AUZEF Yapay Zeka ve Makine Öğrenmesi Çıkmış Sorular

İstanbul Üniversitesi AUZEF Yapay Zeka ve Makine Öğrenmesi dersinin vize, final ve bütünleme sınavlarına hazırlanmak için 16 soruluk havuz: çıkmış sınav sorularını cevaplarıyla çöz, yanlış yaptıklarını tekrar et, yolda sesli dinle.

Ders kodu: AYBS85014. sınıf Bahar16 soruSesli dinleme
Bu dersin 16 sorusunu ücretsiz çöz →

Yapay Zeka ve Makine Öğrenmesi konu özeti

Ders, yapay zekanın temel kavramlarını ve makine öğrenmesi yöntemlerini (k-EYK, Naive Bayes, karar ağaçları, k-Ortalamalar, regresyon, yapay sinir ağları, derin öğrenme) ele alır. Bu yöntemlerin Python ile uygulanması, veri ön işleme ve model başarımının ölçülmesi de konunun parçasıdır.

Veri türleri ve görselleştirme

Veri ön işleme ve model değerlendirme

k-En Yakın Komşu (k-EYK)

Naive Bayes

Karar ağaçları

Kümeleme (k-Ortalamalar)

Regresyon

Yapay sinir ağları, derin öğrenme ve dil modelleri

Önemli kavramlar

Ayrık veri
Sayılabilen, tam sayı değerler alan veri türüdür.
Sürekli veri
İki değer arasında sonsuz sayıda ondalıklı değer alabilen, ölçümle elde edilen veridir.
Çoğunluk oylaması
k-EYK'da en yakın komşular arasında en çok tekrar eden sınıfın yeni örneğe verilmesidir.
Entropi
Karar ağaçlarında belirsizliği ölçen değerdir.
Geriye yayılım
Çıktı hatasını çıkıştan girişe ileterek sinir ağı ağırlıklarını güncelleyen öğrenme algoritmasıdır.
Derin öğrenme
Çok katmanlı sinir ağlarıyla kavramları hiyerarşik biçimde öğrenen yaklaşımdır.
Büyük dil modeli
Çok büyük veriyle eğitilmiş, insan benzeri metin anlayıp üretebilen modeldir.
MinMaxScaler
Değerleri [0,1] aralığına ölçekleyen ön işleme aracıdır.
StratifiedKFold
Sınıf oranlarını koruyarak tabakalı çapraz geçerleme yapar.
Saçılım grafiği
İki sayısal değişken arasındaki ilişkiyi gösteren grafiktir (plt.scatter).
MSE
Gerçek ve tahmin değerler arasındaki hatayı ölçen regresyon başarı ölçütüdür.

Sınav ipuçları

Hangi sınavların soruları var?

2025 Final

Yapay Zeka ve Makine Öğrenmesi örnek sorular

Aşağıdaki sorular dersin konularından derlenmiştir; cevabı görmek için "Cevabı gör"e dokunun. Tüm soruları uygulamada çözebilirsiniz.

1. Naive Bayes Sınıflandırıcı konusunda verilen ifadelerden yalnızca biri hatalıdır. Bu hatalı ifade aşağıdakilerden hangisidir?

  1. Naive Bayes Sınıflandırıcı adındaki "naive", bu algoritmanın sınıflandırma için kullanılan tahmini sağlayan nitelikler arasındaki bağımsızlık varsayımı nedeni ile verilmiştir.
  2. Naive Bayes Sınıflandırıcı Bayes Teoremi'ne dayanır.
  3. Naive Bayes Sınıflandırıcı ile Bayes Sınıflandırıcı (Full Bayes Classifier) birbirinin aynısı yöntemlerdir.
  4. Naive Bayes Sınıflandırıcı ile çalışırken niteliklerin veri tipinin sürekli olması durumunda normal dağılıma uygun dağıldığı kabul edilerek, normal dağılım için olasılık yoğunluk fonksiyonu hesaplanabilir.
  5. Naive Bayes Sınıflandırıcı ile gerçekleştirilen analizler sonucunda olasılığı en yüksek çıkan sınıf değeri, sınıfı bilinmeyen örneğin sınıfı olarak atanır.
Cevabı gör

Doğru cevap: C) Naive Bayes Sınıflandırıcı ile Bayes Sınıflandırıcı (Full Bayes Classifier) birbirinin aynısı yöntemlerdir.
Her iki yöntem de Bayes Teoremi'ne dayansa da aynı değildir. Tam Bayes, nitelikler arasındaki tüm ortak etkileşimleri hesaplar ve ağır işlem yükü getirir. Naive Bayes ise niteliklerin birbirinden bağımsız olduğunu varsayarak problemi basitleştirir.

2. Aşağıdakilerden hangisi ayrık (discrete) veriye örnek değildir?

  1. Zar atıldığında üste gelen noktaların sayısı
  2. Bir sınıftaki öğrencilerin sayısı
  3. Bir kişinin boy uzunluğu
  4. Bir futbol takımının attığı gol sayısı
  5. Bir fabrikanın bir günde ürettiği ürün adedi
Cevabı gör

Doğru cevap: C) Bir kişinin boy uzunluğu
Sayısal veriler ayrık ve sürekli olarak ikiye ayrılır. Ayrık veriler sayılabilir, tam sayı değerler alır (öğrenci sayısı, gol sayısı, zar yüzü). Boy ise iki değer arasında sonsuz sayıda ondalıklı değer alabilen, ölçülerek elde edilen sürekli bir veridir.

3. ….. import KNeighborsClassifier Python'da k-En Yakın Komşu algoritmasıyla çalışacak bir araştırmacının, yukarıdaki kod satırında … ile belirtilen yeri doldurması için aşağıdakilerden hangisini yazması gerekir?

  1. from sklearn.model_selection
  2. import matplotlib.pyplot
  3. from sklearn.neighbors
  4. from sklearn.preprocessing
  5. from sklearn.metrics
Cevabı gör

Doğru cevap: C) from sklearn.neighbors
KNeighborsClassifier sınıfı scikit-learn kütüphanesinin neighbors modülünde yer alır. Bu nedenle doğru ifade “from sklearn.neighbors import KNeighborsClassifier” biçimindedir.

4. Bir telefon üreticisi, kullanım alışkanlıklarının günlük pil tüketimine etkisini incelemek için çoklu doğrusal regresyon modeli oluşturmuştur. Modelde β0 = 2,5 (sabit), β1 = 0,05 (CPU kullanım oranı) ve β2 = 0,03 (ekran parlaklığı) olarak bulunmuştur. CPU kullanım oranı 40, ekran parlaklığı 70 birim olan bir telefon için model, günlük ortalama pil tüketimini kaç olarak tahmin eder?

  1. 8.3
  2. 3.7
  3. 6.6
  4. 2.5
  5. 5.5
Cevabı gör

Doğru cevap: C) 6.6
Formül Y = β0 + β1·X1 + β2·X2'dir. Değerler yerine konunca Y = 2,5 + (0,05 × 40) + (0,03 × 70) = 2,5 + 2,0 + 2,1 = 6,6 bulunur.

5. I. Euclidean (Öklid) II. Manhattan III. Chebyshev IV. Cosine V. Jaccard VI. Adam Yukarıda sıralanan ölçülerden hangisi ya da hangileri, k-En Yakın Komşu algoritmasında örnekler arasındaki uzaklığı hesaplamak için seçilebilir?

  1. I, II, III, IV ve V
  2. I, II ve III
  3. I, II, III ve IV
  4. I ve VI
  5. I ve II
Cevabı gör

Doğru cevap: A) I, II, III, IV ve V
k-EYK'da yakınlık matematiksel uzaklık ölçüleriyle belirlenir. Öklid, Manhattan ve Chebyshev sayısal veride, Cosine metin gibi yüksek boyutlu veride, Jaccard ise ikili veride kullanılabilir. Adam bir uzaklık ölçüsü değil, derin öğrenmede kullanılan bir optimizasyon algoritmasıdır.

6. İnsan benzeri metinleri anlayıp üretebilen, çok büyük veri kümeleriyle eğitilmiş yapay zeka modellerine büyük dil modeli (large language model) denir. Aşağıdakilerden hangisi bu modellere örnektir?

  1. Turing Testi
  2. IoT
  3. API
  4. ChatGPT
  5. Deep Blue
Cevabı gör

Doğru cevap: D) ChatGPT
ChatGPT büyük dil modeli örneğidir. Turing Testi bir makinenin zekâsını ölçen yaklaşımdır, IoT nesnelerin internetidir, API yazılımlar arası arayüzdür, Deep Blue ise satranç oynayan bir bilgisayardır.

7. x = veri.yas y = veri.mutluluk … plt.xlabel(“Yaş”) plt.ylabel(“Mutluluk Oranı”) Yaş ile mutluluk arasında doğrusal bir bağıntı bulunup bulunmadığını grafikle görmek isteyen bir kişi, kodda … ile gösterilen satıra aşağıdakilerden hangisini yazmalıdır?

  1. plt.scatter(x, y)
  2. plt.boxplot(x, y)
  3. plt.heatmap(x, y)
  4. plt.hist(x, y)
  5. plt.pic(x, y)
Cevabı gör

Doğru cevap: A) plt.scatter(x, y)
İki sayısal değişken arasındaki ilişki saçılım grafiğiyle incelenir ve Matplotlib'te bu grafik plt.scatter() ile çizilir. Boxplot aykırı değerleri, heatmap yoğunluk ya da matrisleri, hist ise tek değişkenin dağılımını göstermek için kullanılır.

8. Yapay sinir ağlarının eğitilmesinde başvurulan öğrenme algoritması aşağıdakilerden hangisidir?

  1. k-Ortalamalar Algoritması
  2. k-En Yakın Komşu Algoritması
  3. C5.0 Algoritması
  4. Geriye Yayılım Algoritması
  5. Naive Bayes Algoritması
Cevabı gör

Doğru cevap: D) Geriye Yayılım Algoritması
Geriye yayılım algoritması, ağın çıktısındaki hatayı hesaplar ve bu hatayı çıkıştan girişe doğru ileterek nöronlar arasındaki ağırlıkları günceller. Diğer seçenekler yapay sinir ağı algoritması değildir: k-Ortalamalar kümeleme, k-EYK ve Naive Bayes klasik yöntemlerdir, C5.0 ise karar ağacı algoritmasıdır.

9. Model başarımını ölçmeyi amaçlayan bir araştırmacının yazdığı kod şöyledir: from sklearn.model_selection import StratifiedKFold k = 10 n = 2 perf_deg = StratifiedKFold(n_splits=k, shuffle=True, random_state=5) Bu kodun gerçekleştirdiği değerlendirme yöntemi aşağıdakilerden hangisidir?

  1. Tabakalı 5-kat çapraz geçerleme
  2. Tabakalı 10-kat çapraz geçerleme
  3. Tabakalı ikili ayırma
  4. Tabakalı 2-kat çapraz geçerleme
  5. Tekrarlı ikili ayırma
Cevabı gör

Doğru cevap: B) Tabakalı 10-kat çapraz geçerleme
StratifiedKFold sınıfı tabakalı çapraz geçerlemeyi uygular. n_splits parametresi veri kümesinin kaç parçaya bölüneceğini belirler ve burada k=10 verilmiştir. Böylece sınıf oranları korunarak 10 parçalı çapraz geçerleme yapılır.

10. I. ID3 II. ID4.5 III. C4.5 IV. C5.0 V. CART Sınıflandırma görevlerinde kullanılabilen karar ağacı algoritmaları, yukarıdakilerden hangisinde ya da hangilerinde yer almaktadır?

  1. Yalnızca III
  2. I, III, IV ve V
  3. I, II ve III
  4. I, III ve IV
  5. Yalnızca I
Cevabı gör

Doğru cevap: B) I, III, IV ve V
ID3 temel karar ağacı algoritmasıdır; C4.5 ve C5.0 onun geliştirilmiş sürümleridir. CART ise hem sınıflandırma hem regresyon için kullanılır. ID4.5 adlı yaygın bir algoritma yoktur.

Tüm 16 soruyu çözmeye başla →

Bu dersi alan bölümler

AUZEF Yönetim Bilişim Sistemleri (Lisans)16 soru →

Nasıl çalışmalı?

Önce "Vize (hepsi)" ya da "Final (hepsi)" ile geçmiş yılların sorularını çözün; aynı konular sınavlarda sık tekrarlanır. Yanlış yaptığınız sorular "Yanlışlar" bölümünde birikir, sınavdan önce onları yeniden çözün. Yolda ya da ev işi yaparken "Sesli Dinle" ile soruları ve cevaplarını dinleyebilirsiniz.

Sık sorulan sorular

AUZEF Yapay Zeka ve Makine Öğrenmesi çıkmış sorular nerede?

Mobil Defter'de AUZEF Yapay Zeka ve Makine Öğrenmesi dersinin vize, final ve bütünleme hazırlığı için 16 sorusu var (2025 Final). Soruları cevaplarıyla test olarak çözebilir, yanlışlarını ayrıca tekrar edebilir ve sesli dinleyebilirsin.

AUZEF Yapay Zeka ve Makine Öğrenmesi vize soruları ve final soruları ayrı çözülebilir mi?

Evet. Uygulamada "Final (hepsi)" düğmeleriyle yalnız o sınavın sorularını, yıl düğmeleriyle de tek bir yılın sınavını çözebilirsin.

AUZEF Yapay Zeka ve Makine Öğrenmesi çıkmış sorular PDF olarak indirilebilir mi?

Ayrı bir PDF dosyası yerine uygulamadaki "Kağıda yazdır" düğmesi dersin bütün sorularını ve cevap anahtarını yazdırılabilir sayfa olarak hazırlar; telefonda ya da bilgisayarda "PDF olarak kaydet" seçeneğiyle PDF yapabilirsin.

AUZEF Yapay Zeka ve Makine Öğrenmesi ders notları ve konu özeti var mı?

Evet. Bu sayfada dersin konu özeti var; uygulamadaki "Konu özeti" düğmesiyle özetin tamamını okuyabilir ya da sesli dinleyebilirsin.

AUZEF Yapay Zeka ve Makine Öğrenmesi soruları ücretli mi?

Hayır, ücretsiz. Ad, cep telefonu ve bölümünle bir dakikada üye olup bütün sorulara, yanlışlar listesine ve sesli dinlemeye erişebilirsin.

4. sınıf Bahar diğer dersler