ISTQB CT-AI
ML मेट्रिक्स और न्यूरल नेटवर्क
आसान
ML कार्यात्मक प्रदर्शन मेट्रिक्स
- Classification में confusion matrix किन चार स्थितियों में अंतर करता है?
- यदि "स्पैम" पॉज़िटिव वर्ग है, तो स्पैम फ़िल्टर के लिए false positive (FP) का क्या अर्थ है?
- Accuracy की गणना कैसे की जाती है?
- Precision की गणना कैसे की जाती है?
- Recall की गणना कैसे की जाती है?
- Recall के लिए और कौन-सा नाम उपयोग किया जाता है?
- F1-score को कैसे परिभाषित किया जाता है?
- एक classifier से TP = 40, TN = 50, FP = 5 और FN = 5 मिलता है। Accuracy क्या है?
- एक मॉडल ने 40 मामलों का पॉज़िटिव के रूप में पूर्वानुमान लगाया, जिनमें से 30 वास्तव में पॉज़िटिव हैं। Precision क्या है?
- एक test dataset में 50 वास्तव में पॉज़िटिव मामले हैं, जिनमें से मॉडल 45 को पॉज़िटिव के रूप में पहचानता है। Recall क्या है?
- Classification मॉडल हर समय सब कुछ सही भविष्यवाणी क्यों शायद ही कभी करता है?
तंत्रिका नेटवर्क
- डीप neural network में किन तीन मुख्य प्रकार की परतें होती हैं?
- Single-layer perceptron का उपयोग किसके लिए किया जा सकता है?
- Hidden layers के न्यूरॉन को और क्या कहा जाता है?
- Neural network को प्रशिक्षित करते समय epoch क्या है?
- प्रशिक्षण की शुरुआत में neural network के weights और bias मान सामान्यतः कैसे आरंभ किए जाते हैं?
- Neural network के लिए विशेष कवरेज माप क्यों आवश्यक हैं?
- Neuron coverage क्या मापती है?
- Neural network कवरेज माप के लिए व्यावसायिक टूल की स्थिति क्या है?
- Neural network की output layer का कार्य क्या है?
मध्यम
ML कार्यात्मक प्रदर्शन मेट्रिक्स
- एक क्लासिफ़ायर TP = 80, FP = 20, FN = 40 और TN = 860 देता है। precision और recall क्या हैं?
- एक मॉडल 80% की precision और 60% का recall हासिल करता है। F1-score (पूर्णांकित) क्या है?
- एक क्लासिफ़ायर TP = 90, FP = 30, FN = 10 और TN = 70 देता है। कौन-से मान सही हैं?
- precision किस प्रश्न का उत्तर देती है?
- कम F1-score का क्या अर्थ है?
- शुरुआती कैंसर पहचान के एक मॉडल को बीमारी के वास्तविक मामलों में से यथासंभव कम चूकने चाहिए। कौन-सा मेट्रिक प्राथमिकता है?
- एक स्पैम फ़िल्टर को यथासंभव कम महत्वपूर्ण ईमेल गलती से स्पैम के रूप में छाँटने चाहिए। कौन-सा मेट्रिक (स्पैम = सकारात्मक) प्राथमिकता है?
- F1-score पर मानों की कौन-सी सीमा लागू होती है?
- एक मॉडल TP = 45, FP = 5, FN = 15 और TN = 35 देता है। कौन-से मान सही हैं?
- confusion matrix की प्रस्तुति के बारे में कौन-सा कथन सही है?
- एक मॉडल TP = 60, FP = 40, FN = 20 और TN = 880 देता है। accuracy क्या है?
तंत्रिका नेटवर्क
- इनपुट परत के बाद का कोई न्यूरॉन अपना एक्टिवेशन मान कैसे गणना करता है?
- प्रशिक्षण के दौरान उत्पन्न आउटपुट और ज्ञात सही परिणाम के बीच की त्रुटि (loss) का क्या होता है?
- किसी न्यूरॉन के बायस के बारे में कौन-से कथन सही हैं?
- एक डीप न्यूरल नेटवर्क आउटपुट तक पहुँचने के रास्ते में इनपुट डेटा को कैसे प्रोसेस करता है?
- fully connected नेटवर्क और perceptron का आपस में क्या संबंध है?
- k-multisection neuron coverage (kMNC) कैसे काम करता है?
- neuron boundary coverage (NBC) क्या मापता है?
