AI TIG 177 GAMLA TENTOR

Question 1

Vilket påstående är sant?
Välj ett alternativ:

Enligt David Hume går all kunskap tillbaka på logik

Ada Lovelace var först med att programmera en maskin

Answer 1

Ada Lovelace var först med att programmera en maskin

Question 2

Vem skrev “Nothing in Biology Makes Sense Except in the Light of Evolution”?
Välj ett alternativ:

John McCarthy

Theodosius Dobzhansky

Charles Darwin

Answer 2

Theodosius Dobzhansky

Question 3

Vilket påstående är sant?
Välj ett alternativ:

Man känner inte till några effektiva algoritmer för handelsresandeproblemet

Man har numera tillgång till effektiva algoritmer för handelsresandeproblemet

Answer 3

Man känner inte till några effektiva algoritmer för handelsresandeproblemet

Question 4

Vilket påstående är sant?
Välj ett alternativ:

En violin plot innehåller mindre information än en box plot

En quiver plot använder pilar för att visualisera flöden

Answer 4

En quiver plot använder pilar för att visualisera flöden

Question 5

Vilket påstående är sant?
Välj ett alternativ:

Tiodimensionella dataset kan representeras som heat maps med tio färger

Tiodimensionella dataset kan representeras i ett tvådimensionellt kalkylark

Answer 5

Tiodimensionella dataset kan representeras i ett tvådimensionellt kalkylark

Question 6

Vilket påstående är sant?
Välj ett alternativ:

Navigatorer bygger på sökalgoritmer

Navigatorer bygger på maskininlärning

Answer 6

Navigatorer bygger på sökalgoritmer

Question 7

Vilket påstående är sant?
Välj ett alternativ:

Som regel är testmängden större än träningsmängden

Bootstrapping används för att skapa variation

Beslutsträd kan inte hantera numeriska features

Answer 7

Bootstrapping används för att skapa variation

Question 8

Vilket påstående är sant?
Välj ett alternativ:

Overfitting innebär att modellen är för grov

Med en confusion matrix kan man studera overfitting

Vid stora värden på k tenderar k-nn att ge overfitting

Answer 8

Med en confusion matrix kan man studera overfitting

Question 9

Vilket påstående är sant?
Välj ett alternativ:

L1 normen mäter det euklidiska avståndet

L1 normen kallas även Manhattanavståndet

Answer 9

L1 normen kallas även Manhattanavståndet

Question 10

Vilket påstående är sant?
Välj ett alternativ:

Beslutsträd är ett exempel på en ensemble-metod

En random forest är enklare att tolka än ett beslutsträd

Random forest bygger på att man väljer det bästa beslutsträdet

Answer 10

Beslutsträd är ett exempel på en ensemble-metod

Question 11

Vilket påstående är sant?
Välj ett alternativ:

Random forest har i allmänhet större problem med overfitting än beslutsträd

Random forest använder slump till både bootstrapping och restriktioner på träden

Bootstrapping av ett dataset D kan leda till mängder som innehåller fler element än D

Answer 11

Random forest använder slump till både bootstrapping och restriktioner på träden

Question 12

Vilket påstående är sant?
Välj ett alternativ:

Regularisering används för att minska overfitting

Outliers (omg outlier mentioned) sorteras automatiskt bort av regularisering

Regularisering innebär att man försöker reducera prediktionsfelen

Answer 12

Regularisering används för att minska overfitting

Question 13

Vilket påstående är sant?
Välj ett alternativ:

I DBSCAN anger man på förhand hur många kluster man vill ha

Klustring är en form av reinforcement learning

Klustring är en form av unsupervised learning

Answer 13

Klustring är en form av unsupervised learning

Question 14

Vilket av dessa påståenden om k-means klustring är korrekt?
Välj ett alternativ:

det är en metod för att konstruera k kluster

den bygger på att man successivt flyttar datapunkter närmare centralpunkterna

det är en metod för klustring i maximalt k dimensioner

Answer 14

det är en metod för att konstruera k kluster

Question 15

Vilket påstående är sant?
Välj ett alternativ:

Alla punkter kommer med i något kluster när man använder DBSCAN

Hierarkisk klustring tar inte med datapunkter som är outliers

Resultatet av hierarkisk klustring är ett dendrogram

Answer 15

Resultatet av hierarkisk klustring är ett dendrogram

Question 16

Supervised learning and unsupervised clustering both require which is correct according to the
statement.
Välj ett alternative:

hidden attribute

input attribute

output attribute

Answer 16

input attribute

Question 17

The output of training process in machine learning is _ _ _ _ _ _ _
Välj ett alternative:

machine learning model

null

accuracy

Answer 17

machine learning model

Question 18

Below is a truth table for a simple classification problem.
Object | Purple? | Round? | Eat?
————————————-
Blueberry | 1 | 1 | 1
Golf ball | 0 | 1 | 0
Violet | 1 | 0 | 0
Hot Dog | 0 | 0 | 1

