Frågor baserade på tentan

Question 1

Vad går all kunskap tillbaka på enligt David Hume?

Answer 1

Sannolikheter

Question 2

Sant eller falskt?
Aristoteles studerade resonemang som är logiskt korrekta i kraft av sin form

Answer 2

Sant

Question 3

Sant eller falskt?
John McCarthy myntade begreppet “machine learning”

Answer 3

Falskt. Han myntade begreppet artificial intelligence.

Question 4

Hur många sensorer har Braitenbergfordon?

Answer 4

Två stycken

Question 5

Sant eller falskt?
En quiver plot använder färger för att visualisera funktionsvärden

Answer 5

Falskt

Question 6

Sant eller falskt?
En violin plot innehåller mer information än en box plot

Answer 6

Sant

Question 7

Kan tiodimensionella dataset representeras i kalkylark eller heat maps?

Answer 7

Kalkylark

Question 8

Vad är klassisk AI?

Answer 8

Klassisk AI kallas också ibland rule-based AI och bygger på förprogrammerade regler som agenten ska hålla sig till.

Question 9

Vad är machine learning?

Answer 9

Machine learning är system som kan lära sig själva.

Question 10

Bygger navigatorer på klassisk AI eller machine learning?

Answer 10

Klassisk AI

Question 11

Kan man studera vilka datapunkter som klassificerats rätt och fel i en confusion matrix?

Answer 11

Japp bror d kan man

Question 12

Vad är k-nn?

Answer 12

Står för k-nearest neighbours och är en maskinlärningsteknik som används vid klassificering och regression.

Question 13

Sant eller falskt?
Vid stora värden på k tenderar k-nn att ge overfitting

Answer 13

Falskt!

Question 14

Vilket påstående är sant?
Välj ett alternativ:
Beslutsträd kan hantera numeriska features
Beslutsträd kan alltid konstrueras så att de ger 100% accuracy på träningsmängden

Answer 14

Beslutsträd kan hantera numeriska features

Question 15

En mängd innehåller 2 lejon och 8 tigrar. Vad har den för Gini impurity?
Välj ett alternativ:
-0,52
-0.32
-0,42
-0.22

Answer 15

0.32

Question 16

Vilket påstående är sant?
Välj ett alternativ:
-Beslutsträd är ett exempel på en ensemble-metod
-Random forest bygger på majoritetsbeslut
-En random forest är enklare att tolka än ett beslutsträd

Answer 16

Random forest bygger på majoritetsbeslut

Question 17

Vilket påstående är sant?
Välj ett alternativ:
-Syftet med regularisering är att minska overfitting
-Regularisering är att man försöker minimera summan av de kvadrerade prediktionsfelen
-Outliers sorteras automatiskt bort av linjär regression

Answer 17

-Syftet med regularisering är att minska overfitting

Question 18

Vilken av dessa är en hyperparameter i DBSCAN?
Välj ett alternativ:
-Maximalt antal kluster
-Minsta antal punkter i ett kluster
-Minsta avstånd till grannar

Answer 18

-Minsta antal punkter i ett kluster

Question 19

Vilket av dessa påståenden om algoritmen k-means klustring är korrekt?
Välj ett alternativ:
-den använder sig av en slumpgenerator
-den returnerar en hierarki av kluster
-den bygger på att man flyttar datapunkterna närmare centralpunkterna
-den används för klustring i maximalt k dimensioner

Answer 19

den använder sig av en slumpgenerator

Question 20

Vad är hierarchial clustering?

Answer 20

The hierarchical clustering algorithm starts by considering each data point as a separate cluster and then iteratively merges the closest clusters together based on some distance metric. The algorithm continues merging the closest clusters until all data points belong to a single cluster or a predetermined number of clusters have been formed.

Question 21

Which of the following does both supervised learning and unsupervised learning require?
-input attribute
-output attribute
-hidden attribute

Answer 21

input attribute

Question 22

The output of training process in machine learning is _ _ _ _ _ _ _

Answer 22

machine learning model

Question 23

What is the maximum amount of classes if the input-output mapping is linearly separable?

Answer 23

2

Question 24

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
-12
-18

Answer 24

12

Question 25

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 25

0.75

Question 26

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
54
14

Answer 26

4 pooling maps. Anledning: det är 4 filters

Question 27

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
-Only convolutional filters ‘scan’ over their processed inputs
-Convolution filters are used for max or mean computations and pooling filters are used for
dot product computations

Answer 27

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

Question 28

Of the following, which is the best characterization of the Vanishing Gradient Problem
Choose one from below
-Backpropagating error/loss leads to increasingly small values for updating the weightsnearer to the input layer of the neural network.
-A problem for backpropagating error terms where the ANN is shallow

Answer 28

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

Question 29

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

Answer 29

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

Question 30

Which of the following make CNNs efficient with respect to the number of parameters they haveas compared to “dense” ANNs?
Välj ett alternativ:
-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 30

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

Question 31

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

Answer 31

-Successive non decreasing loss/error for validation data checks

Question 32

How can you handle missing or corrupted data in a dataset?
Välj ett alternativ:
-Drop missing rows or columns
-Replace missing values with mean/median/mode
-All of the above

Answer 32

-All of the above

Question 33

Machine learning algorithms build a model based on sample data, known as
……………..

Answer 33

Training data

Question 34

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

Answer 34

All of the above

Question 35

True or false: Bootstrapping allows us to choose the same training instance several times.

Answer 35

True