Yapay Zekanın Bilgisayar Bilimi

Yapay Zekanın Bilgisayar Bilimi - Test

1. Yapay Zeka Bilgisayar Bilimi (YZ), makinelerin insan bilişsel işlevlerini taklit etmesini sağlayan algoritmaların ve sistemlerin geliştirilmesine adanmış geniş ve karmaşık bir alanı kapsar. Özünde YZ, öğrenebilen, akıl yürütebilen ve uyum sağlayabilen sistemler yaratmak için matematik, istatistik, bilgisayar bilimi ve bilişsel psikoloji gibi çeşitli disiplinlerden yararlanır. Algoritmaların tahminler veya kararlar vermek için veriler üzerinde eğitildiği makine öğrenimi ve insan beyninin yapısı ve işlevinden esinlenen sinir ağları gibi temel kavramlar, modern YZ araştırmalarının temel taşları olarak hizmet vermektedir. Ayrıca, doğal dil işleme, bilgisayarların insan dilini anlamasına ve üretmesine olanak tanıyarak insanlar ve makineler arasındaki etkileşimleri kolaylaştırır. Bu alan aynı zamanda YZ'nin görevleri otonom olarak yerine getirmek için fiziksel sistemlere entegre edildiği robotik ve makinelerin görsel girdiye dayalı olarak yorumlamasını ve karar vermesini sağlayan bilgisayarla görmeyi de araştırmaktadır. Derin öğrenme, takviyeli öğrenme ve denetimli öğrenme gibi tekniklerden yararlanan araştırmacılar, mümkün olanın sınırlarını zorlamaya devam ederek otonom araçlardan sağlık teşhisine kadar çeşitli alanlarda ilerlemelere yol açmaktadır. YZ sistemleri giderek daha karmaşık hale geldikçe ve toplumun çeşitli yönlerine entegre edildikçe, adalet, hesap verebilirlik ve şeffaflıkla ilgili etik hususlar da dikkat çekmekte ve YZ teknolojisinin büyümesinin insanlığa bir bütün olarak fayda sağlamasını sağlamaktadır.

Hangi öğrenme türü etiketli bir veri kümesi üzerinde bir modelin eğitilmesini içerir?

A) Takviyeli öğrenme.
B) Denetimli öğrenme.
C) Yarı denetimli öğrenme.
D) Denetimsiz öğrenme.

2. Bir sinir ağı öncelikle ne için kullanılır?

A) Örüntü tanıma ve sınıflandırma.
B) Veri depolama.
C) Kod yazmak.
D) Ağ güvenliği.

3. Makine öğrenimi bağlamında 'aşırı uyum' ne anlama geliyor?

A) Çok karmaşık ve yeni veriler üzerinde düşük performans gösteren bir model.
B) Parametreleri olmayan bir model.
C) İyi genelleme yapan bir model.
D) Daha hızlı öğrenen bir model.

4. Sınıflandırma görevleri için yaygın olarak hangi algoritma kullanılır?

A) Genetik algoritmalar.
B) K-ortalamalar kümeleme.
C) Destek Vektör Makineleri.
D) Gradyan inişi.

5. Pekiştirmeli öğrenmenin amacı nedir?

A) Verileri kategoriler halinde sınıflandırmak için.
B) Girişleri doğrudan çıkışlara eşlemek için.
C) Doğrusal denklemleri optimize etmek için.
D) Davranışları deneme yanılma yoluyla öğrenmek.

6. 'Turing Testi' neyi ölçer?

A) Bir sistemin güç tüketimi.
B) Bir makinenin insana eşdeğer akıllı davranışlar sergileme yeteneği.
C) Bir bilgisayarın işlem hızı.
D) Bir bilgisayarın depolama kapasitesi.

7. Derin öğrenmenin temel avantajı nedir?

A) Verilerden özellikleri otomatik olarak öğrenme yeteneği.
B) Geleneksel yöntemlere göre daha az veri gerektirir.
C) Küçük veri kümeleriyle daha iyi çalışır.
D) Standart algoritmalara göre uygulaması daha kolaydır.

8. Aşağıdakilerden hangisi bir kümeleme algoritmasıdır?

A) Rastgele ormanlar.
B) Karar ağaçları.
C) K-means.
D) Doğrusal regresyon.

9. Yapay zeka bağlamında 'veri madenciliği' nedir?

A) Analiz için verilerin temizlenmesi.
B) Büyük veri kümelerinden desen ve bilgi çıkarma.
C) Güvenlik için verilerin şifrelenmesi.
D) Büyük miktarda verinin veritabanlarında depolanması.

