NEW
Font size
S
M
L
XL
WorksheetsAI-quiz-1
Total questions: 28
Worksheet time: 14mins
Name
Class
Date
1.
Feature engineering หมายถึงข้อใด
a)
กระบวนการสร้างคุณลักษณะใหม่หรือปรับปรุงคุณลักษณะที่มีอยู่ให้เหมาะสมกับโมเดล Machine Learning
b)
การออกแบบโครงสร้างของเครือข่ายประสาทเทียม
c)
การเลือกอัลกอริทึมที่เหมาะสมสำหรับการเรียนรู้ของเครื่อง
d)
การประเมินประสิทธิภาพของโมเดล Machine Learning
2.
หลักการของ Monte Carlo Simulation คือข้อใด
a)
ใช้วิธีการสุ่มในการประมาณค่าผลลัพธ์ที่เป็นตัวเลข
b)
สร้างรายละเอียดของระบบจำลอง
c)
วิเคราะห์ข้อมูลในอดีตเพื่อทำนายผลลัพธ์ในอนาคต
d)
ปรับปรุงฟังก์ชันโดยทำงานวนรอบซ้ำๆ
3.
ปัญหาชาวนาพาสิ่งของข้ามแม่น้ำ จัดเป็นตัวอย่างของปัญหาเอไอแบบใด
a)
การเรียนรู้ของเครื่อง (machine learning)
b)
ทฤษฎีเกม (game theory)
c)
การแก้ปัญหา (Problem Solving)
d)
การประมวลผลภาพ (image processing)
4.
โมเดลการเรียนรู้ของเครื่อง สำหรับงาน email spam filtering จัดเป็น ML ชนิดใด
a)
statistical analysis
b)
supervised classification
c)
unsupervised classification
d)
reinforcement learning
5.
ข้อใดคือวัตถุประสงค์หลักของ search algorithm ใน AI
a)
เลียนแบบการทำงานของมนุษย์
b)
จัดระเบียบข้อมูลให้อยู่ในรูปแบบตามลำดับชั้น
c)
ค้นหาคำตอบที่ดีที่สุดในแต่ละปัญหา
d)
หาระยะทางที่สั้นที่สุดระหว่างสองจุด
6.
วัตถุประสงค์ของการแบ่งข้อมูลเป็น training set, validation set และ test set คืออะไร
a)
เพื่อลดขนาดของชุดข้อมูลและเพื่อให้สามารถประมวลผลได้เร็วขึ้น
b)
เพื่อแยกข้อมูลที่เป็น numerical ออกจากข้อมูลที่เป็นแบบ categorical
c)
เพื่อจัดการกับค่าที่ขาดหายไปและค่าผิดปกติในชุดข้อมูล
d)
เพื่อใช้ฝึกโมเดล การปรับพารามิเตอร์ และการประเมินผลการทำงานของโมเดลกับข้อมูลที่ไม่เคยเห็นมาก่อน
7.
หากจะสร้าง game tree เพื่อใช้เล่นเกม XO (tic-tac-toe) node และ branch ของ tree จะแทนค่าอะไรบ้าง
a)
Node แทนการเลือกตัวเลือกของผู้เล่นที่เป็นไปได้ และ Branch แทนลำดับของการเลือกตัวเลือกที่ผู้เล่นทำ
b)
Node แทนสถานะของกระดานเกมที่เป็นไปได้ และ Branch แทนลำดับของตัวเลือกที่ผู้เล่นทำในแต่ละตา
c)
Node แทนชื่อผู้เล่นแต่ละคน และ Branch แทนการเลือกของผู้เล่นแต่ละคน
d)
Node แทนผลลัพธ์การแพ้ชนะเสมอของเกม และ Branch แทนการกำหนดสถานะของเกมที่เป็นไปได้
8.
ข้อใดไม่ใช่อัลกอริทึมการค้นหาในปัญญาประดิษฐ์
a)
Breadth-First Search (BFS)
b)
Depth-First Search (DFS)
c)
Greedy Search
d)
Neural Network
9.
ในบริบทของ Naive Bayes คำว่า 'naive' หมายถึงสมมติฐานอะไร
a)
ทุก feature มีความสำคัญเท่ากัน
b)
feature แต่ละตัวมีความเป็นอิสระต่อกัน
c)
ความน่าจะเป็นก่อนหน้า (prior probability) เป็น 0.5 เสมอ
d)
ไม่จำเป็นต้องมี training data
10.
