SOAL KKA MACHINE LEARNING

SOAL KKA MACHINE LEARNING

7th Grade

10 Qs

quiz-placeholder

Similar activities

Browser, Search Engine, Email

Browser, Search Engine, Email

7th Grade

10 Qs

Tes Ekonomi Berbagi

Tes Ekonomi Berbagi

7th Grade

10 Qs

Sumatif Harian 3

Sumatif Harian 3

7th Grade

12 Qs

DATA ANALYTICS USING EXCEL

DATA ANALYTICS USING EXCEL

7th Grade

15 Qs

Quiz 1

Quiz 1

1st - 12th Grade

15 Qs

LMS dan Media Pembelajaran SMP Ricci 1

LMS dan Media Pembelajaran SMP Ricci 1

7th - 9th Grade

10 Qs

Latihan Soal Informatika Analisis Data Kelas 7

Latihan Soal Informatika Analisis Data Kelas 7

7th Grade

14 Qs

Python List

Python List

4th Grade - University

15 Qs

SOAL KKA MACHINE LEARNING

SOAL KKA MACHINE LEARNING

Assessment

Quiz

Computers

7th Grade

Practice Problem

Hard

Created by

Wenni Putri Wahyuni Widayanti

FREE Resource

AI

Enhance your content in a minute

Add similar questions
Adjust reading levels
Convert to real-world scenario
Translate activity
More...

10 questions

Show all answers

1.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

Manakah dari pernyataan berikut yang paling tepat mendeskripsikan algoritma Gradient Descent?

A.Sebuah metode optimisasi untuk menemukan nilai minimum dari sebuah loss function.

B.Sebuah teknik untuk mengurangi jumlah fitur dalam dataset.

C.Sebuah algoritma klasifikasi berbasis probabilitas.

D.Sebuah metode untuk mengelompokkan data ke dalam cluster.

G.Sebuah teknik untuk mengurangi kompleksitas model dengan pruning.
A.Sebuah metode optimisasi untuk menemukan nilai minimum dari sebuah loss function.
F.Sebuah algoritma untuk mengoptimalkan proses pengambilan keputusan.
E.Sebuah metode untuk meningkatkan akurasi model dengan menambah data.

2.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

Dalam Decision Tree, metrik seperti Gini Impurity atau Entropy digunakan untuk apa?

A.Menghitung akurasi akhir dari model.

B.Menentukan kedalaman maksimum pohon.

C.Melakukan pruning (pemangkasan) pada pohon.

D.Memilih fitur terbaik untuk membagi (*split*) data pada setiap node.

E.Menentukan jumlah maksimum fitur yang digunakan.
G.Memvalidasi data yang digunakan untuk pelatihan.
F.Menghitung waktu eksekusi model.
D.Memilih fitur terbaik untuk membagi (*split*) data pada setiap node.

3.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

Apa tujuan utama dari teknik regularisasi seperti L1 (Lasso) dan L2 (Ridge) dalam model regresi?

A.Untuk meningkatkan kompleksitas model.

B.Untuk mengurangi overfitting dengan membatasi besarnya koefisien.

C.Untuk melakukan seleksi fitur secara otomatis.

D.Untuk mempercepat waktu training model.

B.Untuk mengurangi overfitting dengan membatasi besarnya koefisien.
G.Untuk mengoptimalkan penggunaan memori saat training.
F.Untuk mengurangi jumlah data yang diperlukan untuk training.
E.Untuk meningkatkan akurasi model secara langsung.

4.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

Manakah di antara metrik berikut yang paling sensitif terhadap kelas minoritas dalam masalah klasifikasi yang tidak seimbang (*imbalanced classification*)?

A.Spesifisitas (Specificity)

B.Presisi (Precision)

C.Akurasi (Accuracy)

D.Recall (Sensitivity)

D.Recall (Sensitivity)
G.Misclassification Rate
F.Kappa Statistic
E.F1 Score

5.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

Seorang analis data ingin mengelompokkan pelanggan ke dalam beberapa segmen berdasarkan perilaku pembelian mereka tanpa adanya label kategori sebelumnya. Pendekatan machine learning manakah yang paling sesuai untuk tugas ini?

A.Reinforcement Learning

B.Unsupervised Learning

C.Semi-supervised Learning

D.Supervised Learning

F.Clustered Learning
E.Reinforced Learning
B.Unsupervised Learning
G.Labelled Learning

6.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

Manakah dari teknik berikut yang sering digunakan untuk mengurangi dimensi data (dimensionality reduction)?

 

A. K-Fold Cross-Validation

B. Principal Component Analysis (PCA)

C. Gradient Descent

D. One-Hot Encoding

B. Principal Component Analysis (PCA)
F. Support Vector Machines
G. Decision Trees
E. Linear Regression

7.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

4. overfitting terjadi ketika sebuah model machine learning...

 

A. Gagal mengenali pola pada data training

B. Bekerja sangat baik pada data training, tetapi buruk pada data baru (unseen data)

C. Membutuhkan waktu komputasi yang sangat lama untuk training

D. Memiliki performa yang sama baiknya pada data training maupun data testing

B. Bekerja sangat baik pada data training, tetapi buruk pada data baru (unseen data)
D. Menghasilkan model yang terlalu sederhana
C. Memiliki akurasi yang tinggi pada data baru
A. Gagal mengenali pola pada data testing

Create a free account and access millions of resources

Create resources

Host any resource

Get auto-graded reports

Google

Continue with Google

Email

Continue with Email

Classlink

Continue with Classlink

Clever

Continue with Clever

or continue with

Microsoft

Microsoft

Apple

Apple

Others

Others

Already have an account?