10. Görüntü tanıma için en iyi sinir ağı türü hangisidir?

A) Evrişimsel Sinir Ağları (CNN'ler).
B) İleri beslemeli sinir ağları.
C) Tekrarlayan Sinir Ağları (RNN'ler).
D) Radyal tabanlı fonksiyon ağları.

11. Yapay sinir ağı nelerden ilham alır?

A) İnsan beyninin yapısı ve işlevleri.
B) Geometrik dönüşümler.
C) İnternet.
D) İstatistiksel modeller.

12. Makine öğrenimini anlamak için hangi kavram kritik öneme sahiptir?

A) Aşırı Uyum
B) Bant Genişliği
C) Gecikme
D) Verim

13. Sınıflandırma görevleri için genellikle hangi algoritma kullanılır?

A) Gradyan İniş
B) Monte Carlo Simülasyonu
C) Karar Ağaçları
D) Genetik Algoritmalar

14. Denetimsiz öğrenmeye örnek olarak ne verilebilir?

A) Regresyon
B) Sınıflandırma
C) Kümeleme
D) Tahmin

15. Genetik algoritmaların arkasındaki temel prensip nedir?

A) Quicksort aracılığıyla sıralama.
B) Fonksiyon yaklaşımı.
C) Evrim yoluyla en uygun olanın hayatta kalması.
D) Rastgele örnekleme yoluyla yineleme.

16. Aşağıdakilerden hangisi bir pekiştirmeli öğrenme algoritmasıdır?

A) Q-öğrenme.
B) Destek Vektör Makinesi.
C) Doğrusal regresyon.
D) K-ortalamalar kümeleme.

17. Aşağıdakilerden hangisi yapay zeka için popüler bir programlama dilidir?

A) HTML.
B) Python.
C) Montaj.
D) C++.

18. Sınıflandırma modelleri için yaygın bir değerlendirme ölçütü nedir?

A) Doğruluk
B) Varyans
C) Entropi
D) Verim

19. Destek vektör makinelerinin arkasındaki prensip nedir?

A) Sınıflandırma için derin öğrenmeyi kullanma.
B) Veri kümesinin hacmini en üst düzeye çıkarma.
C) Veri noktalarını en iyi şekilde ayıran hiper düzlemi bulma.
D) Tüm noktalar arasındaki mesafenin en aza indirilmesi.

20. 'Transfer öğrenme' ne işe yarar?

A) Yazılım uygulamalarını platformlar arasında taşır.
B) Bir görevden elde edilen bilgiyi ilgili bir görevdeki performansı iyileştirmek için kullanır.
C) Farklı kullanıcılar arasında veri aktarır.
D) Modelleri bir veri kümesinden diğerine değişiklik yapmadan kaydırır.

21. Yapay zeka alanındaki başlıca zorluk nedir?

A) Tek tip kodlama standartları.
B) Veri ve algoritmalarda önyargı.
C) Donanım sınırlamaları.
D) Çok fazla kamu ilgisi var.

22. Doğrulama seti kullanmanın faydası nedir?

A) Eğitim veri boyutunu artırmak için.
B) Test setlerini değiştirmek için.
C) Eğitim sırasında model performansını değerlendirmek için.
D) Modelleri daha mutlu etmek için.

23. Bunlardan hangisi yapay zekanın yaygın bir uygulamasıdır?

A) Kelime işlem.
B) Elektronik tablolar.
C) Temel aritmetik hesaplamalar.
D) Doğal dil işleme.

24. Bunlardan hangisi bir derin öğrenme çerçevesidir?

A) MySQL
B) TensorFlow
C) Pencereler
D) Git

25. Python'da makine öğrenimi için popüler bir kütüphane hangisidir?

A) Matara.
B) Güzel Çorba.
C) Pygame.
D) Scikit-learn.

26. Denetimli öğrenmede yaygın olarak hangi algoritma kullanılır?

A) K-ortalamalar kümeleme.
B) Doğrusal regresyon.
C) Takviyeli öğrenme.
D) Genetik algoritmalar.

27. 'Büyük Veri' ne anlama geliyor?

A) Analiz için çok küçük veriler.
B) İşlemek için gelişmiş araçlar gerektiren büyük ve karmaşık veri kümeleri.
C) İlişkisel bir veritabanında depolanan veriler.
D) Uygulamalar tarafından toplanan özel kullanıcı verileri.

Şununla oluşturuldu: That Quiz — matematik ve diğer alanlarda test oluşturma ve notlandırma sitesi.