NEW
Font size
WorksheetsKelompok 1 - Data Science Batch 28
Total questions: 10
Worksheet time: 50mins
Anda diminta untuk mengoptimalkan model machine learning yang memprediksi churn pelanggan dengan menggunakan Cross-Validation. Model Anda bekerja dengan baik pada data pelatihan, tetapi kinerja buruk pada data validasi. Apa tindakan yang paling mungkin efektif?
Menambahkan lebih banyak fitur untuk meningkatkan kompleksitas model
Menerapkan regularisasi untuk mengurangi overfitting
Menggunakan lebih banyak iterasi cross-validation untuk memperbaiki hasil
Mengurangi data pelatihan untuk memfokuskan pada data validasi
Perusahaan kredit online ingin membangun model machine learning untuk menilai kelayakan kredit calon peminjam. Mereka memiliki data historis tentang peminjam yang telah melunasi dan yang gagal bayar. Apa jenis algoritma machine learning yang paling cocok untuk skenario ini?
K-Means Clustering
Linear Regression
Decision Tree
Principal Component Analysis (PCA)
Sebuah perusahaan e-commerce ingin meningkatkan prediksi penjualan bulanan mereka dengan menggunakan data historis yang mereka miliki selama 5 tahun terakhir. Tim bisnis berpikir bahwa mereka hanya perlu melihat rata-rata penjualan tiap bulan, sementara tim data science menyarankan penggunaan model machine learning. Apa alasan paling kuat bagi tim data science untuk mendukung penggunaan machine learning dalam skenario ini?
Machine learning dapat menghasilkan visualisasi data yang lebih menarik bagi manajemen
Dengan machine learning, perusahaan dapat menemukan pola non-linear dan anomali yang tidak terlihat dengan analisis sederhana
Rata-rata bulanan sudah cukup akurat untuk memahami fluktuasi penjualan
Machine learning tidak membutuhkan pembersihan data sebelum analisis
Sebuah perusahaan e-commerce mengembangkan model prediksi penjualan yang menunjukkan kinerja tinggi pada data pelatihan tetapi buruk pada data uji. Apa penyebab utama dari fenomena ini dan bagaimana perusahaan bisa meningkatkan modelnya?
Model memiliki bias tinggi dan membutuhkan lebih banyak fitur.
Model mengalami overfitting dan perlu mengurangi kompleksitasnya.
Data uji memiliki terlalu banyak kesalahan sehingga sulit untuk diprediksi.
Model memiliki variance rendah dan perlu ditambahkan lebih banyak parameter
Perusahaan asuransi menggunakan model machine learning untuk memprediksi klaim, namun model ini menyebabkan biaya premi meningkat bagi sebagian besar pelanggan. Apa langkah yang bisa dilakukan untuk meningkatkan kepuasan pelanggan tanpa menurunkan akurasi model?
Mengabaikan keluhan pelanggan karena model sudah optimal.
Menambahkan fitur interpretabilitas sehingga pelanggan memahami faktor kenaikan premi.
Mengurangi premi untuk semua pelanggan.
Menggunakan metode manual untuk menghitung premi.
Mengapa Guido van Rossum memilih nama "Python" untuk bahasa pemrogramannya?
Karena Van Rossum suka ular Python
Karena Python adalah akronim dari "Powerful Yet Transparent Object Notation"
Karena Van Rossum adalah penggemar acara komedi Monty Python's Flying Circus
Karena Python merujuk pada kecepatan eksekusi yang cepat seperti ular
Apa yang mendorong Guido van Rossum untuk membuat Python?
Ia merasa bahwa bahasa ABC, yang pernah ia kerjakan, memiliki banyak kekurangan
Ia ingin menciptakan bahasa yang lebih cepat dari C++
Ia ingin membuat bahasa yang spesifik untuk komputasi ilmiah
Ia tidak puas dengan struktur syntax dari Java
Diberikan fungsi berikut:
def add_to_dict(value, d={}):
if value not in d:
d[value] = len(d)
return d
Apa yang terjadi jika kita menjalankan kode berikut?
print(add_to_dict("apple"))
print(add_to_dict("banana"))
print(add_to_dict("apple", {}))
print(add_to_dict("cherry"))
Semua panggilan mengembalikan dictionary yang sama
Setiap panggilan menghasilkan dictionary baru
Kode akan menimbulkan error karena penggunaan dictionary kosong
Dictionary dari panggilan ketiga tidak memiliki elemen dari panggilan sebelumnya
Dalam konteks Python, decorators digunakan untuk
Mengubah atau memperluas perilaku fungsi atau metode tanpa mengubah kode asli fungsi tersebut
Menghapus fungsi yang tidak digunakan dari kode
Meningkatkan performa dengan mengkompilasi fungsi menjadi bytecode
Menyimpan hasil fungsi untuk digunakan kembali di masa depan
Apa yang terjadi ketika kita menjalankan kode berikut yang menggunakan lambda functions?
f = lambda x: (x + 1) if x > 0 else (x - 1)
print(f(10))
print(f(-10))
11 dan -11
11 dan -9
None dan None
Error
