Apa itu Machine Learning?, Teknologi yang membuat komputer belajar dari data, Teknologi memasak otomatis, Sistem yang hanya menghitung angka, Program untuk menggambar, Alat untuk memperbaiki komputer, Mesin pencetak dokumen, Tujuan utama Machine Learning adalah…, Membuat komputer bisa memprediksi hal dari data, Menghapus file otomatis, Mengatur wallpaper komputer, Mempercepat internet, Menyimpan foto, Mengurangi ukuran aplikasi, Contoh penggunaan Machine Learning sehari-hari adalah…, Rekomendasi video YouTube, Kalkulator biasa, Lampu senter, Jam dinding, Penggaris, Kompas analog, Machine Learning bekerja dengan cara…, a. Belajar pola dari data, b. Membuat makanan, c. Mengisi baterai, d. Memperbaiki speaker, e. Menyolder kabel, f. Mengukur tinggi badan, Deep Learning adalah…, a. Bagian dari Machine Learning yang memakai banyak lapisan, b. Cara berenang lebih dalam, c. Seni menggambar, d. Alat pembesar suara, e. Teknik mengetik cepat, f. Sistem file, Artificial Neural Network (ANN) terinspirasi dari…, a. Otak manusia, b. Akar pohon, c. Tulang hewan, d. Roti sobek, e. Ban mobil, f. Kipas angin, Neuron dalam ANN adalah…, a. Unit yang memproses informasi, b. Alat pemotong kertas, c. Folder penyimpanan, d. Alat musik, e. Kabel USB, f. Obeng, Apa itu dataset?, a. Kumpulan data, b. Kumpulan baju, c. Koleksi batu, d. Set alat makan, e. Paket sepatu, f. Tumpukan kardus, Tujuan Deep Learning adalah…, a. Memahami pola kompleks dari data besar, b. Memperbaiki selang air, c. Mewarnai gambar, d. Mengganti oli motor, e. Mengasah pensil, f. Menambah foto di galeri, Jenis utama Machine Learning adalah…, a. Supervised, Unsupervised, Reinforcement, b. Hitam, putih, abu-abu, c. Besar, kecil, sedang, d. Kayu, besi, plastik, e. Air, tanah, api, f. Panas, dingin, lembab, Supervised Learning berarti…, a. Belajar dari data berlabel, b. Belajar sambil tidur, c. Belajar dari lagu, d. Belajar dari warna, e. Belajar dari angin, f. Belajar dari suara gelas, Unsupervised Learning berarti…, a. Belajar dari data tanpa label, b. Belajar dari udara, c. Belajar dari rasa makanan, d. Belajar dari getaran, e. Belajar dari benda bulat, f. Belajar dari arah angin, Reinforcement Learning berarti…, a. Belajar dari reward dan hukuman, b. Belajar sambil berlari, c. Belajar dari hujan, d. Belajar memutar kipas, e. Belajar membuat boneka, f. Belajar mendorong meja, Lapisan dalam Neural Network terdiri dari…, a. Input, Hidden, Output, b. Atas, Tengah, Bawah, c. Kiri, Kanan, Belakang, d. Depan, Belakang, Samping, e. Penuh, Setengah, Sedikit, f. Gelap, Terang, Abu, Fungsi lapisan input adalah…, a. Menerima data awal, b. Menghapus data, c. Memperbesar layar, d. Menyaring udara, e. Menimbang barang, f. Mengukur suhu, Fungsi lapisan output adalah…, a. Menghasilkan prediksi, b. Menyalakan lampu, c. Membuka pintu, d. Memotong kayu, e. Mengatur kipas, f. Mengubah warna layar, Hidden layer digunakan untuk…, a. Mengolah fitur, b. Menggambar, c. Memotong kuku, d. Mengisi tinta, e. Mengatur suara, f. Memasukkan password, Aktivasi (activation function) berfungsi untuk…, a. Menentukan apakah neuron aktif, b. Mengunci pintu, c. Mengatur kursi, d. Mengeringkan pakaian, e. Menghapus foto, f. Mengatur volume, Contoh aplikasi Deep Learning adalah…, a. Face recognition, b. Kalender kertas, c. Jam analog, d. Penggaris besi, e. Senter jadul, f. Kipas manual, Backpropagation adalah…, a. Proses memperbaiki bobot berdasarkan error, b. Proses menggambar ulang, c. Cara menyalakan AC, d. Teknik menyapu lantai, e. Teknik melipat kertas, f. Cara mencuci motor, Apa itu “fitur” dalam Machine Learning?, a. Informasi penting dari data, b. Alat untuk memperbaiki mesin, c. Warna keyboard, d. Suara dari speaker, e. Tinggi lemari, f. Jenis