Logo
search
menuicon
thubnail
School Escape Room
Freestyle
High 3-common
Information Technology
기계학습 퀴즈
카야후
0
Original quiz maker -
국어김경배
Added question (19/ 20)
Allow incorrect answer
Show answer
public quiz

# 1

Multiple Choice

1. 다음 중 딥러닝에 대한 설명으로 적절하지 않은 것은?

  • ① 기계학습의 한 분야로 인간의 뉴런 구조를 모방했다.
  • ② 인공 신경망을 이용하여 기계학습을 구현하는 기술이다.
  • ③ 단일 퍼셉트론으로 복잡한 비선형 문제를 해결할 수 있다.
  • ④ 이미지, 비디오, 문장이나 문서, 음성 데이터 등을 다룰 수 있다.
  • ⑤ 인터넷의 발달로 많은 데이터를 공유할 수 있게 되면서 성능이 향상되었다.

# 2

Multiple Choice

2. 기계학습 모델 구현의 5단계 중 '데이터 탐색' 단계에서 수행하는 작업으로 옳지 않은 것은?

  • ① 수집한 데이터의 핵심 속성을 파악한다.
  • ② 데이터의 결측치나 이상치를 확인한다.
  • ③ 훈련 데이터와 테스트 데이터로 나눈다.
  • ④ 이미지나 텍스트 데이터의 전처리 방법을 고려한다.
  • ⑤ 모델의 성능을 평가하고 최적의 모델을 선택한다.

# 3

Multiple Choice

3. 다음 중 지도 학습과 비지도 학습의 차이에 대한 설명으로 가장 적절한 것은?

  • ① 지도 학습은 항상 이미지 데이터만 사용하고, 비지도 학습은 텍스트 데이터만 사용한다.
  • ② 지도 학습은 레이블이 있는 데이터를 사용하고, 비지도 학습은 레이블이 없는 데이터를 사용한다.
  • ③ 지도 학습은 컴퓨터 비전에만 사용되고, 비지도 학습은 자연어 처리에만 사용된다.
  • ④ 지도 학습은 수치 예측에만 사용되고, 비지도 학습은 범주 분류에만 사용된다.
  • ⑤ 지도 학습은 항상 비지도 학습보다 정확도가 낮다.

# 4

Multiple Choice

4. 예측 모델에 대한 설명으로 가장 적절한 것은?

  • ① 데이터를 미리 정의된 범주로 구분하는 모델이다.
  • ② 유사한 특성을 가진 데이터를 자동으로 그룹화하는 모델이다.
  • ③ 주어진 입력과 출력의 쌍을 학습한 후 새로운 데이터에 대한 연속적인 값을 예측하는 모델이다.
  • ④ 행동에 대한 보상이나 처벌을 통해 학습하는 모델이다.
  • ⑤ 이미지 내부의 객체를 탐지하는 모델이다.

# 5

Multiple Choice

2. 다음은 퍼셉트론에 대한 설명이다. 빈칸에 들어갈 말로 가장 적절한 것은? - 퍼셉트론은 여러 입력으로부터 하나의 결과를 출력하는 것으로, ( )이/가 자극을 전달하는 일련의 과정을 수학적으로 표현한 것이다.

  • ① 신경 세포 뉴런
  • ② 인공지능 시스템
  • ③ 기계학습 알고리즘
  • ④ 강화학습 모델
  • ⑤ 심층 신경망

# 6

Multiple Choice

15. 전통적인 프로그래밍 방식과 기계학습 방식의 차이점으로 가장 적절한 것은?

  • ① 전통적인 프로그래밍은 규칙을 주고 데이터를 입력하여 해답을 얻고, 기계학습은 데이터와 해답을 주어 규칙을 찾는다.
  • ② 전통적인 프로그래밍은 연속형 데이터만 처리하고, 기계학습은 범주형 데이터만 처리한다.
  • ③ 전통적인 프로그래밍은 소량의 데이터만 처리하고, 기계학습은 대량의 데이터만 처리한다.
  • ④ 전통적인 프로그래밍은 하드웨어에서 실행되고, 기계학습은 클라우드에서만 실행된다.
  • ⑤ 전통적인 프로그래밍은 고수준 언어를 사용하고, 기계학습은 저수준 언어만 사용한다.

