NEW
Font size
WorksheetsQuiz tentang Kecerdasan Buatan
Total questions: 50
Worksheet time: 2hrs 40mins
Apa definisi dari Artificial Intelligence?
Kemampuan komputer untuk bermain game.
Kemampuan mesin untuk melakukan tugas yang membutuhkan kecerdasan manusia.
Kemampuan manusia untuk berinteraksi dengan mesin.
Teknologi untuk membuat robot.
Apa itu Machine Learning?
Algoritma yang meniru cara kerja otak manusia.
Program komputer yang belajar dari data.
Proses membuat mesin menjadi cerdas.
Robot yang dapat berbicara.
Jenis Machine Learning yang memerlukan label data pada saat pelatihan disebut:
Unsupervised Learning
Supervised Learning
Reinforcement Learning
Transfer Learning
Manakah dari berikut ini yang merupakan contoh dari Unsupervised Learning?
Pengelompokan (Clustering)
Prediksi harga rumah
Pengklasifikasian email spam
Pendeteksian wajah
Apa itu Neural Network?
Jaringan komputer yang terhubung secara fisik.
Model matematika yang meniru cara kerja otak manusia.
Algoritma untuk mencari data di internet.
Program untuk mengendalikan robot.
Model yang digunakan untuk menangani masalah regresi disebut:
Decision Tree
Linear Regression
K-Means
Naive Bayes
Apa itu overfitting dalam Machine Learning?
Ketika model terlalu baik dalam memprediksi data pelatihan tetapi buruk pada data uji.
Ketika model tidak bisa memprediksi data pelatihan.
Ketika model tidak bisa memprediksi data uji.
Ketika model terlalu sederhana.
Algoritma berikut digunakan dalam Supervised Learning, kecuali:
K-Nearest Neighbors (KNN)
Support Vector Machine (SVM)
K-Means
Random Forest
Apa tujuan dari cross-validation?
Untuk mengevaluasi performa model pada data yang belum pernah dilihat.
Untuk melatih model dengan lebih cepat.
Untuk mengurangi ukuran dataset.
Untuk mengurangi jumlah fitur.
Apa itu feature engineering?
Proses mengubah data mentah menjadi fitur yang dapat digunakan oleh model.
Teknik mengubah model menjadi lebih cepat.
Proses mengurangi jumlah data.
Proses pengelompokan data.
Jenis pembelajaran di mana agen belajar dari lingkungan melalui trial and error adalah:
Supervised Learning
Unsupervised Learning
Reinforcement Learning
Transfer Learning
Manakah yang termasuk algoritma clustering?
Logistic Regression
K-Means
Decision Tree
Support Vector Machine
Dalam konteks AI, NLP adalah singkatan dari:
Neural Learning Protocol
Natural Language Processing
Network Learning Processing
None Linear Processing
Deep Learning adalah bagian dari:
Natural Language Processing
Machine Learning
Reinforcement Learning
Cloud Computing
Apa yang dimaksud dengan "big data"?
Data yang tidak memiliki struktur.
Kumpulan data yang sangat besar dan kompleks.
Data yang hanya digunakan untuk training model.
Data yang tidak relevan dengan Machine Learning.
Algoritma yang paling tepat untuk klasifikasi gambar adalah:
Convolutional Neural Network (CNN)
K-Nearest Neighbors (KNN)
Decision Tree
Naive Bayes
Apa fungsi dari activation function dalam Neural Network?
Untuk mengaktifkan neuron saat proses pelatihan.
Untuk membuat model lebih sederhana.
Untuk menambahkan non-linearitas ke model.
Untuk mengoptimalkan model.
Apa yang dimaksud dengan "epoch" dalam pelatihan Neural Network?
Satu siklus penuh pelatihan model dengan seluruh dataset.
Proses menguji model pada data baru.
Proses membuat model lebih cepat.
Metode pengurangan jumlah data.
Bagian dari data yang tidak digunakan untuk melatih model tetapi untuk mengevaluasi performa model disebut:
Training set
Test set
Validation set
Feature set
Manakah dari berikut ini yang bukan termasuk ke dalam learning algorithm?
Supervised Learning
Unsupervised Learning
Reinforcement Learning
Big Data Learning
Kapan kita menggunakan unsupervised learning?
Ketika data memiliki label.
Ketika data tidak memiliki label.
Ketika kita ingin melakukan prediksi.
Ketika kita ingin mempercepat proses pelatihan.
Manakah dari berikut ini yang merupakan aplikasi dari AI?
Pengenalan suara
Penyaringan email spam
Sistem rekomendasi
Semua jawaban benar
Apa itu bias dalam Machine Learning?
Ketika model selalu salah.
Ketika model memberikan prediksi yang sama untuk semua input.
Ketika model condong ke arah hasil tertentu karena data yang tidak seimbang.
Ketika model memiliki terlalu banyak variabel.
Dalam konteks Machine Learning, apa itu "ensemble learning"?
Menggabungkan beberapa model untuk meningkatkan performa.
Menggabungkan beberapa dataset untuk melatih model.
Menggunakan model yang lebih sederhana.
Melakukan pelatihan model lebih cepat.
Manakah dari berikut ini yang merupakan contoh algoritma ensemble?
Random Forest
SVM
KNN
Logistic Regression
Apa itu "dropout" dalam konteks Neural Network?
Teknik untuk mengurangi overfitting dengan menghilangkan beberapa neuron secara acak selama pelatihan.
Proses menghentikan pelatihan model.
Proses menambahkan lebih banyak neuron ke dalam jaringan.
Proses membuat model lebih cepat.
Apa peran dari "optimizer" dalam Neural Network?
Untuk mempercepat pelatihan model.
Untuk mengoptimalkan fungsi loss model.
