Ml indo

Test

Jugadas 0

Crear copia

Sobre esta actividad

Memilih jawaban yg benar

Creada por

Marsimah

Indonesia

Descarga la versión para jugar en papel

Top 10 resultados

Todavía no hay resultados para este juego. ¡Sé el primero en aparecer en el ranking! Inicia sesión para identificarte.

Crea tu propio juego gratis desde nuestro creador de juegos

Compite contra tus amigos para ver quien consigue la mejor puntuación en esta actividad

Crear reto

Tipos de sintagmas (II)

idoia rubio

España

(945)

Actividades interactivas para reconocer los distintos tipos de sintagmas
Brawl stars preguntas

Carlos Andrés Prieto Rodríguez

Colombia

(164)

Completa todas las preguntas
Verbos irregulares en Inglés

Hélmer González Serrano

Colombia

(312)

Se presentan 10 preguntas, cada una con 4 opciones de respuesta. Seleccione la que considere correcta.
cuanto sabes de Futbol

hugo estay

Chile

(318)

este test esta basado en las diapositivas que pudimos ver con anterioridad, consta de 10 preguntas las cuales tienen alternativas para poder resolverlas.
Cultura general española

Ernest Serret

España

(100)

Responde las siguientes preguntas

		%
	Anónimo	%
		%
		%

Imprime tu juego

Ml indo


Ml indoVersión en línea Memilih jawaban yg benar por Marsimah 1 Jenis ML yang paling umum untuk prediksi berurutan adalah: a Pembelajaran supervisi penuh tanpa data sekuensial b Pembelajaran penguatan c Pembelajaran berurutan/Sequence learning (mis. RNN, LSTM) d Pembelajaran tanpa pengawasan 2 Apa perbedaan supervised dan unsupervised learning? a Keduanya sama, hanya istilahnya b Supervised menggunakan label; unsupervised tidak menggunakan label c Supervised tidak membutuhkan data sama sekali d Unsupervised selalu lebih akurat 3 Kapan kita menggunakan k-nearest neighbors (KNN)? a Untuk pelatihan sangat besar dengan GPU b Tidur data secara otomatis c Saat tidak ada data sama sekali d Untuk klasifikasi/regresi sederhana dengan dataset kecil 4 Apa itu overfitting? a Model tidak belajar apa-apa b Model generalisasi terlalu luas c Model selalu salah prediksi pada data pelatihan d Model terlalu menyesuaikan data pelatihan sehingga buruk pada data baru 5 Apa fungsi cross-validation? a Mengoptimalkan hardware untuk training b Menilai kinerja model dengan membagi data menjadi subset latih/ujian c Mengubah arsitektur algoritma menjadi lebih rumit d Menghapus data penting dari dataset 6 Mana lisensi penggunaan dataset yang umum dipakai untuk ML? a Creative Commons / lisensi terbuka tergantung dataset b Lisensi MIT saja tanpa syarat c Tidak ada lisensi yang dibolehkan d Warna kode RGB khusus 7 Apa itu overfitting pada neural network sederhana? a Model menjadi sangat umum dan akurat di semua data b Model tidak bisa belajar karena data hilang c Neural network selalu underfit bukan overfit d Terlalu banyak neuron/epoch sehingga noise tercermin sebagai pola 8 Salah satu teknik regularisasi adalah: a Menghilangkan semua bias b Feature scaling saja c Mengoptimalkan terlalu banyak hiperparameter tanpa regulasi d L2 regularization (weight decay) 9 Apa tujuan evaluasi model pada data uji? a Mengubah label data latih b Mengoptimalkan hardware training saja c Menilai kemampuan model pada data yang tidak terlihat sebelumnya d Membersihkan data dari outlier 10 Apa itu machine learning secara sederhana? a Sistem yang tidak bisa berubah b Algoritma yang hanya menyimpan data tanpa analisis c Pembelajaran komputer dari data untuk membuat prediksi d Program yang mengikuti aturan tetap 11 Jenis ML apa yang menggunakan data berlabel untuk pelatihan? a Supervised learning b Semi-supervised learning c Unsupervised learning d Reinforcement learning 12 Apa perbedaan antara overfitting dan underfitting? a Overfitting: kurang belajar; Underfitting: terlalu banyak data b Overfitting: terjadi pada data uji; Underfitting: hanya pada data latihan c Overfitting: model terlalu cocok data latihan; Underfitting: model tidak cukup belajar d Overfitting: model buruk; Underfitting: model sangat akurat 13 Fungsi aktivasi ReLU sering dipakai karena apa? a Mensoalkan data ke dalam bentuk logaritma b Sederhana dan mempercepat komputasi c Membuat model lebih rumit d Mengurangi ukuran data 14 Apa tujuan validasi silang (cross-validation)? a Meningkatkan data noise di dataset b Menambah ukuran dataset c Menilai kinerja model secara lebih umum d Menyederhanakan model 15 Apa peran dataset dalam ML? a Hanya untuk uji coba b Tidak diperlukan pada ML c Menjadi sumber informasi untuk melatih model d Berfungsi untuk menambah kecepatan komputasi 16 Apa arti overfitting pada model non-linear? a Model selalu salah prediksi b Model terlalu menyesuaikan pola pada data latihan c Model generalisasi sempurna d Model tidak bisa dipakai lagi 17 Apa itu regularisasi dalam ML? a Teknik mencegah overfitting dengan penalti bobot b Teknik meningkatkan kompleksitas model c Metode menghapus data secara acak d Metode meningkatkan ukuran dataset 18 Apa definisi singkat dari machine learning? a Metode untuk desain hardware b Pemrograman statis tanpa data c Teknik memasang jaringan kabel d Pembelajaran mesin yang membuat prediksi dari data. 19 Jenis ML yang menggunakan data berlabel untuk melatih model disebut? a Pembelajaran terawasi b Pembelajaran tanpa pengawasan c Pembelajaran reinforcement d Pembelajaran simbolik 20 Apa tujuan utama dari overfitting? a Mengurangi kompleksitas model b Menghasilkan model yang bebas data c Model terlalu menyesuaikan data pelatihan d Meningkatkan akurasi pada data uji 21 Apa itu train-test split? a Menggabungkan semua data menjadi satu set b Menghapus data rusak c Memisahkan data menjadi data latihan dan data pengujian d Mengubah label data 22 Apa fungsi utama algoritma gradient descent? a Mengoptimalkan bobot untuk menurunkan loss b Menambah ukuran dataset c Menghentikan pelatihan pada awal d Mengacak data pelatihan 23 Apa itu loss function? a Fungsi yang mengukur seberapa jauh prediksi dari target b Fungsi untuk menghapus data outlier c Fungsi yang menghitung jumlah data d Fungsi untuk mengklasifikasikan data 24 Apa trade-off bias-variance? a Jumlah layer vs jumlah neuron b Akurasi vs waktu prediksi c Kecepatan eksekusi vs konsumsi memori d Keseimbangan antara kesalahan sistematik dan variabilitas karena data 25 Apa manfaat cross-validation? a Mengganti algoritma secara otomatis b Menggandakan ukuran dataset c Menggunakan beberapa lipatan data untuk evaluasi stabil d Menghapus data yang kurang relevan Feedback 1 Secara khusus menangani data berurutan seperti teks atau deret waktu. 2 Supervised membutuhkan data berlabel; unsupervised mencari pola tanpa label. 3 KNN cocok untuk masalah kecil, tidak efisien pada dataset besar. 4 Overfitting menurunkan kemampuan generalisasi. 5 Cross-validation memberikan estimasi kinerja yang lebih stabil. 6 Dataset biasanya memiliki lisensi yang mengatur penggunaan; pastikan mematuhi syaratnya. 7 Terlalu banyak kapasitas bisa meniru noise dari data pelatihan. 8 Regularisasi membantu mencegah overfitting dengan membatasi bobot. 9 Data uji mengukur kemampuan generalisasi model. 10 ML membuat model dari data untuk prediksi atau keputusan. 11 Pembelajaran terawasi menggunakan data berlabel untuk melatih model. 12 Overfitting terjadi saat model mengikuti noise data latihan terlalu dekat. 13 ReLU = max(0, x) membuat pelatihan lebih cepat dan stabil. 14 Validasi silang membagi data untuk evaluasi yang lebih stabil. 15 Dataset memberi contoh untuk belajar model. 16 Kecenderungan untuk menangkap noise latihan daripada pola umum. 17 Regularisasi menambah biaya pada bobot besar untuk mengurangi kompleksitas. 18 ML belajar pola dari data untuk membuat prediksi, bukan sekadar penulisan aturan tetap. 19 Data berlabel memungkinkan model belajar hubungan input-output. 20 Overfitting membuat model buruk pada data baru karena terlalu menyalin data latihan. 21 Pembagian ini menilai generalisasi model pada data yang belum pernah dilihat. 22 Gradient descent menyesuaikan parameter untuk meminimalkan kesalahan prediksi. 23 Loss function memberi ukuran kesalahan yang ingin diminimalkan selama pelatihan. 24 Bias tinggi membuat underfitting; varians tinggi membuat overfitting. 25 Cross-validation membantu menilai generalisasi lebih andal.