# 7

Multiple Choice

9. 다음은 기계학습 모델 구현의 '문제 정의' 단계에 대한 설명이다. 빈칸에 들어갈 내용으로 가장 적절한 것은? - 문제 정의 단계에서는 실생활에서 해결하고자 하는 문제가 인공지능으로 해결할 수 있는 문제인지 살펴본 다음, 문제를 명확히 정의한다. 이때 어떤 종류의 문제인지를 파악해야 하는데, 예를 들어 ( ) 문제인지 아니면 ( ) 문제

  • ① 정형 데이터, 비정형 데이터
  • ② 실제 문제, 가상 문제
  • ③ 회귀, 분류
  • ④ 단기 문제, 장기 문제
  • ⑤ 지도 학습, 비지도 학습

# 8

Multiple Choice

7. 다음 중 인공지능 없이도 해결할 수 있는 문제는?

  • ① 스팸 메일 분류
  • ② 손글씨 인식
  • ③ 음성 명령 인식
  • ④ 날씨 데이터를 이용한 불쾌지수 계산
  • ⑤ 자율 주행 자동차의 장애물 인식

# 9

Multiple Choice

3. 딥러닝 모델의 학습 과정에서 가중치가 조정되는 원리를 가장 정확하게 설명한 것은?

  • ① 데이터를 가지고 예측한 값이 실젯값과 얼마나 다른지를 비교하여 틀린 만큼 가중치를 조절한다.
  • ② 데이터의 양이 많을수록 가중치는 항상 증가하는 방향으로 조절된다.
  • ③ 모든 퍼셉트론의 가중치는 동일한 값으로 설정된다.
  • ④ 가중치는 학습 초기에 한 번만 설정되고 이후에는 변하지 않는다.
  • ⑤ 가중치는 무작위로 변경되어 최적의 결과를 찾아낸다.

# 10

Multiple Choice

10. 다음 중 훈련 데이터에 대한 설명으로 가장 적절한 것은?

  • ① 모델의 학습에 사용하는 데이터이다.
  • ② 학습을 마친 모델의 성능을 평가하기 위해 사용하는 데이터이다.
  • ③ 가중치를 초기화하는 데 사용하는 데이터이다.
  • ④ 모델의 최종 배포 후 실제 예측에 사용되는 데이터이다.
  • ⑤ 학습 모델을 만들기 위해 사용하지 않는 데이터이다.

# 11

Multiple Choice

4. 다음 중 분류 모델의 개념에 대한 설명으로 가장 적절한 것은?

  • ① 새로운 데이터가 주어졌을 때 그 값을 수치적으로 예측하는 모델
  • ② 데이터를 미리 정의된 범주나 클래스로 구분하는 모델
  • ③ 유사한 특성을 가진 데이터를 자동으로 그룹화하는 모델
  • ④ 시계열 데이터에서 향후 값을 추정하는 모델
  • ⑤ 변수 간의 상관관계를 파악하여 인과관계를 도출하는 모델

# 12

Multiple Choice

6. 다음 중 인공지능으로 해결하면 좋은 문제의 특성으로 가장 적절한 것은?

  • ① 수식이나 단순한 규칙으로 쉽게 표현 가능한 문제
  • ② 데이터가 달라져도 같은 알고리즘이 적용되는 문제
  • ③ 계속해서 규칙을 새롭게 갱신해야 하는 문제
  • ④ 무작위 수를 뽑아서 해결해야 하는 문제
  • ⑤ 휴대 전화 요금과 같이 고정된 계산식이 있는 문제

# 13

Multiple Choice

12. 성능 평가 지표 중 '혼동 행렬(Confusion Matrix)'에 대한 설명으로 옳은 것은?