Untuk menambahkan lebih banyak data ke dalam model.
Untuk mengurangi jumlah lapisan dalam jaringan.
Dalam deep learning, "ReLU" adalah:
Activation function
Loss function
Optimizer
Model evaluation metric
Apa itu "hyperparameter tuning"?
Proses menemukan parameter terbaik untuk model.
Proses melatih model.
Proses mengurangi jumlah fitur.
Proses menambahkan lebih banyak data ke dalam model.
Apa tujuan dari "regularization" dalam Machine Learning?
Untuk mencegah overfitting.
Untuk menambahkan lebih banyak data.
Untuk mempercepat pelatihan.
Untuk meningkatkan akurasi pada data pelatihan.
Apa yang dimaksud dengan "transfer learning"?
Menggunakan model yang telah dilatih pada satu tugas untuk digunakan pada tugas lain.
Melatih model pada dua dataset yang berbeda.
Menggabungkan dua model yang berbeda.
Melakukan cross-validation pada model.
Manakah dari berikut ini yang termasuk teknik dimensionality reduction?
PCA (Principal Component Analysis)
SVM (Support Vector Machine)
KNN (K-Nearest Neighbors)
Random Forest
Apa itu "gradient descent"?
Algoritma untuk meminimalkan fungsi loss dalam Machine Learning.
Proses meningkatkan akurasi model.
Algoritma untuk memilih fitur terbaik.
Proses mengurangi ukuran dataset.
Dalam Machine Learning, "loss function" digunakan untuk:
Mengukur seberapa baik model melakukan prediksi.
Mengukur waktu yang dibutuhkan untuk melatih model.
Memilih fitur yang paling penting.
Memilih dataset yang tepat untuk model.
Manakah dari berikut ini yang merupakan contoh supervised learning?
Clustering
Regression
PCA (Principal Component Analysis)
K-Means
Apa peran dari "validation set" dalam proses pelatihan model?
Untuk menilai model selama pelatihan dan mencegah overfitting.
Untuk melatih model.
Untuk menguji model setelah pelatihan.
Untuk m
Apa itu "support vector machine" (SVM)?
Algoritma untuk klasifikasi dan regresi.
Teknik untuk clustering data.
Metode untuk mengurangi jumlah fitur.
Teknik untuk meningkatkan akurasi model.
Manakah dari berikut ini yang merupakan contoh dari problem regresi?
Memprediksi harga rumah.
Mengklasifikasikan email sebagai spam atau tidak spam.
Mengelompokkan pelanggan berdasarkan pembelian.
Deteksi objek dalam gambar.
Apa itu "bagging" dalam ensemble learning?
Teknik untuk menggabungkan beberapa model dengan mengambil sampel data secara acak.
Teknik untuk menggabungkan model dengan bobot yang berbeda.
Teknik untuk mengurangi ukuran dataset.
Teknik untuk mengoptimalkan model.
Manakah dari berikut ini yang merupakan jenis model deep learning?
RNN (Recurrent Neural Network)
Decision Tree
SVM (Support Vector Machine)
KNN (K-Nearest Neighbors)
Dalam Reinforcement Learning, "reward" adalah:
Feedback yang diberikan ke agen berdasarkan aksinya.
Proses memilih tindakan terbaik.
Teknik mengoptimalkan model.
Proses pelatihan model.
Apa itu "epoch" dalam konteks pelatihan Neural Network?
Satu iterasi lengkap melalui seluruh dataset.
Proses mengoptimalkan model.
Proses mengurangi jumlah data.
Satu iterasi pelatihan pada sebagian kecil dari dataset.
Manakah dari berikut ini yang bukan merupakan masalah supervised learning?
Klasifikasi
Clustering
Regresi
Pengakuan pola
Apa yang dimaksud dengan "dropout" dalam konteks deep learning?
Teknik regulasi untuk mencegah overfitting.
Teknik untuk menambahkan lebih banyak data ke dalam model.
Proses menghentikan pelatihan model lebih awal.
Proses memilih hyperparameter terbaik.
Manakah dari berikut ini yang merupakan metrik evaluasi untuk masalah klasifikasi?
Accuracy
Mean Squared Error (MSE)
Root Mean Squared Error (RMSE)
R-squared
Apa itu "precision" dalam evaluasi model klasifikasi?
Rasio prediksi benar terhadap semua prediksi positif.
Rasio prediksi benar terhadap semua data.
Rasio data benar terhadap semua data.
Rasio prediksi positif terhadap semua data positif.
Dalam konteks Machine Learning, "recall" digunakan untuk:
Mengukur kemampuan model dalam mendeteksi semua kasus positif.
Mengukur kecepatan model dalam melakukan prediksi.
Mengukur kompleksitas model.
Mengukur seberapa baik model mengabaikan kasus negatif.
Apa tujuan dari "hyperparameter optimization"?
Untuk menemukan kombinasi hyperparameter terbaik untuk model.
Untuk mengurangi jumlah data yang digunakan dalam pelatihan.
Untuk mengurangi waktu pelatihan model.
Untuk meningkatkan akurasi model dengan menambahkan lebih banyak data.
Apa itu "cross-entropy loss" dalam konteks klasifikasi?
Fungsi loss yang digunakan untuk mengukur perbedaan antara distribusi yang diinginkan dan distribusi yang diprediksi.
Teknik untuk mengoptimalkan model.
Proses untuk mengurangi jumlah fitur.
Teknik untuk menggabungkan beberapa model.
Apa yang dimaksud dengan "learning rate" dalam konteks optimasi?
Parameter yang menentukan seberapa besar perubahan yang harus dilakukan pada bobot selama pelatihan.
Jumlah data yang digunakan dalam satu epoch.
Ukuran dari model.
Waktu yang diperlukan untuk melatih model.
