Kuis Pembelajaran Mesin dan Pembelajaran Mendalam Online (300+ Pertanyaan Tipe Objektif)

2. Pengolahan Data: Nilai hilang, Nilai tidak valid dan rusak, Nilai outlier, Data miring, Penskalaan Fitur, Standardisasi, Normalisasi, Pengelompokan, Pengodean Fitur, Pengode Label, Pengode Satu Panas, dsb.


3. Pengurangan Dimensi: Menemukan korelasi, Pemilihan Fitur dan Ekstraksi Fitur, PCA, t-SNE, SVD, LDA, MDS, ICA dll.


4. Algoritma: Pembelajaran Terbimbing dan Tak Terbimbing, Regresi Linier, Regresi Logistik, KNN, SVM, Naive Byes, Pohon Keputusan, Pengelompokan K-Means, dsb.


5. Keterlaluan: Overfitting, Underfitting, Bias, Varians, Validasi silang, dsb.


6. Pembelajaran Ansambel: Bagging, Boosting, Random Forest, Adaboost, GBM (Gradient Boosting Machine), XGBoost (Extreme Gradient Boosting) dsb.


7. Regularisasi: Regresi Punggungan (Regulerisasi L2), Regresi Lasso (Regulerisasi L1), Regresi Jaring Elastis, dsb.


8. Akurasi Pengukuran: Matriks Kebingungan, Laporan Klasifikasi, Skor Akurasi, Skor F1, Kesalahan Absolut Rata-rata, Kesalahan Kuadrat Rata-rata, Kesalahan Akar Kuadrat Rata-rata, dll.


9. Piton: Struktur Data Dasar, Pustaka seperti Scikit Learn, Pandas, Numpy, Scipy, Seaborn, Matplotlib dll.


Kuis Pembelajaran Mendalam

Kuis DL berisi pertanyaan objektif tentang konsep Pembelajaran Mendalam berikut:

2. Jaringan Syaraf Tiruan: Lapisan dalam jaringan saraf, jenis jaringan saraf, jaringan saraf dalam dan dangkal, perambatan maju dan mundur dalam jaringan saraf, dll.


3. Bobot dan Bias: Pentingnya bobot dan bias, hal-hal yang perlu diingat saat menginisialisasi bobot dan bias, teknik Inisialisasi Bobot Xavier, dll.


4. Fungsi Aktivasi: Pentingnya fungsi aktivasi, fungsi Squashing, Langkah (Ambang), Logistik (Sigmoid), Tangen Hiperbolik (Tanh), ReLU (Unit Linear Terrektifikasi), ReLU yang Sekarat dan Bocor, Softmax, dsb.


5. Batch: Epoch, Batch dan Iterasi, Normalisasi Batch dll.


6. Turunan Gradien: Gradient Descent Batch, Stokastik dan Mini Batch, varian SGD seperti Momentum, Nesterov Momentum, AdaGrad, AdaDelta, RMSprop dan Adam, Minimum Lokal dan Global, Gradien Hilang dan Meledak, Laju Pembelajaran, dsb.


7. Fungsi Kerugian: crossentropy kategoris, crossentropy kategoris jarang, dsb.


8. CNN: Jaringan Syaraf Konvolusional, Filter (Kernel), Stride, Padding, Zero Padding dan Valid Padding, Pooling, Max Pooling, Min Pooling, Average Pooling dan Sum Pooling, Hiperparameter dalam CNN, Jaringan Syaraf Kapsul (CapsNets), ConvNets vs CapsNets, Visi komputer, dll.


9. RNN: Jaringan Syaraf Tiruan Berulang, Loop Umpan Balik, Jenis-jenis RNN seperti Satu ke Satu, Satu ke Banyak, Banyak ke Satu dan Banyak ke Banyak, RNN Dua Arah, Keuntungan dan kerugian RNN, Aplikasi RNN, Perbedaan antara CNN dan RNN, dsb.


10. LSTM: Memori Jangka Panjang dan Pendek, Sel berpagar seperti Gerbang Lupa, Gerbang Masukan dan Gerbang Keluaran, Aplikasi LSTM, dsb.


11. Regularisasi: Overfitting dan underfitting dalam jaringan saraf, Regularisasi L1 dan L2, Dropout, Augmentasi Data, Penghentian Awal, dsb.


12. Penyempurnaan: Pembelajaran Transfer, Penyempurnaan model, Langkah-langkah untuk menyempurnakan model, Keuntungan penyempurnaan, dll.


