Makine Öğrenmesi 2023-2024 Final Soruları

1. Makine öğrenmesinde kullanılan özellik mühendisliğinde hangi veri seçim yöntemi, “özelliklerin hedef değişkenle olan ilişkisini değerlendirmek için istatistiksel testleri” kullanır?

A) Filtre Tabanlı Seçim
B) Gömülü Seçim
C) Rastgele Seçim
D) Sarma Tabanlı Seçim
E) Ayrık Değer Seçimi

Cevap : A) Filtre Tabanlı Seçim

2. Doğrusal Regresyon ve t-Dağıtılmış Stokastik Komşu Gömme (t-SNE) algoritmalarının benzer ve farklı yönleri nelerdir?

A) İkisi de regresyon amaçlı kullanılır; t-SNE regresyon katsayılarını belirler.
B) İkisi de ilişkilendirme analizi amaçlı kullanılır; t-SNE Apriori algoritmasını kullanır.
C) İkisi de hiyerarşik kümeleme amaçlı kullanılır; t-SNE hiyerarşik kümeleme yapar.
D) İkisi de kümeleme amaçlı kullanılır; t-SNE çok katmanlı analiz yapar.
E) İkisi de boyut azaltma amaçlı kullanılır; t-SNE doğrusal olmayan ilişkileri belirler.

Cevap : E) İkisi de boyut azaltma amaçlı kullanılır; t-SNE doğrusal olmayan ilişkileri belirler.

3. Aşağıda verilen hangi etik ilke yapay zeka sistemlerinin siber saldırılara karşı dirençli olmasını gerektirir?

A) Hesap Verebilirlik
B) Şeffaflık
C) Gizlilik ve Veri Yönetişimi
D) Teknik Sağlamlık ve Güvenlik
E) Çeşitlilik, Ayırımcılık Yapmama ve Adalet

Cevap : D) Teknik Sağlamlık ve Güvenlik

4. Denetim öğrenme algoritmalarından biri olan Apriori algoritması hangi özelliği dolayısıyla büyük veri kümeleri üzerinde çalışmaya uygundur?

A) Hafıza kullanımını optimize etme özelliği
B) Yalnızca önceden tanımlanmış veri türlerinde çalışma özelliği
C) Sadece çoklu işlemcili bilgisayarlarda çalışma özelliği
D) Sadece küçük veri kümeleri ile çalışma özelliği
E) Performans sorunlarına yol açmama özelliği

Cevap : A) Hafıza kullanımını optimize etme özelliği

5. Denetim öğrenme algoritmalarından biri olan Apriori algoritmasında “bir müşterinin bir ürünü satın alması durumunda diğer bir ürünün satın alınma olasılığını” belirlemek için hangi metrik kullanılır?

A) Lift
B) Güven
C) Destek
D) Regresyon
E) Kolerasyon

Cevap : B) Güven

6. Makine öğrenmesi modellerinin performans metriklerinden olan F1 Skoru, aşağıdaki hangi iki metriğin harmonik ortalamasıdır?

A) Doğruluk (Accuracy) ve Duyarlılık (Recall)
B) Özgüllük (Specificity) ve Duyarlılık (Recall)
C) Hassasiyet (Precision) ve Doğruluk (Accuracy)
D) Hassasiyet (Precision) ve Duyarlılık (Recall)
E) Doğruluk (Accuracy) ve Özgüllük (Specificity)

Cevap : D) Hassasiyet (Precision) ve Duyarlılık (Recall)

7. “Önyargısız yapay zeka” geliştirmenin etik açıdan çözeceği sorun aşağıdakilerden hangisinde doğru olarak verilmiştir?

A) Yapay zekanın insanlarla iletişim kurmasını engeller.
B) Yapay zekanın veri mahremiyetine saygı göstermesi önyargısını azaltabilir.
C) Yapay zekada yaşanan hız problemleri sorununu çözebilir
D) Sadece teknik bir sorun olduğu durumları önler
E) Cinsiyet, ırk ve diğer önyargıları azaltabilir.

Cevap : E) Cinsiyet, ırk ve diğer önyargıları azaltabilir.

8. Regresyon modellerinde kullanılan metriklerden biri olan R-Kare değeri için aşağıda verilen hangi performansın en iyi olduğu söylenebilir?

A) R-Kare değeri = 0.2
B) R-Kare değeri = 1.2
C) R-Kare değeri = – 0.2
D) R-Kare değeri = 0.99
E) R-Kare değeri = 0.7

Cevap : D) R-Kare değeri = 0.99

9. Python programlama dilinin öğrenilmesini ve uygulanmasını kolay kılan en önemli özelliği aşağıdakilerden hangisidir?

A) Birçok kütüphane ile entegrasyonunun güçlü olması
B) Dijital kaynaklarının fazla ve çok fazla doküman olması
C) Gramerinin diğer programlama dillerine yakın olması
D) Donanım kaynaklarını optimum kullanması
E) Dilinin temiz, okunabilir ve minimalist sözdizimi olması

Cevap : E) Dilinin temiz, okunabilir ve minimalist sözdizimi olması

10. Makine öğrenmesi modelleri için özellik çıkarma ve özellik seçimi neden önemlidir ve hangi durumlarda kullanılır?

A) Karmaşıklığı artırmak için; büyük veri setlerinde
B) Boyut azaltma için; veri setlerini daha az boyutta temsil etmek için
C) Doğrusal regresyon analizi yapmak için; küçük veri setlerinde
D) K-ortalama kümeleme için; karmaşık veri yapılarında
E) Doğrusal olmayan ilişkileri belirlemek için; büyük veri setlerinde

Cevap : B) Boyut azaltma için; veri setlerini daha az boyutta temsil etmek için

11. “Mevcut veriye dayanarak yeni özniteliklerin oluşturulması sürecidir.”
Yukarıdaki tanımda ifade edilen süreç aşağıdakilerden hangisidir?

