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

2. Bir sinir ağı öncelikle ne için kullanılır?

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

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

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

4. Sınıflandırma görevleri için yaygın olarak hangi algoritma kullanılır?

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

5. Pekiştirmeli öğrenmenin amacı nedir?

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

6. 'Turing Testi' neyi ölçer?

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

7. Derin öğrenmenin temel avantajı nedir?

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

8. Aşağıdakilerden hangisi bir kümeleme algoritmasıdır?

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

9. Yapay zeka bağlamında 'veri madenciliği' nedir?

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

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

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

11. Genetik algoritmaların arkasındaki temel prensip nedir?

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

12. 'Büyük Veri' ne anlama geliyor?

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

13. Yapay sinir ağı nelerden ilham alır?

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

14. Doğrulama seti kullanmanın faydası nedir?

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

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

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

16. Destek vektör makinelerinin arkasındaki prensip nedir?

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

17. 'Transfer öğrenme' ne işe yarar?

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

18. Yapay zeka alanındaki başlıca zorluk nedir?

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

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

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

20. Denetimsiz öğrenmeye örnek olarak ne verilebilir?

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

21. Sınıflandırma görevleri için genellikle hangi algoritma kullanılır?

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

22. Sınıflandırma modelleri için yaygın bir değerlendirme ölçütü nedir?

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

23. Bunlardan hangisi bir derin öğrenme çerçevesidir?

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

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

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

25. Bunlardan hangisi yapay zekanın yaygın bir uygulamasıdır?

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

26. Denetimli öğrenmede yaygın olarak hangi algoritma kullanılır?

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

27. Aşağıdakilerden hangisi bir pekiştirmeli öğrenme algoritmasıdır?

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

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