Four labelled objects are required to be classified as eatable/edible or not. The ANN receives
as inputs a two-element vector of the object properties “purple”, “round” and must make the
decision (“eat” classification) based on those properties. Which of the following are true:
More than one correct answer:

The problem requires one (or more) hidden layers to solve.

The input-output mapping is linearly separable.

The problem can be viewed as a (Not) XOR problem (inverse of XOR problem).

Answer 18

The problem requires one (or more) hidden layers to solve.

The problem can be viewed as a (Not) XOR problem (inverse of XOR problem).

Question 19

How many weights (excluding threshold/bias weights) does a fully-connected/dense ANN with
two hidden layers consisting of 3 input nodes, 2 nodes in hidden layer 1, 2 nodes in hidden layer
2, and 1 output node, have?
Only one of the below is correct:

8

10

12

18

Answer 19

12

Question 20

Given an input vector of x = [x1,x2] where x1 = 0.25, x2 = 1.0, and a weight vector w = [1.0, 0.5],
what is the activation value as calculated by the dot product of x and w.
One correct answer:

[0.25, 0.5]

2.75

0.75

[1.25, 1.5]

Answer 20

0.75

Question 21

How many pooling maps does a standard ‘shallow’ Convolutional Neural Network (1 layer of
feature maps + 1 layer of pooling maps) have that uses 4 filters of dimensionality 3x3 over the
input image?
Choose one from the below

4

9

54

14

Answer 21

4

Question 22

Which of the below correctly describe similarities and differences between convolution filters
(used for encoding on feature maps) and pooling “filters” (used for encoding on pooling maps)?
Choose one from below

Convolution filters are used for dot product computations and pooling filters are used for
max or mean computations

Convolution filters are used for max or mean computations and pooling filters are used for
dot product computations

Only convolutional filters ‘scan’ over their processed inputs

Both types of filter have trainable weights

Answer 22

Convolution filters are used for dot product computations and pooling filters are used for max or mean computations

Question 23

Of the following, which is the best characterization of the Vanishing Gradient Problem
Choose one from below

A problem for backpropagating error terms where the ANN is shallow

Backpropagating error/loss leads to increasingly small values for updating the weights
nearer to the input layer of the neural network.

Answer 23

Backpropagating error/loss leads to increasingly small values for updating the weights
nearer to the input layer of the neural network.

Question 24

Which of the below best describes the term “local minimum” as compared to “global minimum”?
Choose one from below

A point at which the network loss is at its absolute minimum

A point at which the network loss is not at its potential minimum

Answer 24

A point at which the network loss is not at its potential minimum

Question 25

Which of the following make CNNs efficient with respect to the number of parameters they have as compared to “dense” ANNs? Välj ett alternative: Each feature map consists of a number of neurons whose encodings share a single filter of weights Adding convolutional layers to CNN always means having fewer parameters (weights) in the full network

Answer 25

Each feature map consists of a number of neurons whose encodings share a single filter of weights

Question 26

Which of the following are considered good stopping criteria when training ANNs? Välj ett alternative: Successive non decreasing loss/error for validation data checks Validation loss/error below validation loss

Answer 26

Successive non decreasing loss/error for validation data checks

Question 27

How can you handle missing or corrupted data in a dataset? Välj ett alternative: Drop missing rows or columns All of the above (lite oklart eftersom den är I mitten) Replace missing values with mean/median/mode

Answer 27

All of the above

Question 28

Machine learning algorithms build a model based on sample data, known as ................. Välj ett alternativ: Training Data None of the above Data Training Transfer Data

Answer 28

Training Data

Question 29

Common classes of problems in machine learning is .............. Välj ett alternativ: Classification Regression Clustering All of the above

Answer 29

All of the above

Question 30

Choose one from the below that best characterizes supervised learning? Välj ett alternative: Learning that compares ANN predictions about data to human labelled data Learning that is based on whether or not the output of the network gives a value (or values) of 1. Learning that compares ANN predictions about data to non-human labelled data Learning that is based on similarities between input values and output values

Answer 30

Learning that compares ANN predictions about data to human labelled data