- न्यूरल नेटवर्क के लिए कवरेज माप मुख्य रूप से किसलिए उपयोग किए जाते हैं?
- केवल संरचनात्मक कवरेज न्यूरल नेटवर्क के आकलन के लिए पर्याप्त क्यों नहीं है?
कठिन
ML कार्यात्मक प्रदर्शन मेट्रिक्स
- 1,000 लेन-देन में से 10 धोखाधड़ी वाले हैं। एक मॉडल सभी लेन-देन को "धोखाधड़ी नहीं" के रूप में वर्गीकृत करता है (धोखाधड़ी = positive)। कौन-से कथन सही हैं?
- एक मॉडल 1,000 मामलों के लिए TP = 8, FP = 2, FN = 2 और TN = 988 देता है। कौन-से मान सही हैं?
- मॉडल A की precision 90% और recall 50% है, मॉडल B की precision 70% और recall 70%। किस मॉडल का F1-score अधिक है?
- एक मॉडल सभी 1,000 मामलों को positive वर्गीकृत करता है; 50 वास्तव में positive हैं। कौन-से मान निकलते हैं?
- एक मॉडल का recall 90% है। test dataset में 200 वास्तव में positive मामले हैं। मॉडल ने उनमें से कितने छोड़ दिए?
- एक मॉडल ने 50 मामलों का पूर्वानुमान positive के रूप में किया है और उसकी precision 80% है। इनमें कितने झूठे अलार्म (false positives) हैं?
- एक confusion matrix अदला-बदली हुई अक्षों के साथ प्रस्तुत है: पंक्ति "वास्तव में positive": 70 का पूर्वानुमान positive, 30 का negative; पंक्ति "वास्तव में negative": 10 का पूर्वानुमान positive, 890 का negative। कौन-से मान सही हैं?
- Fraud detection में छूटे हुए धोखाधड़ी के मामले और झूठे अलार्म दोनों महँगे हैं। एकल सारांश मानदंड के रूप में कौन-सा मेट्रिक उपयुक्त है?
- एक मॉडल TP = 50, FP = 50, FN = 0 और TN = 900 देता है। कौन-से मान सही हैं?
तंत्रिका नेटवर्क
- एकल-परत perceptron कौन-सा तार्किक फलन सीख सकता है?
- Neural network के प्रशिक्षण के चरण किस क्रम में होते हैं?
- दो अन्यथा समान नेटवर्क केवल अपने activation function में भिन्न हैं। इससे क्या निष्कर्ष निकलता है?
- Deep neural networks के बारे में कौन-से कथन सही हैं?
- एक नेटवर्क में 200 न्यूरॉन हैं। टेस्टिंग के दौरान 150 न्यूरॉनों का आउटपुट निर्दिष्ट सीमा से अधिक होता है। Neuron coverage क्या है?
- एक नेटवर्क में 10 न्यूरॉन हैं जिनमें से प्रत्येक की आउटपुट सीमा k = 4 खंडों में बाँटी गई है। टेस्टिंग के दौरान 28 खंड सक्रिय होते हैं। kMNC क्या है?
- 50 न्यूरॉनों वाले नेटवर्क में टेस्टिंग के दौरान 5 न्यूरॉनों का आउटपुट प्रशिक्षण में देखी गई सीमा के बाहर है (अधिकतम से ऊपर या न्यूनतम से नीचे)। कौन-सा मापक किस मान के साथ निकलता है?
- एक test suite 100% neuron coverage प्राप्त करता है, फिर भी मॉडल क्षेत्र में थोड़े घुमाए गए चित्रों पर विफल होता है। कौन-सी व्याख्याएँ और परिणाम हैं?
- टेस्ट मूल्यांकन दिखाता है कि किसी hidden परत में न्यूरॉनों का एक समूह कभी सक्रिय नहीं होता। टेस्टर को कैसे प्रतिक्रिया देनी चाहिए?
- एक टीम जाँचना चाहती है कि उसके टेस्ट प्रशिक्षण में देखे गए न्यूरॉन आउटपुटों से परे के व्यवहार को भी कवर करते हैं या नहीं। कौन-सा coverage मापक सबसे उपयुक्त है?
- एक टेस्ट मैनेजर neural network के लिए क्लासिक statement और branch coverage को मुख्य मापक के रूप में उपयोग करना चाहता है। इसके विरुद्ध क्या बात है?