A) Veri örnekleme
B) Veri dönüştürme
C) Özellik türetme
D) Veri ölçeklendirme
E) Aykırı değer tespiti

Cevap : C) Özellik türetme

12. Denetimsiz öğrenmede veri setindeki bağımlı değişken ile bağımsız değişken arasındaki (birliktelik kuralı) ilişki aşağıdaki yöntemlerden hangisi ile bulunabilir?

A) Naive bayes algoritması
B) Destek vektör makineleri algoritması
C) Apriori algoritması
D) Karar Ağaçları
E) K-En komşuluk algoritması

Cevap : C) Apriori algoritması

13. “….., veri setindeki genel eğilimin dışına çıkan veya diğer verilere kıyasla belirgin bir fark gösteren gözlemlerdir.”
Yukarıdaki cümlede boş bırakılan yere aşağıdakilerden hangisi getirilmelidir?

A) Eksik değerler
B) Normal dağılım değerleri
C) Yanlış değerler
D) Aykırı değerler
E) Ortalama değerler

Cevap : D) Aykırı değerler

14. Yapay zeka ile ilgili etik kurallar hangi temel prensiplere dayanmalıdır?

A) Kâr elde etme ve rekabetçi olma
B) Sadece insanlar için kullanılma
C) İnsan onurunu koruma ve insanlara zarar verme
D) Teknolojik üstünlük sağlama ve inovasyon
E) Toplumsal çıkarları yok sayma

Cevap : C) İnsan onurunu koruma ve insanlara zarar verme

15. Aşağıda verilen bilgilerden hangisi makine öğrenmesinin temel unsurlarından biri değildir?

A) Python ortamında kodlama
B) Öğrenme algoritmaları
C) Eğitim ve değerlendirme
D) Tune edilme ve geliştirme
E) Model oluşturma

Cevap : A) Python ortamında kodlama

16. Makine öğrenmesinde kullanılan özellik mühendisliğinde hangi veri dönüşüm yöntemi “belirli bir eşiğe göre özellikleri iki değerli (0 ve 1) hale getirme işlemi” için kullanılabilir?

A) Logaritmik Dönüşüm
B) One-hot Encoding
C) Standartlaştırma
D) Box-Cox Dönüşümü
E) Binarizasyon

Cevap : E) Binarizasyon

17. Destek vektör makineleriyle sınıflandırma işleminde margin değeri nasıl hesaplanır?

A) Karar doğruları altında kalan alandan
B) Sınır düzlemleri arasındaki mesafeden
C) İki düzleme de eşit uzaklıkta bulunan orta düzlemden
D) Karar doğruları üzerinde kalan düzlemden
E) İki veri kümesinin merkezleri arasındaki dağılımdan

Cevap : B) Sınır düzlemleri arasındaki mesafeden

18. Denetim öğrenme algoritmalarından biri olan Apriori algoritmasında “sıkça bir arada görülen öğeleri belirlemek” için hangi metrik kullanılır?

A) Destek
B) Birliktelik
C) Rastgele eşleşme
D) Lift
E) Güven

Cevap : A) Destek

19. Aşağıdakilerden hangisi makine öğrenmesi modelinin uygulanması ile ilgili hatalı veya eksik bir bilgidir?

A) Hangi algoritmaların kullanacağı seçilir ve ne kadar iyi performans gösterdiğini görmek için test edilir
B) Makine öğrenmesinden önce verilerin mutlaka istatistiksel olarak analizi gerçekleştirilir
C) Veriler toplanır, biçimlendirilir ve gerekirse (bazı öğrenme türlerinde etiket yoktur) veriler etiketlenir
D) Bu algoritmaların performansının arzu edilen doğruluk seviyesine ulaşıncaya kadar modelin eğitimi tekrarlanır
E) Sorunu çözmek için dikkate alınması gereken potansiyel veri girişleri belirlenir

Cevap : B) Makine öğrenmesinden önce verilerin mutlaka istatistiksel olarak analizi gerçekleştirilir

20. Makine öğrenmesi modellerinde kullanılan hangi metrik bir regresyon modelinin hata terimlerinin oto korelasyonunu ölçer?

A) Ortalama Karesel Hata (MSE)
B) Kök Ortalama Kare Hata (RMSE)
C) Durbin-Watson İstatistiği
D) Ortalama Mutlak Hata (MAE)
E) Shapiro-Wilk Testi

Cevap : C) Durbin-Watson İstatistiği