3. Verktyg & API:er - AI II Flashcards

1
Q

Vad betyder “verktyg” och “API” inom AI och programmering?

A

Verktyg: Programvaror eller bibliotek som hjälper utvecklare att bygga, träna och använda AI-modeller (t.ex. TensorFlow, Keras, NumPy).

API (Application Programming Interface): Ett gränssnitt som gör det möjligt för program att kommunicera och använda funktioner från andra program eller tjänster (t.ex. OpenAI API för språkmodeller).

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
1
Q

Vad är Python och varför används det inom AI och maskininlärning?

A

Python är ett programmeringsspråk som är populärt inom AI på grund av sin enkelhet, stora bibliotek och stöd för vetenskaplig beräkning.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Vad är NumPy och vilken roll spelar det inom AI?

A

NumPy är ett bibliotek för numeriska beräkningar i Python. Det används inom AI för att hantera stora matriser och vektorer, vilket är viktigt för maskininlärning.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Vad är TensorFlow och varför är det viktigt inom AI?

A

TensorFlow är ett ramverk för maskininlärning och djupinlärning utvecklat av Google. Det används för att bygga och träna neurala nätverk.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Vad är Keras och hur skiljer det sig från TensorFlow?

A

Keras är ett högnivå-API för att bygga neurala nätverk. Det körs ovanpå TensorFlow och gör det enklare att designa och träna modeller.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Är TensorFlow och Keras en del av NumPy?

A

Nej, men de är relaterade!

NumPy är ett grundläggande bibliotek för numeriska beräkningar i Python, som hanterar matriser och vektorer effektivt.
TensorFlow är ett maskininlärningsramverk som använder NumPy-liknande datastrukturer (tensores) för att träna AI-modeller.
Keras är ett högre nivå-API som ligger ovanpå TensorFlow och förenklar skapandet av neurala nätverk.
Relationen: TensorFlow kan använda NumPy-arrayer som indata, men det är ett eget bibliotek. Keras är en del av TensorFlow och bygger på dess funktioner.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Vad är NumPy?

A

NumPy är ett matematikbibliotek för Python som erbjuder stöd för vektorer (arrayer), matrisoperationer och numeriska beräkningar. Det är särskilt användbart vid utveckling av neurala nätverk och är automatiskt installerat i Google Colab.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Varför skapades NumPy?

A

Python var ursprungligen inte designat för numeriska beräkningar, men lockade tidigt vetenskapliga och ingenjörsmässiga användare. Därför grundades en specialintressegrupp kallad “matrix-sig” år 1995 med syftet att definiera ett array-bibliotek.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Vad är en vektor i matematiska termer?

A

En vektor har både storlek och riktning och existerar i en vektorrum.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Vad avgör antalet dimensioner i en vektor?

A

Antalet dimensioner i vektorrummet bestämmer hur många komponenter (värden) vektorn har.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Hur definieras en 2-dimensionell vektor?

A

En 2D-vektor beskrivs med två tal [x,y] och har en riktning i ett 2-dimensionellt rum.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Vad är en array i programmering?

A

En array är en lista av nummer [x,y,z,…] som används för att representera matematiska vektorer i programmering.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q
A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q
A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q
A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q
A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q
A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q
A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q
A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q
A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly