YAPAY ZEKÂ VE ÜRETİM · Orta
Yapay Zekâ ve Üretim Testi — Orta
Kestirimci bakım ve görsel kalite denetiminin hangi koşulda kazanç ürettiğini, çıkarımın kenarda mı merkezde mi koşacağını ve devreye almanın risklerini ölçen test.
- Soru
- 6
- Süre
- 12 dk
- Ölçülen beceri
- 4
- Seviye
- Orta
Kimler çözmeli?
Üretim, bakım ve kalite ekiplerinde yapay zekâ projelerini yürüten mühendisler için; temel makine öğrenmesi kavramları varsayılır.
Ölçülen beceriler
- Kestirimci bakım muhakemesi
- Görsel denetim tasarımı
- Kenar ve merkez ödünleşimi
- Hat entegrasyonu riski
Testi çöz
Her cevaptan sonra doğru yanıt ve açıklaması gösterilir. Sonuçta beceri bazlı kırılım ve eksik alan önerisi alırsın.
6 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
Kestirimci bakımın etiket ve arıza geçmişi önkoşulunu değerlendirmek
- 02
Nadir kusur sınıfında hangi ölçütün raporlanacağını seçmek
- 03
Çıkarım yerini gecikme bütçesi ve yönetim yüküyle gerekçelendirmek
Sorular sayfada görünür
Eğitim içeriği JavaScript arkasına gizlenmez. Aşağıdaki üç örnek soru, doğru cevapları ve açıklamalarıyla birlikte taranabilir durumdadır.
- Soru 01yapay-zeka-ve-uretim-orta-1Arıza geçmişi ve etiket · Orta · Kestirimci bakım muhakemesi
Bir tesiste kestirimci bakım projesi başlatılırken en belirleyici önkoşul hangisidir?
- ASensör örnekleme sıklığının bütün hatlarda mümkün olan en yüksek değere çıkarılması
- BGeçmiş arızaların zamanı, türü ve yapılan müdahaleyle birlikte kayıtlı olması
- CHat kenarına yeterince güçlü bir çıkarım donanımının kurulmuş olması
- DBakım ekibinin çıktıyı izleyeceği bir panonun önceden hazırlanması
Açıklama
Kestirimci bakım denetimli bir öğrenme problemidir: "arıza yaklaşıyor" etiketi geçmiş arıza kayıtlarından üretilir, kayıt yoksa öğrenilecek hedef de yoktur. Örnekleme sıklığı çekicidir çünkü daha çok veri iyi görünür; ancak etiketsiz yüksek frekanslı sinyal önce depolama maliyeti üretir, arıza öncesi örüntüyü tanımlamaya tek başına yetmez.
Machine Learning girdisini oku - Soru 02yapay-zeka-ve-uretim-orta-2Nadir kusur ölçümü · Orta · Görsel denetim tasarımı
Hatta kusur oranı çok düşükken görsel denetim modeli yalnızca isabet oranıyla ölçülüyorsa hangi yanılgı doğar?
- AModel bütün ürünleri sağlam sayarak yine de yüksek isabet gösterebilir
- Bİsabet oranı, kusurlu ürün sayısı arttıkça kendiliğinden yukarı çekilir
- Cİsabet oranı kamera çözünürlüğüne bağımlı hâle gelir ve hatlar karşılaştırılamaz
- Dİsabet oranı hat hızıyla dalgalanır ve gün içinde kararsız bir ölçüm verir
Açıklama
Sınıf dengesizliğinde isabet, yalnızca çoğunluk sınıfını söyleyerek de yüksek çıkar: kusur binde birse "hepsi sağlam" diyen bir model bile yüksek isabet raporlar, bu yüzden duyarlılık, kesinlik ve kaçırılan kusur sayısı ayrı raporlanır. Hat hızı çeldiricisi gerçek bir işletme sorunudur ama ölçütün değil koşulların dalgalanmasıdır; isabetin kendisini yanıltıcı kılan şey dengesizliktir.
Evaluation girdisini oku - Soru 03yapay-zeka-ve-uretim-orta-3Kenar çıkarım · Orta · Kenar ve merkez ödünleşimi
Hat üzerinde ürün başına milisaniyeler içinde karar verilmesi gerekiyorsa çıkarımın kenarda koşmasının asıl gerekçesi nedir?
- AKenar donanımı merkezdeki sunuculardan daha yüksek işlem gücü sunar
- BAynı model kenarda koştuğunda daha yüksek isabet oranı üretir
- CAğ turu ve merkez kuyruğu kalktığı için gecikme bütçesi öngörülebilir olur
- DModel güncellemeleri kenarda merkezdekine göre daha kolay yayılır ve yönetilir
Açıklama
Kenar çıkarımın kazancı işlem gücü değil, gecikmenin denetimidir: ağ turu, kuyruk ve değişken bant genişliği ortadan kalktığında karar süresi için bir üst sınır verilebilir hâle gelir. Güncelleme kolaylığı çekicidir çünkü kenarın yerel olması yönetimi de sadeleştirir sanılır; gerçekte sürüm yayımı ve izleme, dağınık cihazlarda merkeze kıyasla zorlaşır.
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
- Yapay Zekâ ve EğitimYapay Zekâ ve Eğitim Testi — Orta6 soru · 12 dk
- Yapay Zekâ ve SağlıkYapay Zekâ ve Sağlık Testi — Orta6 soru · 12 dk
- AB Yapay Zekâ Yasası (AI Act)AB Yapay Zekâ Yasası (AI Act) Testi — İleri6 soru · 15 dk
- AB Yapay Zekâ Yasası (AI Act)AB Yapay Zekâ Yasası (AI Act) Testi — Orta6 soru · 12 dk
- AI AgentsAI Agent Testi7 soru · 12 dk
- AI AgentsAI Agents Testi — Başlangıç6 soru · 8 dk
LEARN
Eksik çıkan beceriyi kapat
Test sonucun beceri grafiğine işlenir; sistem hangi dersle devam etmen gerektiğini söyler.