UTS Algoritma Deep Learning ATA 2020/2021 | Kelas Sebelah 😉

 

Ujian Tengah Semester

Algoritma Deep Learning ATA 2020/2021

“Kelas Sebelah”

Jika ada kesalahan dalam menjawab soal uts tersebut saya mohon maaf. Diharapkan bagi kalian mengkoreksi kembali agar tidak terjadi ambigu dalam diri kalian masing – masing. Terima kasih

1.    Belajar dari pengalaman, memakai konsep reward dan punishment dalam proses learning adalah algoritma...

a. Bayesian Learning

b. Concept Learning

c. Reinforcement Learning

d. Clustering

 

2.    Manakah yang bukan merupakan tahapan pelatihan jaringan?

a. Tahap perambatan baik (backward propagation)

b. Tahap penentuan input dan output

c. Tahap perambatan maju (forward progation)

d. Tahap perubahan bobot dan bias

 

3.    Mesin yang dapat "berfikir" digambarkan sebagai automaton (semacam robot) yang terbuat dari perunggu yang diciptakan untuk melindungi Eropa dinamakan .....

Select one:

a. Ashimo

b. Artemis

c. Thanos

d. Thalos

 

4.    Salah satu masalah yang sering muncul apabila model jaringan saraf tiruan memiliki banyak layer adalah

Select one:

a. Vanishing Gradient

b. High loss

c. Over fitting

d. Slow Computation

 

5.    ... adalah suatu bidang keilmuan yang berisi tentang pembelajaran komputer/mesin untuk menjadi cerdas

Select one:

a. Deep Learning

b. Machine Learning

c. Data Science

d. Artificial Intelligence

 

6.    Penentuan topologi, pemilihan fungsi aktivasi, dan pemilihan fungsi pelatihan jaringan berada pada tahap mana dalam penyelesaian masalah menggunakan metode Jaringan Syarat Tiruan menggunakan Multilayer Percepteron?

Select one:

a. Identifikasi masalah

b. Inisialisasi dan pembentukan jaringan

c. Pelatihan jaringan

d. Menyiapkan training data set

 

7.    Sifat jaringan syaraf tiruan adalah sebagai berikut, kecuali

Select one:

a. Adaptif

b. Linear

c. Non-linear

d. Mampu belajar

 

8.    Berikut ini adalah algoritma yang bisa dipakai sebagai rekomendasi barang, kecuali

Select one:

a. Rule Mining

b. Nearest Neighbour

c. Collaborative Filtering

d. Clustering

 

9.    Gunakan semua aktivasi, namun kurangi mereka dengan faktor p berada pada tahap ....... di

dropout

Select one:

a. Output

b. Pengujian

c. Input

d. Pelatihan

 

10. Yang bukan merupakan jenis proses belajar machine learning adalah .......

Select one:

a. Supervised learning

b. Reinforcement learning

c. Inforcement learning

d. Unsupervised learning

 

11. Berikut adalah kegunaan fungsi aktivasi, kecuali .....

Select one:

a. Untuk pengambilan keputusan

b. Untuk crawling data

c. Untuk pengenalan pola

d. Untuk prediksi

 

12. Algoritma yang memanfaatkan proses seleksi alamiah yang dikenal dengan proses evolusi adalah

Select one:

a. Bayesian Learning

b. Concept Learning

c. Genetic Algorithm

d. Clustering

 

13. Jika nilai learning rate ķecil, maka ......

Select one:

a. Kecepatan belajar cepat dan stabil

b. Kecepatan belajar lambat dan tidak stabil

c. Kecepatan belajar cepat dan tidak stabil

d. Kecepatan belajar lambat dan stabil

 

14. Manakah algoritma yang dapat dipakai untuk deteksi spam?

Select one:

a. Rule Mining

b. Nearest Neighbour

c. Clustering

d. Collaborative Filtering

 

15. Tidak melibatkan jawaban dalam data, termasuk ke dalam unsupervised learning, hanya membuat suatu klasifikasi tanpa label / jawaban, labelisasi pemberian jawaban menjadi tanggung jawab user adalah algoritma

Select one:

a. Genetic Algorithm

b. Bayesian Learning

c. Clustering

d. Concept Learning

 

16. … mempelajari teori agar komputer mampu "belajar" dari data

Select one:

a. Neural Network

b. Machine Learning

c. Artificial Inteliigence

d. Data Mining

 

17. Machine learning tersusun dari beberapa bidang ilmu, kecuali ..

Select one:

a. Statistik

b. Computer Vision

c. Data Mining

d. Biologi

 

18. Jangkauan nilai dari learning rate (n) adalah ........

Select one:

a. η > 0

b. 0 < η

c. 0 < η <1

d. n > 1

 

19. Model matematis untuk menghitung jumlah neuron dengan bias adalah

Select one:

a. a = f (w*p-b)

b. a = f (w*p)

c. f = m*a

d. a = f (wp+b)

 

20. Manakah yang bukan tahapan dalam penyelesaian masalah menggunakan metode Jaringan Syarat Tiruan menggunakan Multilayer Percepteron?

Select one:

a. Menyiapkan training data set

b. Inisialisasi dan pembentukan jaringan

c. Analisis masalah

d. Identifikasi masalah

 

21. Untuk mempercepat komputasi pada Deep Learning digunakan .....

Select one:

a. SSD

b. GPU

c. RAM

d. CPU

 

22. Arsitektur jaringan syaraf tiruan terdiri dari sebagai berikut, kecuali.....

Select one:

a. Hidden layer

b.Input layer

c. Output layer

d. Visible layer

 

23. ... adalah pendekatan regularisasi pada jaringan syaraf tiruan yang membantu mengurangi pembelajaran interdependen di antara neuron

Select one:

a. Backpropagation

b. Fungsi Aktivasi

c. Perceptron

d. Dropout

 

24. Belajar dari contoh, termasuk ke dalam supervised learning, didasari pada Bayes Theorem, menggunakan data positif dan negatif tidak mengharuskan data harus konsisten adalah algoritma

Select one:

a Genetic Algorithm

b. Bayesian Learning

c. Clustering

d. Concept Learning

 

25. … adalah studi tentang teori dan pengembangan sistem komputer agar mampu melakukan tugas-tugas yang dahulu hanya dapat dilakukan oleh manusia

Select one:

a. Machine Learning

b. Artificial Intelligence

c. Neural Network

d. Data Mining

 

26. Belajar dari contoh pengurutan hipotesis dari umum ke spesifik, data harus konsisten, jawaban berada dalam 2 kemungkinan, ada atau tidak ada merupakan algoritma...

Select one:

a. Concept Learning

b. Genetic Algorithm

c. Bayesian Learning

d. Clustering

 

Jika nilai learning rate besar, maka yang

terjadi adalah .......

Select one:

a. Kecepatan belajar lambat dan tidak

stabil

b. Kecepatan belajar cepat dan stabil

c. Kecepatan belajar lambat dan stabil

d. Kecepatan belajar cepat dan tidak

stabil