Yapay Zekanın Bilgisayar Bilimi

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

2. Bir sinir ağı öncelikle ne için kullanılır?

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

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) Daha hızlı öğrenen bir model.
D) İyi genelleme yapan bir model.

4. Sınıflandırma görevleri için yaygın olarak hangi algoritma kullanılır?

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

5. Pekiştirmeli öğrenmenin amacı nedir?

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

6. 'Turing Testi' neyi ölçer?

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

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

9. Yapay zeka bağlamında 'veri madenciliği' nedir?

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

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

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

11. Genetik algoritmaların arkasındaki temel prensip nedir?

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

12. 'Büyük Veri' ne anlama geliyor?

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

13. Yapay sinir ağı nelerden ilham alır?

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

14. Doğrulama seti kullanmanın faydası nedir?

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

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

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

16. Destek vektör makinelerinin arkasındaki prensip nedir?

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

17. 'Transfer öğrenme' ne işe yarar?

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

18. Yapay zeka alanındaki başlıca zorluk nedir?

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

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

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

20. Denetimsiz öğrenmeye örnek olarak ne verilebilir?

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

21. Sınıflandırma görevleri için genellikle hangi algoritma kullanılır?

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

22. Sınıflandırma modelleri için yaygın bir değerlendirme ölçütü nedir?

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

23. Bunlardan hangisi bir derin öğrenme çerçevesidir?

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

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

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

25. Bunlardan hangisi yapay zekanın yaygın bir uygulamasıdır?

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

26. Denetimli öğrenmede yaygın olarak hangi algoritma kullanılır?

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

27. Aşağıdakilerden hangisi bir pekiştirmeli öğrenme algoritmasıdır?

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

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