Sözlük tabanlı yaklaşım
Derin öğrenme yaklaşımı
Kelime Çantası (Bag of Words - BoW) modelinin temel sınırlaması nedir?
Çok fazla hesaplama gücü gerektirir
Kelime sırasını ve bağlamı göz ardı eder
Sadece kısa metinler için kullanılabilir
Sadece İngilizce metinler için çalışır
Word2Vec gibi kelime gömme (word embedding) modellerinin hangi özelliği karakteristiktir?
Seyrek, yüksek boyutlu vektörler üretirler
Bir kelime için bağlama dayalı farklı temsiller oluştururlar
Manuel olarak etiketlenmiş eğitim verisine ihtiyaç duyarlar
Anlamsal olarak benzer kelimeleri vektör uzayında yakın noktalara eşlerler
Bağlamsal gömmelerin (BERT veya GPT gibi) geleneksel kelime gömmelerine göre temel avantajı nedir?
Bir kelime için bağlama dayalı farklı temsiller oluştururlar
Sözlük dışı kelimeleri daha iyi ele alabilirler
Daha az eğitim verisi gerektirirler
Hesaplama açısından daha az yoğundur
NLP bağlamında POS etiketleme neyi ifade eder?
Satış Noktası (Point of Sale) etiketleme
Konuşma Bölümü (Part of Speech) etiketleme
Sıralama Olasılığı (Probability of Sequence) etiketleme
Cümlelerin Ayrıştırılması (Parsing of Sentences) etiketleme
N-gram modelleri, Kelime Çantası modelinden farklı olarak, bazı yerel bağlam ve kelime sırası bilgilerini yakalar.
Doğru
Yanlış
Sözlük tabanlı bir yöntem kullanan duygu analizi görevinde, "sayfa başına pozitif eksi negatif kelimeler" hesaplama işlemi neyi sağlar?
Kitabın genel türünü belirler
Metnin farklı bölümlerinin duygusal tonunu ölçer
Kitapta en sık kullanılan kelimeleri belirler
Her sayfanın okuma zorluğunu hesaplar
Modern yapay zeka geliştirme bağlamında, yapılandırılmamış veri neden sıklıkla "altın" olarak adlandırılır?
Nadir ve bulunması zordur
Her zaman petrolden daha değerlidir
Sadece finansal uygulamalar için kullanışlıdır
GPT gibi büyük dil modellerini eğitmek için çok önemlidir
"Bir hızlı kahverengi tilki" cümlesini düşünün. Aşağıdakilerden hangisi bu cümlenin bigram (2-gram) belirteçlemesini doğru şekilde temsil eder?
["Bir", "hızlı", "kahverengi", "tilki"]
["Bir hızlı", "kahverengi tilki"]
["Bir hızlı", "hızlı kahverengi", "kahverengi tilki"]
["Bir hızlı kahverengi", "hızlı kahverengi tilki"]
