Brainscape's Knowledge GenomeTM


Top Flashcards (Certified)
All Flashcards

- Ai Læring > AI Test Chatgpt > Flashcards

AI Test Chatgpt Flashcards

1
Q

Hvad betyder AI?

A

Et område i datalogi der skaber systemer som efterligner menneskelige kognitive evner.

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

Hvad er det vigtigste, AI gør for virksomheder?

A

Løser opgaver hurtigere og med færre fejl end mennesker alene.

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

Hvad er forskellen på data og information i AI-sammenhæng?

A

Data er rå tal og tekst; information er de mønstre AI finder i data.

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

Hvorfor er data afgørende for AI-projekter?

A

Modeller lærer direkte af data, så kvalitet og volumen styrer resultatet.

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

Hvad menes med ‘model’?

A

En matematisk repræsentation som omdanner inddata til forudsigelser.

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

Hvad er træning af en model?

A

Proces hvor modellen justerer vægte baseret på eksempler for at mindske fejl.

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

Hvad er inferens?

A

Når den færdigtrænede model bruges til nye, usete data.

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

Hvorfor taler man om ‘human in the loop’?

A

For at sikre at mennesker kvalitetstjekker AI-output ved vigtige beslutninger.

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

Hvad er Machine Learning (ML)?

A

En undergren af AI hvor modeller lærer mønstre fra data uden hårdkodede regler.

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

Hvad er Deep Learning (DL)?

A

ML-teknik med mange lag af neurale net der håndterer komplekse og ustrukturerede data.

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

Hvad er Natural Language Processing (NLP)?

A

Feltet som gør computere i stand til at forstå og generere menneskesprog.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Hvad er Generative AI (Gen AI)?

A

Modeller der skaber nyt indhold som tekst, billeder eller kode på baggrund af et prompt.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Hvordan hænger AI, ML og DL sammen?

A

AI er paraplyen, ML ligger under, og DL er en metode inden for ML.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Hvad er et foundation model?

A

En stor, bredt trænet model som kan finjusteres til mange opgaver.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Hvad er purpose-built modellering?

A

Små, fokuserede modeller lavet til én specifik opgave.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Hvorfor er begrebsafklaring vigtig for en CEO?

A

Præcist sprog sikrer realistiske forventninger og korrekt ressourceallokering.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Hvad er Supervised Learning?

A

Træning med mærkede data hvor facit er kendt.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

Giv et eksempel på Supervised Learning i forretning.

A

Churn-forudsigelse baseret på historiske kundeprofiler.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

Hvad er Unsupervised Learning?

A

Træning med umærkede data for at finde skjulte grupper eller mønstre.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

Giv et eksempel på Unsupervised Learning.

A

Segmentering af webshop-kunder efter købsadfærd.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

Hvad er Reinforcement Learning (RL)?

A

En agent lærer gennem prøv-og-belønning i et miljø.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
22
Q

Nævn en RL-anvendelse i erhverv.

A

Dynamisk prissætning der maksimerer omsætning.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

Hvad er Transfer Learning?

A

At genbruge viden fra én model til en beslægtet opgave for at spare data.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
24
Q

Hvad er Self-supervised Learning?

