A) Mengubah ucapan menjadi teks.
B) Menerjemahkan teks dari satu bahasa ke bahasa lain secara otomatis.
C) Menganalisis sentimen dari sebuah teks.
D) Menghasilkan respons teks yang mirip dengan bahasa manusia.

A) Menganalisis tata bahasa dan sintaksis sebuah kalimat.
B) Menentukan sentimen atau opini yang diungkapkan dalam sebuah teks.
C) Menerjemahkan teks dari satu bahasa ke bahasa lain.
D) Menghasilkan teks acak berdasarkan model yang diberikan.

A) Model sintaksis
B) Model n-gram
C) Model semantik
D) Model Markov

A) Mengidentifikasi entitas bernama dalam teks, seperti nama, organisasi, dan lokasi.
B) Menentukan sentimen keseluruhan dari sebuah teks.
C) Mengubah ucapan menjadi teks.
D) Mengenali berbagai bahasa dalam sebuah teks multibahasa.

A) Menganalisis nada emosional dari sebuah teks.
B) Mengurangi kata-kata menjadi bentuk dasar atau akarnya.
C) Mengidentifikasi hubungan antara kata-kata dalam sebuah kalimat.
D) Menghasilkan kata-kata baru berdasarkan kata-kata yang sudah ada.

A) Ketidakjelasan dalam bahasa yang memerlukan pemahaman konteks.
B) Ketidakmampuan untuk mendeteksi sentimen dalam teks.
C) Ketersediaan perangkat keras yang terbatas untuk memproses data bahasa.
D) Kesulitan dalam menerjemahkan antara bahasa yang berbeda.

A) Menganalisis struktur gramatikal sebuah kalimat.
B) Menerjemahkan teks dari satu bahasa ke bahasa lain.
C) Mengidentifikasi topik dari sebuah teks tertentu.
D) Memecah teks menjadi unit-unit individual seperti kata atau frasa.

A) Mengubah ucapan menjadi teks.
B) Mengenali entitas bernama dalam teks.
C) Menghasilkan sinonim untuk kata-kata.
D) Menganalisis struktur gramatikal untuk menentukan hubungan antar kata.

A) Sebuah metode untuk menerjemahkan antara bahasa.
B) Jenis hubungan ketergantungan tertentu antara kata-kata.
C) Kumpulan teks yang digunakan untuk analisis linguistik.
D) Jenis pohon sintaks yang digunakan dalam algoritma penguraian.

A) Menerjemahkan teks dari satu bahasa ke bahasa lain.
B) Mengidentifikasi entitas-entitas spesifik seperti nama, organisasi, dan lokasi dalam teks.
C) Menganalisis sentimen dari suatu teks.
D) Menganalisis struktur gramatikal dari sebuah kalimat.

A) Ruby.
B) Python.
C) C++.
D) Java.

A) Penandaan titik penjualan (Point-of-sale tagging).
B) Penandaan survei opini publik (Public opinion survey tagging).
C) Penandaan bagian kata (Part-of-speech tagging).
D) Penandaan sistem optimasi yang kuat (Powerful optimization system tagging).

A) Pengenalan ucapan.
B) Klasifikasi gambar.
C) Ekstraksi informasi.
D) Pembuatan teks acak.

A) Mengidentifikasi entitas bernama dalam sebuah teks.
B) Membuat ringkasan singkat dari dokumen teks yang lebih panjang.
C) Menganalisis struktur sintaksis sebuah kalimat.
D) Menerjemahkan teks dari satu bahasa ke bahasa lain.

A) Jaringan kepercayaan mendalam (DBN).
B) Jaringan saraf rekuren (RNN).
C) Jaringan fungsi basis radial (RBFN).
D) Jaringan saraf konvolusional (CNN).

A) Agregasi Data Lokal.
B) Analisis Diskriminan Linear.
C) Latent Dirichlet Allocation.
D) Penilaian Pengembangan Bahasa.

A) Menentukan tata bahasa dari sebuah kalimat.
B) Menghasilkan kata-kata baru berdasarkan kosakata yang sudah ada.
C) Mengurangi kata-kata menjadi bentuk dasar atau akarnya untuk meningkatkan analisis.
D) Mengidentifikasi sentimen dari sebuah teks tertentu.

A) Menerjemahkan teks antar bahasa.
B) Menganalisis sintaksis sebuah kalimat.
C) Melakukan analisis sentimen.
D) Mengidentifikasi hubungan antara kata-kata dalam sebuah kalimat dan peran semantiknya.

A) Kata benda
B) Sintaksis
C) Kompilator
D) Algoritma

A) Penerjemahan mesin berbasis gambar.
B) Penerjemahan mesin berbasis sentimen.
C) Penerjemahan mesin berbasis statistik.
D) Penerjemahan mesin berbasis aturan.

A) Penerjemahan mesin berbasis jaringan saraf.
B) Algoritma penerjemahan berbasis aturan.
C) Metode analisis morfologi.
D) Pendekatan penerjemahan berbasis simbol.

A) Transferensi.
B) Transformasi.
C) Transkripsi.
D) Tokenisasi.

A) Menganalisis struktur kalimat.
B) Merepresentasikan kata sebagai vektor untuk menangkap makna semantik.
C) Mengidentifikasi entitas bernama.
D) Menerjemahkan kata antar bahasa.

A) Pengenalan entitas bernama (named entity recognition).
B) Pemodelan topik (topic modeling).
C) Segmentasi kalimat.
D) Analisis ketergantungan (dependency parsing).