13. Encoder otomatis: Komponen autoencoder seperti encoder, decoder dan bottleneck, Representasi ruang laten dan rekonstruksi loss, Jenis-jenis autoencoder seperti autoencoder undercomplete, autoencoder sparse, autoencoder denoising, autoencoder convolutional, autoencoder contractive dan autoencoder deep, Hyperparameter dalam autoencoder, Aplikasi autoencoder, Autoencoder vs PCA, RBM (Restricted Boltzman Machine) dll.


14. NLP (Pemrosesan Bahasa Alami): Tokenisasi, Stemming, Lemmatisasi dan Vektorisasi (Vektorisasi hitungan, Vektorisasi N-gram, Frekuensi Istilah – Frekuensi Dokumen Terbalik (TF-IDF)), Matriks istilah dokumen, NLTK (Natural Language Toolkit), dll.


15. Kerangka: TesnorFlow, Keras, PyTorch, Theano, CNTK, Caffe, MXNet, DL4J dll.

Aturan dan Pedoman


1Semua pertanyaan adalah pertanyaan objektif dengan 4 pilihan. Hanya satu pilihan yang benar.


2. Waktu yang diberikan untuk tiap pertanyaan adalah 60 detik.


3Jawaban yang benar akan mendapat 4 poin, sedangkan jawaban yang salah akan dikurangi 1 poin (nilai negatif 25%).


4Kami akan mengambil jeda sebentar selama kuis setelah setiap 10 pertanyaan.


5Nilai kelulusan adalah 75%. Kuis ini berisi pertanyaan objektif Machine Learning yang sangat sederhana, jadi saya rasa nilai 75% dapat dengan mudah diperoleh.


6Harap jangan menyegarkan halaman atau mengeklik tautan lain selama kuis berlangsung.


7Harap jangan menggunakan Internet Explorer untuk menjalankan kuis ini.


saluran bantuan


Ada 4 saluran bantuan yang diberikan dalam kuis ini:


1. Menyingkirkan
2Berkedip
3Tongkat Ajaib
4Angkat Tangan

Anda dapat menggunakan satu saluran bantuan per pertanyaan kecuali "Hands Up". Anda dapat menggunakan setiap saluran bantuan sebanyak 4 kali selama kuis. Berikut adalah deskripsi dari semua saluran bantuan tersebut:


1. Menyingkirkan


Saluran bantuan “Weed Out” menyingkirkan dua pilihan yang salah. Jadi, sekarang Anda harus menebak jawaban hanya dari 2 pilihan, yang mana salah satunya adalah jawaban yang benar.


2. Berkedip


Tetap waspada saat menggunakan saluran bantuan "Blink". Saluran bantuan "Blink" pertama-tama menyalakan bohlam lampu pada pilihan yang benar, lalu dalam sepersekian detik (100 milidetik), ia menyalakan bohlam lampu pada pilihan yang salah. Jadi, Anda harus mengidentifikasi pilihan mana yang bohlamnya menyala terlebih dahulu.


3. Tongkat Ajaib


Ini adalah saluran bantuan paling fleksibel di mana Anda tidak perlu melakukan apa pun. Cukup klik "Tongkat Ajaib" dan Anda akan mendapatkan jawaban yang tepat secara ajaib.


4. Angkat Tangan


Dengan menggunakan saluran bantuan "Hands Up", Anda tidak akan menambah skor tetapi menghemat waktu kuis Anda. Anda dapat menggunakannya sebanyak yang Anda inginkan. Saya sarankan Anda untuk menggunakan saluran bantuan ini ketika Anda telah kehabisan saluran bantuan lainnya. Jika Anda menemukan pertanyaan yang jawabannya tidak jelas bagi Anda, dan Anda tidak memiliki saluran bantuan lagi, mohon jangan buang waktu untuk pertanyaan itu dan angkat tangan Anda untuk menghemat waktu Anda.


Pertanyaan selanjutnya


Setelah Anda selesai menjawab pertanyaan, Anda dapat melanjutkan ke pertanyaan berikutnya dengan menggunakan opsi ini.


Kuis Berhenti


Kuis berisi banyak pertanyaan objektif tentang Pembelajaran Mesin yang akan membutuhkan banyak waktu dan kesabaran untuk menyelesaikannya. Jika Anda merasa lelah pada suatu saat dan tidak ingin melanjutkan, Anda dapat keluar dari kuis dan hasil Anda akan ditampilkan berdasarkan jumlah pertanyaan yang Anda jawab.


Hasil Kuis


Di akhir kuis, Anda akan mendapatkan skor dan waktu yang dibutuhkan untuk menyelesaikan kuis. Anda dapat mengambil tangkapan layar dari hasilnya untuk referensi di masa mendatang.