A

Modeller der skaber egne labels fra rå data og lærer uden manuel mærkning.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
25
Hvad betyder 'feature'?
En målbar egenskab der beskriver data for modellen.
26
Hvad er feature engineering?
At vælge og omforme features for at forbedre præcision.
27
Hvad er overfitting?
Modellen lærer støj i træningsdata og præsterer dårligt på nyt data.
28
Hvad er underfitting?
Modellen er for enkel og fanger ikke vigtige mønstre.
29
Hvad er regularisering?
Teknikker der forhindrer overfitting ved at straffe komplekse vægte.
30
Hvad betyder 'hyperparameter'?
En indstilling valgt før træning, fx læringsrate.
31
Hvad er cross-validation?
At teste modellen på flere dataopdelinger for at måle generalisering.
32
Hvad bruges ROC-kurven til?
At evaluere klassifikationsmodeller via forhold mellem hitrate og falsk alarm.
33
Hvad er et neuralt netværk?
Et lagdelt system af noder der vægter signaler for at lære mønstre.
34
Hvad gør backpropagation?
Regner fejl baglæns for at opdatere vægte.
35
Hvorfor er GPU-er vigtige for DL?
De håndterer parallelle beregninger og forkorter træningstid.
36
Hvad er en CNN bedst til?
Billed- og videodata hvor mønstergenkendelse er nødvendig.
37
Hvad er en RNN bedst til?
Sekventielle data som tekst eller tidsserier.
38
Hvad løser en LSTM-celle?
Husker langtidssammenhænge i sekvenser og reducerer gradientproblemer.
39
Hvad er attention-mekanismen?
Giver modellen fokus på de mest relevante dele af input.
40
Hvorfor er Transformer-arkitekturen vigtig?
Den skalerer godt og håndterer lange sekvenser uden recurrency.
41
Hvad er tokenisering?
At dele tekst op i ord, tegn eller subord.
42
Hvad er Named Entity Recognition (NER)?
At finde og klassificere navne på personer, steder mv. i tekst.
43
Hvad er sentimentanalyse?
At vurdere om en tekst er positiv, negativ eller neutral.
44
Giv et chatbot-eksempel.
Virtuel assistent der besvarer spørgsmål døgnet rundt.
45
Forskel på generativ og ekstraktiv tekst-summarisering?
Generativ skriver nyt resumé; ekstraktiv udvælger sætninger.
46
Hvorfor er kontekst vigtig i sproganalyse?
Den afgør betydning af ord med flere tolkninger.
47
Hvad er speech-to-text?
AI der omdanner lyd til skrevet tekst.
48
Hvad er prompt-engineering?
At formulere input til Gen AI så output bliver mere relevant.
49
Hvad gør en generativ model?
Skaber nyt indhold baseret på lærte mønstre.
50
Hvad er en Large Language Model (LLM)?
Stor Transformer-model trænet på massive tekstmængder.
51
Nævn tre typer output fra Gen AI.
Tekst, billeder, kode.
52
Hvad er en hallucination?
Overbevisende men falsk information fra modellen.
53
Hvorfor er menneskelig kontrol vigtig ved Gen AI?
For at faktatjekke og undgå juridiske problemer.
54
Hvordan sparer Gen AI tid i marketing?
Skriver udkast til mails, blogindlæg og annoncer på sekunder.
55
Hvad er en GAN?
Generator og discriminator trænes mod hinanden for realistisk output.
56
Hvad er finetuning?
Yderligere træning af en generel model på egne data.
57
Hurtigste gevinst ved AI?
Automatisering af gentagne opgaver med færre fejl.
58
Hvor meget tid kan AI automatisere ifølge McKinsey?
Op til 70 %.
59
Hvad giver anbefalingsmotorer webshoppen?
Mere relevans og højere omsætning.
60
Hvordan forbedrer AI beslutninger?
Analysere mønstre og give forudsigelser i realtid.
61
Typisk forbedring i forecast-nøjagtighed?
15-20 %.
62
Hvordan reducerer AI driftsomkostninger?
Optimerede ruter, lagerstyring og prædiktiv vedligehold.
63
Hvorfor måles ROI på AI-projekter?
For at bevise værdi og prioritere investeringer.
64
Hvilken rolle spiller workflow-design?
Nyt design frigør størst effekt af teknologien.
65
Hvad er prædiktiv vedligehold?
AI forudser maskinfejl før de sker.
66
Hvordan reducerer AI menneskelige fejl?
Systemer bliver ikke trætte og følger regler konsekvent.
67
Hvad er RPA?
Automatisering af regelbaserede opgaver, som kan kombineres med AI.
68
Betydningen af 24/7 kundeservice?
Kunder får svar når som helst.
69
Hvor kan AI øge databehandlingshastighed?
Analyse af store datasæt 20-30 % hurtigere.
70
Hvad er predictive routing?
AI vælger rute efter trafik og vejr.
71
Hvordan mindsker AI lagerbinding?
Forudsiger efterspørgsel og justerer bestillinger.
72
Hvad gør computer vision i kvalitetssikring?
Kameraer opdager fejl i realtid.
73
Hvad er algoritmisk bias?
Fejl der favoriserer eller diskriminerer grupper.
74
Hvad er Explainable AI (XAI)?
Metoder der gør afgørelser forståelige.
75
Hvorfor er data-governance vigtig?
Kvalitet, sikkerhed og compliance starter med god styring.
76
Hvad er GDPR-relevant ved AI?
Persondata må kun bruges lovligt og gennemsigtigt.
77
Hvad er en AI-ethics board?
Tværfagligt udvalg der overvåger ansvarlig brug.
78
Hvad er adversarial angreb?
Manipuleret input der narrer en model.
79
Hvordan håndteres IP-risiko ved Gen AI?
Klare politikker for træningsdata og output.
80
Hvorfor er energiforbrug et tema?
Store modeller kræver meget strøm og vand til køling.
81
Hvad gør AI for lead scoring?
Rangere leads efter sandsynlig konvertering.
82
Hvordan hjælper AI supply chain?
Tidlig varsling om leverandør- og fragtrisici.
83
Hvad er en HR-chatbot god til?
Svar om løn, ferie og politikker straks.
84
Hvordan forbedrer AI kreditscoring?
Vurderer evne til betaling med flere datakilder.
85
Hvad er computer vision i detailhandlen?
Måler hyldeopfyldning og kundestrømme.
86
Hvordan sparer AI tid i økonomi?
OCR læser fakturaer og bogfører automatisk.
87
Hvad kan Gen AI betyde for udvikling?
Automatisk generering af kodeudkast og tests.
88
Hvorfor er tværfunktionel datadeling vigtig?
Indsigter fra ét område forbedrer et andet.
89
Hvorfor skal CEO eje AI-strategien?
Tydelig prioritering og budget kræver ledelsens mandat.
90
Største flaskehals for AI-vækst?
Mangel på kvalificerede medarbejdere.
91
Hvad er et Center of Excellence for AI?
Internt team der sætter standarder og støtter projekter.
92
Hvorfor er løbende læring vigtig?
Feltet ændrer sig hurtigt; kompetencer skal opdateres.
93
Hvad er en data-produkt-tankegang?
At se data og modeller som vedligeholdelseskrævende produkter.
94
Hvad betyder 'minimum viable model'?
Lille model der beviser værdi før skalering.
95
Hvornår vælges en Small Language Model (SLM)?
Snæver opgave, følsom data og lavt ressourceforbrug.
96
Hvorfor er samarbejde mellem IT og forretning afgørende?
AI skal løse reelle forretningsproblemer.
97
Hvad er agentic AI?
Autonome software-agenter der planlægger og handler på brugerens vegne.
98
Hvad betyder multimodal AI?
Modeller der kombinerer tekst, billede, lyd og video.
99
Hvad er hovedfordelen ved ASIC-chips til AI?
Bedre ydelse pr. watt end generelle GPU-er.
100
Hvorfor bliver ansvarlig AI endnu vigtigere frem mod 2025?
Regulering og kundernes tillid kræver større transparens og sikkerhed.

- Ai Læring (4 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2025 Bold Learning Solutions. Terms and Conditions