makanan, Mengapa data sangat penting dalam Machine Learning?, a. Karena model belajar dari data, b. Karena data membuat komputer lebih berat, c. Karena data bisa dijadikan wallpaper, d. Karena data bisa dimakan, e. Karena data membuat komputer dingin, f. Karena data membuat layar gelap, Apa itu “label” dalam supervised learning?, a. Jawaban yang benar untuk setiap data, b. Stiker harga, c. Tanda nama, d. Kode warna, e. Tanda panah, f. Gambar hewan, Training data digunakan untuk…, a. Melatih model, b. Menghapus file, c. Mengubah password, d. Memperbaiki kipas, e. Mengukur berat badan, f. Menata meja, Testing data digunakan untuk…, a. Menguji performa model, b. Menghitung uang, c. Menentukan warna tembok, d. Membuka jendela, e. Menutup botol, f. Menyiram tanaman, Apa itu “model” dalam Machine Learning?, a. Sistem yang membuat prediksi, b. Patung pajangan, c. Kursi plastik, d. Tas kulit, e. Baju olahraga, f. Gelas minum, Overfitting terjadi saat…, a. Model terlalu menghafal data training, b. Model lupa semua data, c. Komputer tidak menyala, d. Data berubah warna, e. Keyboard basah, f. Mouse tidak bergerak, Underfitting terjadi saat…, a. Model terlalu sederhana, b. Model belajar terlalu dalam, c. Komputer terlalu panas, d. Monitor mati, e. Kursi goyang, f. Buku hilang, Tujuan evaluasi model adalah…, a. Mengetahui seberapa baik model bekerja, b. Mewarnai layar, c. Mengubah bentuk mouse, d. Menghapus tombol keyboard, e. Mengganti kabel listrik, f. Membersihkan AC, Algoritma paling sering digunakan untuk ML pemula adalah…, a. Linear Regression, b. Teknik lompat tali, c. Teknik memasak nasi, d. Teknik mengunci pintu, e. Teknik menyiram bunga, f. Teknik mencetak kertas, Apa itu “prediksi” dalam Machine Learning?, a. Hasil yang ditebak oleh model, b. Warna favorit, c. Suara musik, d. Bentuk awan, e. Ukuran kertas, f. Aroma parfum, Contoh aplikasi ANN adalah…, a. Pengenalan suara, b. Kipas angin mini, c. Jam dinding, d. Bulpen merah, e. Topi cowboy, f. Sepatu olahraga, Kenapa disebut “neural network”?, a. Karena mirip jaringan neuron otak, b. Karena memakai kabel merah, c. Karena bentuknya seperti jaring laba-laba, d. Karena warnanya gelap, e. Karena dibuat dari kayu, f. Karena dipasang di tembok, Apa itu epoch dalam pelatihan model?, a. Satu kali model melihat semua data, b. Ukuran kayu, c. Jenis makanan, d. Warna cat, e. Bentuk meja, f. Suara mesin, Apa itu learning rate?, a. Seberapa cepat model belajar, b. Tingkat warna layar, c. Suhu dalam kulkas, d. Volume suara, e. Berat koper, f. Tinggi lemari, Kenapa Deep Learning butuh banyak data?, a. Karena semakin banyak data, semakin baik model belajar, b. Karena data bisa dijual, c. Karena membuat komputer lebih keren, d. Karena mempercantik wallpaper, e. Karena membuat ikon lebih besar, f. Karena membuat mouse lebih cepat, Contoh data yang bisa digunakan untuk ML adalah…, a. Gambar, teks, angka, b. Keramik, cat, batu bata, c. Roti, keju, susu, d. Jaket, topi, celana, e. Spidol, penghapus, papan tulis, f. Dompet, kacamata, jam tangan, Tujuan Neural Network adalah…, a. Meniru cara kerja otak untuk mengenali pola, b. Memotong kertas, c. Membersihkan kaca, d. Memperbaiki jalan, e. Mengganti rem sepeda, f. Mengatur AC, Apa itu akurasi dalam ML?, a. Persentase prediksi yang benar, b. Kecepatan angin, c. Warna langit, d. Tinggi bangunan, e. Suara air, f. Bentuk daun, Mengapa Machine Learning semakin populer?, a. Karena membantu otomatisasi dan analisis data, b. Karena membuat komputer wangi, c. Karena membuat kursi empuk, d. Karena membuat lampu kedap-kedip, e. Karena membuat dinding licin, f. Karena membuat sepatu ringan.

huha...

by
Print
Embed

Leaderboard

Visual style

Options

Switch template

Continue editing: ?