Logo
search
menuicon
thubnail
The Witch's Magic
Sequencing
College
Engineering
w3b
PETER JOHN
1
Added question (20/ 20)
Allow incorrect answer
Show answer
public quiz

# 1

Multiple Choice

수치해석에서 해를 근사하기 위해 주로 사용하는 방법은 무엇인가요?

  • 단순 계산
  • 반복(iteration)
  • 그래프 그리기
  • 암기

# 2

Multiple Choice

알고리즘에서 반복(iteration)과 함께 핵심 개념으로 언급되는 것은 무엇인가요?

  • 초기화(initialization)
  • 갱신(대입, assignment)
  • 종료(termination)
  • 출력(output)

# 3

Multiple Choice

알고리즘이 점점 더 큰 값을 향해 가는 것을 무엇이라고 하나요?

  • 수렴(convergence)
  • 발산(divergence)
  • 안정화(stabilization)
  • 최적화(optimization)

# 4

Multiple Choice

코끼리를 냉장고에 넣는 3단계 알고리즘에서 첫 번째 단계는 무엇인가요?

  • 코끼리를 넣는다.
  • 냉장고 문을 닫는다.
  • 냉장고 문을 연다.
  • 냉장고 문을 닦는다.

# 5

Multiple Choice

하마를 냉장고에 넣는 4단계 알고리즘에서 코끼리를 꺼내는 이유는 무엇인가요?

  • 코끼리에게 먹이를 주기 위해
  • 하마가 들어갈 공간을 만들기 위해
  • 냉장고를 청소하기 위해
  • 코끼리를 더 시원하게 해주기 위해

# 6

Multiple Choice

점화식 xk+1 = 1.5 * xk + 1 에서 xk의 계수가 1.5일 때, 이 반복은 어떻게 될 가능성이 높을까요?

  • 수렴할 것이다.
  • 발산할 것이다.
  • 일정하게 유지될 것이다.
  • 무작위로 변할 것이다.

# 7

Multiple Choice

점화식 xk+1 = a * xk + b 에서 수렴을 보장하는 'a'의 조건은 무엇인가요?

  • |a| > 1
  • |a| = 1
  • |a| < 1
  • a = 0

# 8

Multiple Choice

고정점(fixed point)의 존재 여부와 수렴은 어떤 관계인가요?

  • 고정점이 있으면 반드시 수렴한다.
  • 고정점이 없으면 반드시 발산한다.
  • 고정점이 있어도 수렴하지 않을 수 있다.
  • 고정점의 존재 여부와 수렴은 상관없다.

# 9

Multiple Choice

점화식 xk+1 = 0.4 * xk + 0.1 에서 xk의 계수가 0.4일 때, 이 반복은 어떻게 될 것으로 예상되나요?

  • 발산할 것이다.
  • 수렴할 것이다.
  • 일정하게 유지될 것이다.
  • 음수가 될 것이다.

# 10

Multiple Choice

수치 계산에서 '상대 오차'는 무엇을 측정하는 데 사용되나요?

  • 계산 속도
  • 반복 횟수
  • 수렴 여부
  • 메모리 사용량

# 11

Multiple Choice

단순 합(simple sum) 알고리즘은 어떤 연산의 기본 블록이 되나요?

  • 덧셈과 뺄셈
  • 곱셈과 나눗셈
  • 내적, 평균, 분산
  • 조건문과 반복문

# 12

Multiple Choice

크기가 크게 다른 항들을 더할 때, 단순 합 알고리즘에서 발생할 수 있는 문제는 무엇인가요?

  • 계산 속도가 느려진다.
  • 메모리 공간이 부족해진다.
  • 부동 소수점 오차가 누적될 수 있다.
  • 결과가 항상 0이 된다.

# 13

Multiple Choice

Kahan Summation 알고리즘은 어떤 문제를 해결하기 위해 고안되었나요?

  • 반복 횟수를 줄이기 위해
  • 계산 속도를 높이기 위해
  • 부동 소수점 오차 누적을 최소화하기 위해
  • 메모리 사용량을 줄이기 위해

# 14

Multiple Choice

가중합(weighted sum)은 무엇과 동일한 연산이라고 볼 수 있나요?

  • 단순 합
  • 평균
  • 벡터 내적
  • 제곱근

# 15

Multiple Choice

가중합이 사용되는 예시로 가장 적절한 것은 무엇인가요?

  • 단순히 숫자들을 더하는 것
  • 두 개의 숫자를 곱하는 것
  • 가중 평균을 계산하는 것
  • 반복 횟수를 세는 것

# 16

Multiple Choice

선형 회귀에서 예측값 ŷ = wᵀx 는 어떤 연산을 나타내나요?

  • 단순 합
  • 가중 합 (벡터 내적)
  • 평균
  • 차분

# 17

Multiple Choice

NumPy 라이브러리를 사용하여 가중합(벡터 내적)을 계산할 때 주로 사용하는 함수는 무엇인가요?

  • np.sum()
  • np.mean()
  • np.dot()
  • np.std()

# 18

Multiple Choice

FMA (Fused Multiply-Add) 연산은 가중합 계산에서 어떤 이점을 제공하나요?

  • 계산 속도를 크게 느리게 한다.
  • 반올림 오차를 두 번 발생시킨다.
  • 반올림 오차를 한 번만 발생시켜 정밀도를 높인다.
  • 메모리 사용량을 증가시킨다.

# 19

Multiple Choice

Monte Carlo 방법으로 π 값을 근사할 때, 정사각형 안에 들어간 점의 개수를 무엇으로 나누어야 하나요?

  • 원 안의 점 개수
  • 정사각형의 넓이
  • 전체 뿌려진 난수 점의 개수
  • π 값

# 20

Multiple Choice

Monte Carlo 방법으로 π 값을 근사할 때, 표본 수가 많아질수록 근사 오차는 어떻게 변하나요?

  • 일정하게 유지된다.
  • 점점 커진다.
  • 점점 작아진다 (O(1/√N)에 비례)
  • 무작위로 변한다.
Share to Google Classroom