Einführung In Die Verfahren Künstlicher Intelligen
Einführung in die Verfahren Künstlicher Intelligen
Exam (elaborations)
Klausuraufgaben Einführung in die Verfahren Künstlicher Intelligenz, WS-2024, Prof. Dr. Michael Colombo
4 views 0 purchase
Course
Einführung in die Verfahren Künstlicher Intelligen
Institution
FOM Hochschule Für Oekonomie Und Management
Das Dokument zeigt mögliche Klausuraufgaben der Prüfung im Wintersemester 2024 im Spezialisierungsmodul Einführung in die Verfahren Künstlicher Intelligenz bei Prof. Dr. Michael Colombo an der FOM.
Es wird gezeigt wie die Klausur aufgebaut sein könnte, wie die Punkte verteilt werden und was...
Einführung in die Verfahren Künstlicher Intelligen
Einführung in die Verfahren Künstlicher Intelligen
All documents for this subject (1)
Seller
Follow
TomUlbrich
Reviews received
Content preview
Klausuraufgaben WS/2024
-Einführung in die Verfahren Künstlicher Intelligenz-
Dozent: Prof. Dr. Michael Colombo
Infos Vorab:
Anders als andere Klausuren ist die Klausur von Prof. Dr. Michael Colombo auf ein Maximum von 45
Punkten ausgelegt. Die Zeit von 90min bleibt, wodurch je Punkt etwa 2 min Bearbeitungszeit
vorgesehen sind.
Die Klausur ist in 3 Blöcke unterteilt. Diese geben jeweils 15 Punkte und sind für eine
Bearbeitungszeit von je 30 Min gedacht.
Der Erste Block besteht aus 15 Mul ple Choice Fragen – Hier ist i.d.R. eine rich ge Antwort aus 4
Antwortmöglichkeiten zu nennen. Der Zweite Block besteht aus zwei Textaufgaben, in denen
abgewandelte Formen der Gruppen oder Übungsaufgaben aus den Skripten und Vorlesungen
wideraufgegriffen werden. Der Dri e Block ist eine Art Transferaufgabe, bei der erworbenen
Kenntnisse aus der Vorlesung an einem reellen Beispiel umgesetzt werden.
Im Folgenden finden sich Beispielha e Aufgaben, wie Sie in einer vergangenen Klausur vorgekommen
sind.
1. Block: Mul ple-Choice (15x 1 Punkt = 15 Punkte)
Bei den Mul ple-Choice-Aufgaben 1–15 ist jeweils immer eine Aussage rich g. Für jede der Aufgaben
gibt es 1 Punkt.
1. Welche Aussage ist rich g? Maschinelles Lernen...
a. findet und generalisiert Muster in einem Datensatz
b. Erfordert große Datenmengen für das Modelltraining
c. erfordert die Überwachung durch einen Data Scien st
d. erfordert Zielwerte, die sogenannten 'Labels'
2. Welche Aussage ist rich g? Die Inferenz ist glaubwürdig, wenn...
a. die Merkmalswerte über das Trainingsintervall hinausgehen
b. die Zahl der Modellparameter größer ist, als die Zahl der Trainingsdatensätze
c. die Merkmalswerte durch die Trainingsdaten repräsen ert werden
d. der Merkmalsvektor hinreichend groß ist
, 3. Welche Phase ist NICHT Teil des CRISP-DM?
a. Evalua on
b. Monitoring
c. Modeling
d. Deployment
4. Lineare Regression – Welche Aussage ist rich g?
a. Erweitert das Perzeptron um eine Ak vierung
b. Wird durch Minimierung des Informa onsgewinns trainiert
c. Produziert als Vorhersagemodell eine Gerade
d. Ordnet der Beobachtung einen reellen Funk onswert zu
5. Random Forest – Welche Aussage ist rich g?
a. Mehrere zufällig ausgewählte Klassifika onsverfahren werden gleichzei g eingesetzt
b. Der Modawert aller Klassifika onen bes mmt die Klassifika on
c. Ein zufällig gewählter Entscheidungsbaum bes mmt die finale Klassifika on
d. Der Mi elwert aller Klassifika onen bes mmt die finale Klassifika on
6. Modellqualität – Welche Aussage ist rich g?
a. Overfi ng bezeichnet ein überdurchschni lich gutes Modell
b. Die Konfusionsmatrix zeigt die Qualität eines Klassifizierungsmodells
c. 'True Posi ve' ist ein Gütemerkmal für ein Modell
d. Accuracy ist der Anteil der Beobachtungen auf der Diagonale der Konfusionsmatrix
7. Unüberwachtes Lernen – Welche Aussage ist rich g?
a. Es wird ohne Merkmalsvektoren gearbeitet
b. Die fehlenden Labels werden über eine Zielfunk on ergänzt
c. Regression von abhängigen Massen interpre ert werden
d. Regression ist ein typischer Ansatz
8. Welche Aussage ist rich g? Clustering...
a. K nearest neighbours ist ein gängiges Verfahren
b. Bes mmt die Anzahl der Cluster in einer Datenmenge
c. Funk oniert mit verschiedenen Abstandsmaßen
d. Arbeitet immer hierarchisch
9. Welche Aussage ist rich g? Reinforcement Learning...
a. lernt durch Bestrafen von ‚gierigem‘ Verhalten in der Exploit Phase
b. ersetzt fehlende Label für das Lernen ohne eine Zielfunk on
c. dient der Op mierung von Spielautomaten
d. Steuert das Lernen durch einen Agenten
The benefits of buying summaries with Stuvia:
Guaranteed quality through customer reviews
Stuvia customers have reviewed more than 700,000 summaries. This how you know that you are buying the best documents.
Quick and easy check-out
You can quickly pay through credit card or Stuvia-credit for the summaries. There is no membership needed.
Focus on what matters
Your fellow students write the study notes themselves, which is why the documents are always reliable and up-to-date. This ensures you quickly get to the core!
Frequently asked questions
What do I get when I buy this document?
You get a PDF, available immediately after your purchase. The purchased document is accessible anytime, anywhere and indefinitely through your profile.
Satisfaction guarantee: how does it work?
Our satisfaction guarantee ensures that you always find a study document that suits you well. You fill out a form, and our customer service team takes care of the rest.
Who am I buying these notes from?
Stuvia is a marketplace, so you are not buying this document from us, but from seller TomUlbrich. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $6.96. You're not tied to anything after your purchase.