A) İnsan girdisi kullanarak fiziksel makineleri kontrol etme yöntemi. B) Makinelerin verilerden öğrenmesini sağlayan bir yapay zeka dalı. C) Bilgisayar çipleri tasarlamak için kullanılan bir programlama dili. D) Video oyunları oynamak için kullanılan bir yazılım türü.
A) Doğrusal regresyon B) Sınıflandırma C) Kümeleme D) Karar ağaçları
A) Bilgilerin ileride kullanılmak üzere saklanması. B) Girişi doğrudan çıkışa dönüştürme. C) Ağa doğrusal olmama özelliğinin eklenmesi. D) Geriye yayılım kullanarak ağın eğitilmesi.
A) SVM B) Rastgele Orman C) Q-Learning D) K-Ortalamalar
A) Karar Ağaçları B) Temel Bileşen Analizi (PCA) C) Naive Bayes D) Gradyan İniş
A) Tahmin edilen ve gerçek değerler arasındaki farkı ölçer. B) Eğitimden önce verileri normalleştirir. C) Geriye yayılım kullanarak modeli optimize eder. D) Model için en iyi özellikleri seçer.
A) Model performansını iyileştirmek için girdi özelliklerini seçme ve dönüştürme süreci. B) Aşırı uyumu önlemek için modelin düzenli hale getirilmesi. C) Çapraz doğrulama kullanarak modelin değerlendirilmesi. D) Herhangi bir veri olmadan bir modelin eğitilmesi.
A) Giriş uzayında farklı sınıfları ayırmak için. B) Modelin öğrenme hızını kontrol etmek için. C) Verilere gürültü eklemek için. D) Eğitim sırasında kayıp fonksiyonunu en aza indirmek için.
A) Eğitim süresi ve model performansı arasındaki denge. B) Model karmaşıklığı ve genelleştirilebilirlik arasındaki denge. C) Doğruluk ve hassasiyet arasındaki denge. D) Yetersiz uyum ve aşırı uyum arasındaki denge.
A) Temel Bileşen Analizi (PCA) B) K-ortalamalar kümeleme C) Destek Vektör Makinesi (SVM) D) Doğrusal Regresyon
A) Hesaplama karmaşıklığının kontrol edilmesi B) Çapraz Doğrulama C) Tahmin D) Yalnızca eğitim verilerini kullanma
A) Verilere gürültü ekleme B) İmputasyon C) Eksik verilerin göz ardı edilmesi D) Verilerin çoğaltılması
A) R-kare B) Doğruluk C) Ortalama karesel hata D) Ortalama Mutlak Hata
A) Temel özelliklerin kaldırılması B) Model karmaşıklığının artırılması C) Düzenli hale getirme D) Modeli daha fazla veri üzerinde eğitmek
A) Toplu normalizasyon B) Erken durdurma C) Geriye Yayılım D) Rastgele başlatma
A) Tek bir hiperparametreye odaklanma B) Rastgele hiperparametrelerin seçilmesi C) Izgara Arama D) Hiperparametreleri yok sayma
A) K-ortalamalar kümeleme B) Doğrusal regresyon C) Karar ağacı D) Temel bileşen analizi
A) Ortalama Karesel Hata (MSE) B) Ortalama Karesel Hata Kökü (RMSE) C) Günlük Kaybı D) Çapraz entropi
A) Boyutsallık azaltma B) Sınıflandırma C) Regresyon D) Kümeleme
A) PCA (Temel Bileşen Analizi) B) SMOTE (Sentetik Azınlık Aşırı Örnekleme Tekniği) C) K-En Yakın Komşular (KNN) D) AdaBoost
A) İzolasyon Ormanı B) K-ortalamalar kümeleme C) Naive Bayes D) SVM (Destek Vektör Makinesi)
A) Toplu Normalizasyon B) Özellik Ölçeklendirme C) Okulu Bırakma D) Gradyan İniş |