NEW
Font size
WorksheetsQuis Data Analyst Camp 9
Total questions: 10
Worksheet time: 10mins
Apa definisi dari machine learning?
a) Proses pengolahan data tanpa penggunaan komputer
b) Mesin yang dapat belajar sendiri tanpa arahan dari pengguna
c) Program yang hanya dapat diprogram ulang oleh pengguna
d) Teknologi yang tidak memerlukan data untuk berfungsi
Mengapa semi-supervised learning digunakan dalam praktik?
a) Ketika semua data memiliki label yang jelas dan tersedia
b) Ketika hanya ada sedikit data berlabel dan banyak data tidak berlabel
c) Ketika data tidak perlu dianalisis
d) Ketika tidak ada data yang perlu dikumpulkan
Apa yang dimaksud dengan "clustering" dalam unsupervised learning?
a) Mengelompokkan data secara acak tanpa mempertimbangkan karakteristik
b) Mengelompokkan data berdasarkan kesamaan untuk menemukan pola
c) Memprediksi nilai berdasarkan variabel lain
d) Menggunakan data berlabel untuk menentukan kategori
Dalam evaluasi model machine learning, apa yang dimaksud dengan "overfitting"?
a) Model tidak dapat mengenali data baru dan hanya bekerja pada data pelatihan
b) Model bekerja dengan baik pada data pelatihan dan juga data pengujian
c) Model gagal mempelajari pola dari data pelatihan
d) Model hanya dapat digunakan dalam situasi tertentu
Apa yang menjadi ciri utama dari supervised learning?
a) Data yang digunakan tidak memiliki label
b) Model dilatih menggunakan dataset yang memiliki label yang jelas
c) Hanya memerlukan dataset kecil untuk pelatihan
d) Dapat digunakan untuk menentukan pola dalam data tanpa intervensi manusia
Dalam konteks supervised learning, teknik mana yang paling tepat digunakan untuk mengklasifikasikan data?
a) K-Means Clustering
b) Decision Tree
c) Apriori Algorithm
d) Principal Component Analysis (PCA)
Dalam situasi apa Anda lebih suka menggunakan unsupervised learning dibandingkan supervised learning?
a) Ketika semua data yang ada memiliki label yang jelas dan cukup
b) Ketika Anda ingin menemukan kelompok alami dalam sebuah dataset tanpa pengetahuan awal tentang label
c) Ketika Anda ingin memastikan hasil prediksi sangat akurat
d) Ketika data tidak memiliki fitur yang cukup untuk analisis
Apa yang menjadi keunggulan utama dari Convolutional Neural Networks (CNN) dibandingkan dengan jaringan saraf tradisional dalam pengolahan gambar?
a) CNN tidak memerlukan preprocessing data yang ekstensif
b) CNN bisa bekerja dengan data berlabel dan tidak berlabel secara bersamaan
c) Arsitektur CNN memungkinkan ekstraksi fitur otomatis dari gambar melalui lapisan konvolusi dan pooling
d) CNN hanya terdiri dari dua lapisan, sehingga lebih sederhana untuk dioperasikan
Dalam konteks CNN, apa peran dari lapisan pooling?
a) Untuk menambah kompleksitas model dengan lebih banyak neuron
b) Untuk memperkecil ukuran data dan mengurangi jumlah parameter, sehingga mencegah overfitting
c) Untuk mengganti fungsi aktivasi dengan yang lebih kompleks
d) Untuk secara manual mengekstrak fitur dari gambar menggunakan filter
Apa yang dimaksud dengan "feature maps" dalam deep learning, khususnya dalam arsitektur CNN?
a) Representasi dari output akhir setelah seluruh data telah diproses
b) Data yang sudah ditransformasikan menjadi format yang dapat digunakan oleh algoritma lain
c) Hasil dari operasi konvolusi yang menunjukkan fitur yang terdeteksi oleh filter CNN di setiap lapisan
d) Alat untuk mengevaluasi performa model dalam pengenalan pola