  • ① 학습 속도와 정확도의 관계를 나타내는 그래프이다.
  • ② 모델이 예측한 값과 실제 값을 비교하여 표로 나타낸 것이다.
  • ③ 데이터의 분포를 시각적으로 표현한 것이다.
  • ④ 학습 곡선을 통해 과적합 여부를 판단하는 도구이다.
  • ⑤ 여러 모델 간의 성능을 비교하는 그래프이다.

# 14

Multiple Choice

17. 다음 중 지도 학습 모델의 활용 분야로 가장 적절하지 않은 것은?

  • ① 이메일이 스팸인지 아닌지 분류하기
  • ② 주택 가격 예측하기
  • ③ 손 글씨 숫자 인식하기
  • ④ 고객 데이터를 비슷한 특성으로 그룹화하기
  • ⑤ 환자의 질병 여부 진단하기

# 15

Multiple Choice

11. 테스트 데이터의 중요성에 대한 설명으로 가장 적절한 것은?

  • ① 모델이 훈련 데이터에 과적합되는 것을 방지한다.
  • ② 모델의 범용성을 확인할 수 있다.
  • ③ 데이터의 전처리 과정을 간소화할 수 있다.
  • ④ 학습 속도를 빠르게 할 수 있다.
  • ⑤ 모델의 구조를 자동으로 최적화할 수 있다.

# 16

Multiple Choice

14. 기계학습(Machine Learning)의 개념에 대한 설명으로 가장 적절한 것은?

  • ① 인간이 미리 작성한 규칙에 따라 의사 결정을 하는 기술이다.
  • ② 기계가 스스로 데이터를 학습하여 자동으로 규칙을 찾아내는 기술이다.
  • ③ 센서로 환경을 인식하고 액추에이터로 행동하는 로봇 공학 기술이다.
  • ④ 데이터베이스에 저장된 정보를 검색하는 기술이다.
  • ⑤ 여러 대의 컴퓨터를 연결하여 계산 능력을 향상시키는 기술이다.

# 17

Multiple Choice

5. 다음에서 설명하고 있는 분류모델은? - 이 모델은 두 그룹이 있을 때 그룹을 분류하는 가장 공평한 구분선을 찾는다. 실제 데이터는 깨끗이 분류할 수 있는 것보다 데이터의 경계가 구분되지 않게 섞여 있는 것이 대부분이다. 이 모델은 몇 개의 데이터는 바르게 분류하기를 포기하고 선을 긋는 방식으로, 일부 오차를 인정하고 그 오류를 제외한 가장 좋은 구분선

  • ① k-최근접 이웃
  • ② 의사 결정 트리
  • ③ 서포트 벡터 머신
  • ④ 로지스틱 회귀
  • ⑤ 신경망 모델

# 18

Multiple Choice

19. k-평균 알고리즘(k-means clustering)에 대한 설명으로 옳지 않은 것은?

  • ① 비지도 학습 모델의 한 종류이다.
  • ② 주어진 데이터를 k개의 그룹으로 묶는다.
  • ③ 초기에 설정한 중심점을 기준으로 가까운 데이터를 찾아가며 중심을 이동시킨다.
  • ④ k의 개수를 정하는 것이 중요한 요소이다.
  • ⑤ 레이블이 있는 데이터를 사용하여 학습한다.

# 19

Multiple Choice

20. 다음 중 강화 학습(Reinforcement Learning)에 대한 설명으로 가장 적절한 것은?

  • ① 레이블이 있는 데이터를 사용하여 규칙을 찾는 학습 방법이다.
  • ② 레이블이 없는 데이터에서 패턴을 발견하는 학습 방법이다.
  • ③ 보상이나 처벌의 형태로 주어지는 피드백을 통해 최적의 행동 전략을 학습하는 방법이다.
  • ④ 입력값과 출력값의 쌍을 통해 함수 관계를 학습하는 방법이다.
  • ⑤ 데이터가 어떤 범주에 속하는지 분류하는 학습 방법이다.
Share to Google Classroom