หากพยากรณ์อากาศทำนายว่า โอกาสฝนจะตกวันนี้ 90% แต่ปรากฏว่าแดดออกจ้า ไม่มีฝน คุณจะสรุปอย่างไร
a)
พยากรณ์อากาศมั่ว เชื่อถือไม่ได้
b)
พยากรณ์อากาศยังแม่นอยู่
c)
พยากรณ์อากาศตรงข้ามกับความจริงเสมอ
d)
ไม่สามารถสรุปว่าพยากรณ์แม่นหรือไม่แม่น
11.
ข้อใดไม่ถูกต้องเกี่ยวกับอินพุตและเอาต์พุตของแอปพลิเคชัน AI
a)
Online advertising: Input = พฤติกรรมการเรียกดูของผู้ใช้, Output = การเลือกโฆษณาที่เกี่ยวข้อง
b)
Image recognition: Input = ภาพดิจิทอล, Output = การระบุตัววัตถุหรือลักษณะที่ถูกต้อง
c)
Voice assistants: Input = คำสั่งเสียงของผู้ใช้, Output = การกระทำหรือการตอบสนองที่เกี่ยวข้อง
d)
Machine translation: Input = ข้อความในภาษาต้นฉบับ, Output = ไฟล์เสียงในภาษาเป้าหมาย
12.
AlphaGo เอาชนะแชมป์หมากล้อมที่เป็นมนุษย์ได้อย่างไร
a)
AlphaGo ใช้วิธี brute force เพื่อวิเคราะห์การเดินของหมากทั้งหมดที่เป็นไปได้
b)
AlphaGo ใช้ทีมผู้เล่นหมากล้อมหลายคนช่วยในระหว่างการแข่งขัน
c)
AlphaGo ใช้เทคโนโลยี Deep Learning และ Monte Carlo Tree Search เพื่อการประเมินและเลือกตำแหน่งในการวางหมาก
d)
AlphaGo ใช้การเรียนรู้แบบ symbolic เท่านั้น
13.
อะไรคือสาเหตุหลักที่ทำให้เกิด AI winter
a)
ขาดแคลนนักวิจัย AI ที่มีความสามารถ
b)
ความคาดหวังในความสามารถของ AI ที่สูงเกินไป
c)
การเน้นไปที่แอปพลิเคชันมากกว่าทฤษฎี
d)
การขาดเงินทุนวิจัย
14.
ในปัจจุบัน อุตสาหกรรมใดในประเทศไทยลงทุนและใช้ AI มากที่สุด
a)
Banking and Loan
b)
Tourism
c)
Self-driving car
d)
Cultural
15.
ทำไม Connectionist AI ถูกนำมาใช้มากกว่า Symbolic AI ในปัจจุบัน
a)
ระบบฮาร์ดแวร์รองรับการทำงานได้มากกว่าเดิม
b)
Symbolic AI ถึงจุดจำกัดในการทำงานกับภาพ เสียง และภาษา
c)
ประสิทธิภาพการทำงานของ Deep Neural Network ดีกว่า Symbolic AI ในหลายๆ งาน
d)
ถูกทุกข้อ
16.
แนวคิดเบื้องหลังการทดสอบทัวริง (Turing test) คืออะไร
a)
การวัดความฉลาดเชิงพฤติกรรมการสนทนา
b)
การวัดความฉลาดเชิงคำนวณ
c)
การวัดความเร็วในการทำงานของคอมพิวเตอร์
d)
การวัดความสามารถด้านศิลปะของคอมพิวเตอร์
17.
ในงาน Binary Classification ชุดข้อมูลที่คลาส positive 20% และ negative 80% baseline accuracy คือเท่าไร
a)
50%
b)
60%
c)
80%
d)
90%
18.
บทบาทของค่า Upper Confidence Bound (UCB) ใน Monte Carlo Tree Search คือข้อใด
a)
ตัดกิ่งต้นไม้เพื่อปรับปรุงประสิทธิภาพ
b)
คำนวณความน่าจะเป็นของการชนะในเกม
c)
กำหนดค่าของโหนดในต้นไม้ค้นหา
d)
สร้างสมดุลระหว่างการสำรวจและการใช้ประโยชน์ระหว่างการค้นหา
19.
วัตถุประสงค์ของ confusion matrix คือข้อใด
a)
วัดประสิทธิภาพของโมเดล Machine Learning โดยเฉพาะในงานจำแนกประเภท
b)
ใช้ในการวิเคราะห์ข้อมูลเชิงปริมาณเพื่อหาความสัมพันธ์ระหว่างตัวแปร
c)
เป็นเครื่องมือในการสร้างโมเดล Machine Learning
d)
ใช้ในการจัดกลุ่มข้อมูล (Clustering)
20.