Ml indo

Test

Sobre esta actividad

Creada por

Descarga la versión para jugar en papel

Top juegos

Test

Tipos de sintagmas (II)

Test

Brawl stars preguntas

Test

Verbos irregulares en Inglés

Test

cuanto sabes de Futbol

Test

Cultura general española

Ml indoVersión en línea

por Marsimah

Jenis ML yang paling umum untuk prediksi berurutan adalah:

Apa perbedaan supervised dan unsupervised learning?

Kapan kita menggunakan k-nearest neighbors (KNN)?

Apa itu overfitting?

Apa fungsi cross-validation?

Mana lisensi penggunaan dataset yang umum dipakai untuk ML?

Apa itu overfitting pada neural network sederhana?

Salah satu teknik regularisasi adalah:

Apa tujuan evaluasi model pada data uji?

Apa itu machine learning secara sederhana?

Jenis ML apa yang menggunakan data berlabel untuk pelatihan?

Apa perbedaan antara overfitting dan underfitting?

Fungsi aktivasi ReLU sering dipakai karena apa?

Apa tujuan validasi silang (cross-validation)?

Apa peran dataset dalam ML?

Apa arti overfitting pada model non-linear?

Apa itu regularisasi dalam ML?

Apa definisi singkat dari machine learning?

Jenis ML yang menggunakan data berlabel untuk melatih model disebut?

Apa tujuan utama dari overfitting?

Apa itu train-test split?

Apa fungsi utama algoritma gradient descent?

Apa itu loss function?

Apa trade-off bias-variance?

Apa manfaat cross-validation?