WorksheetsPenerapan Library KA
Total questions: 10
Worksheet time: 5mins
Apa tujuan utama dari library TensorFlow?
Untuk membuat grafik dan visualisasi data.
Untuk komputasi numerik dan machine learning, terutama deep learning.
Untuk mengelola basis data relasional.
Untuk pengembangan aplikasi web front-end.
Bagaimana TensorFlow merepresentasikan operasi matematis?
Menggunakan fungsi rekursif berlapis.
Menggunakan algoritma sekuensial linear.
Menggunakan tabel data statis.
Menggunakan struktur grafik komputasi.
Apa itu dataset MNIST?
Dataset suara untuk pengenalan ucapan.
Dataset gambar bunga.
Dataset besar digit tulisan tangan yang digunakan untuk melatih sistem pemrosesan gambar.
Dataset teks untuk analisis sentimen.
Apa yang dimaksud dengan "epoch" dalam pelatihan model neural network?
Satu siklus lengkap di mana seluruh dataset pelatihan telah dilewatkan maju dan mundur melalui jaringan saraf satu kali.
Ukuran akurasi model pada data pengujian.
umlah lapisan dalam neural network.
Waktu yang dibutuhkan untuk satu iterasi pelatihan.
Apa kelebihan utama scikit-learn dibandingkan TensorFlow?
Fokus utama pada deep learning yang kompleks.
Antarmuka yang konsisten dengan pola "fit/predict" dan integrasi yang baik dengan ekosistem Python (NumPy, SciPy, Matplotlib).
Mampu berjalan di TPU (Tensor Processing Unit).
Mampu membuat model neural network yang sangat kompleks secara efisien.
Algoritma machine learning apa yang dapat digunakan oleh scikit-learn untuk memprediksi keselamatan penumpang Titanic?
Reinforcement Learning.
Linear Regression.
Logistic Regression.
K-Means Clustering.
Apa fungsi dari preprocess_image() dalam contoh deteksi objek menggunakan TensorFlow?
Untuk menampilkan gambar yang telah diunggah.
Untuk mengunggah gambar dari perangkat pengguna.
Untuk mengubah ukuran gambar, mengonversinya ke array NumPy, dan melakukan preprocessing sesuai kebutuhan model.
Untuk melatih model deteksi objek.
Ketika menggunakan scikit-learn untuk klasifikasi dataset Iris, mengapa standarisasi fitur dilakukan?
Untuk menghilangkan perbedaan skala yang dapat mempengaruhi kinerja model.
Untuk meningkatkan jumlah data pelatihan.
Untuk mengurangi dimensi dataset.
Untuk mengubah jenis data dari numerik menjadi kategorikal.
Dalam Confusion Matrix, apa yang ditunjukkan oleh nilai Precision?
Rata-rata f1-score untuk semua kelas.
Proporsi prediksi positif yang benar-benar positif.
Jumlah total sampel yang salah diklasifikasikan.
Proporsi positif sejati yang diidentifikasi dengan benar.
Berdasarkan hasil evaluasi model SVM untuk dataset Iris, mengapa F1-score untuk Kelas 0 (bunga iris setosa) adalah 1.00?
Karena ada kesalahan prediksi (false positive dan false negative) yang seimbang.
Karena model tidak melakukan prediksi sama sekali untuk kelas tersebut.
Karena model sama sekali tidak salah dan tidak melewatkan sampel apapun untuk kelas tersebut.
Karena jumlah sampel untuk kelas tersebut sangat kecil.