ถ้าจะใช้ minimax algorithm เพื่อเลือกการทางเลือกในการเล่นที่ดีที่สุด หากกำหนดค่าที่ state สุดท้ายเป็นข้อใด จะทำให้ใช้ algorithm minimax ไม่ได้
a)
ชนะ = 3 แพ้ = -2 เสมอ = 2
b)
ชนะ = -1 แพ้ = 1 เสมอ = 0
c)
ชนะ = infinity แพ้ = -infinity เสมอ = 0
d)
ชนะ = -1 แพ้ = 1 เสมอ = 4
21.
หากพบว่า state space search สำหรับเกม XO ใช้พื้นที่ความจำมากเกินไป วิธีใดควรใช้เพื่อลดพื้นที่ความจำ และยังทำให้ใช้งาน search tree ได้เหมือนเดิม
a)
กระโดดข้ามบาง branch โดยการสุ่ม
b)
จัดลำดับความสำคัญในการเล่น เลือกแต่การเล่นที่จะทำให้ชนะทันที
c)
ไม่สนใจสถานะเกมที่มี X เล่นครั้งที่ 1 3 5
d)
ไม่สนใจสถานะเกมที่หมุนหรือพลิกกระดานแล้วเหมือนกัน
22.
ข้อใดคือขั้นตอนที่ถูกต้องของ Machine Learning
a)
Data Collection → Data Cleaning → Model Training → Model Evaluation → Deployment
b)
Model Training → Data Collection → Data Cleaning → Model Evaluation → Deployment
c)
Data Collection → Model Training → Data Cleaning → Deployment → Model Evaluation
d)
Model Training → Data Cleaning → Data Collection → Deployment → Model Evaluation
23.
ข้อใดไม่ถูกต้องเกี่ยวกับอินพุตและเอาต์พุตของแอปพลิเคชัน AI
a)
Online advertising: Input = พฤติกรรมการเรียกดูของผู้ใช้, Output = การเลือกโฆษณาที่เกี่ยวข้อง
b)
Image recognition: Input = ภาพดิจิทอล, Output = การระบุตัววัตถุหรือลักษณะที่ถูกต้อง
c)
Voice assistants: Input = คำสั่งเสียงของผู้ใช้, Output = การกระทำหรือการตอบสนองที่เกี่ยวข้อง
d)
Machine translation: Input = ข้อความในภาษาต้นฉบับ, Output = ไฟล์เสียงในภาษาเป้าหมาย
24.
ข้อใดไม่จริงเกี่ยวกับความน่าจะเป็น
a)
มีค่าอยู่ระหว่าง 0 กับ 1 เสมอ
b)
ค่าความน่าจะเป็นของทุกเหตุการณ์รวมกันเป็นหนึ่งเสมอ
c)
ความน่าจะเป็นของ complement A = 1 - P(A)
d)
จริงทุกข้อ
25.
ตัวอย่างอัลกอริทึมสำหรับงานด้าน clustering ได้แก่ข้อใด
a)
Naive Bayes
b)
SVM
c)
K-means
d)
kNN
26.
ข้อใดคือตัวอย่างของการประยุกต์ใช้ Reinforcement Learning
a)
หุ่นยนต์เล่นเกมหมากรุกโดยเรียนรู้จากการเล่นหลายๆ รอบ
b)
การจัดกลุ่มลูกค้าจากพฤติกรรมการซื้อ
c)
การคาดการณ์ยอดขายจากข้อมูลอดีต
d)
การแปลภาษาจากข้อความต้นฉบับ
27.
ข้อใดคือลักษณะของ Supervised Learning
a)
ไม่มีฉลากกำกับในชุดข้อมูล
b)
โมเดลเรียนรู้จากข้อมูลที่ไม่มีเป้าหมาย
c)
มีการใช้ข้อมูลที่มี input และ output เพื่อฝึกโมเดล
d)
ใช้เพื่อค้นหารูปแบบที่ซ่อนอยู่ในข้อมูล
28.
ข้อใดไม่ใช่ส่วนประกอบของ AlphaGo
a)
Reinforcement Learning
b)
Genetic Algorithms
c)
Monte Carlo Tree Search (MCTS)
d)
Deep Neural Networks (DNNs)
Reset
