MAKİNE ÖĞRENMESİ · Orta
Machine Learning Testi
Genelleme, metrik seçimi, veri sızıntısı, doğrulama tasarımı ve özellik mühendisliğini ölçen test.
- Soru
- 7
- Süre
- 12 dk
- Ölçülen beceri
- 6
- Seviye
- Orta
Kimler çözmeli?
Veri bilimi ve makine öğrenmesi mühendisliğiyle uğraşanlar.
Ölçülen beceriler
- Genelleme
- Metrik seçimi
- Deney tasarımı
- Özellik mühendisliği
- Model seçimi
- İzleme
Testi çöz
Her cevaptan sonra doğru yanıt ve açıklaması gösterilir. Sonuçta beceri bazlı kırılım ve eksik alan önerisi alırsın.
7 soruluk testi çözmeye hazır mısın?
Her cevaptan sonra doğru yanıt ve açıklaması gösterilir. Sonuçta beceri bazlı kırılım ve eksik alanlar için öneri alırsın.
Bu test neyi ölçüyor?
Test sonrası ne bildiğini değil, hangi beceride eksik olduğunu görürsün.
- 01
Aşırı uyumu ve veri sızıntısını işaretlerinden tanımak
- 02
Dengesiz sınıflarda doğru metriği seçmek
- 03
Zaman serisinde doğru doğrulama kurmak
Sorular sayfada görünür
Eğitim içeriği JavaScript arkasına gizlenmez. Aşağıdaki üç örnek soru, doğru cevapları ve açıklamalarıyla birlikte taranabilir durumdadır.
- Soru 01ml_003Genelleme · Orta · Genelleme
Eğitim doğruluğu %98, doğrulama doğruluğu %71 olan bir modelin temel sorunu nedir?
- AYetersiz uyum (underfitting)
- BAşırı uyum (overfitting)
- CVeri sızıntısı
- DSınıf dengesizliği
Açıklama
Eğitim ve doğrulama arasındaki büyük fark aşırı uyumun klasik işaretidir: model veriyi öğrenmek yerine ezberlemiştir. Yetersiz uyumda iki skor da düşük olurdu.
- Soru 02ml_006Metrikler · Orta · Metrik seçimi
Dolandırıcılık tespitinde (pozitif sınıf %0,3) hangi metrik yanıltıcıdır?
- AKesinlik (precision)
- BDuyarlılık (recall)
- CDoğruluk (accuracy)
- DF1 skoru
Açıklama
Her örneği "dolandırıcılık değil" diyen bir model %99,7 doğruluk alır ama hiçbir dolandırıcılığı yakalamaz. Dengesiz sınıflarda kesinlik, duyarlılık ve F1 anlamlı; doğruluk yanıltıcıdır.
- Soru 03ml_009Veri sızıntısı · İleri · Deney tasarımı
Özellik ölçekleme (normalizasyon) hangi aşamada yapılmalıdır?
- ATüm veri seti üzerinde, eğitim/test ayrımından önce
- BYalnızca eğitim kümesinde öğrenilip test kümesine uygulanmalı
- CHer katlamada (fold) tüm veriden yeniden öğrenilmeli
- DÖlçekleme sırası sonucu etkilemez
Açıklama
Ölçekleme parametreleri (ortalama, standart sapma) test verisini görürse sızıntı oluşur ve skor gerçekte olduğundan iyi çıkar. Parametreler yalnızca eğitim kümesinden öğrenilip teste uygulanır.
Skor nasıl okunur?
AI Curious
0–35
Kavramları duymuş, henüz haritası yok.
AI Explorer
36–60
Temelleri biliyor, uygulamada boşluklar var.
AI Practitioner
61–80
Uygulama kurabiliyor, değerlendirme eksik.
AI Builder
81–100
Üretim sistemi kurabiliyor ve ölçebiliyor.
Ölçmeye devam et
- Makine ÖğrenmesiMakine Öğrenmesi Testi — Başlangıç6 soru · 8 dk
- Makine ÖğrenmesiMakine Öğrenmesi Testi — İleri6 soru · 15 dk
- Yapay Zekâ TemelleriAI Temelleri Testi7 soru · 8 dk
- Derin ÖğrenmeDeep Learning Testi6 soru · 12 dk
- Derin ÖğrenmeDerin Öğrenme Testi — Orta6 soru · 12 dk
- Üretken Yapay ZekâGenerative AI Testi6 soru · 9 dk
LEARN
Eksik çıkan beceriyi kapat
Test sonucun beceri grafiğine işlenir; sistem hangi dersle devam etmen gerektiğini söyler.