अंतिम मूल्यांकन

कक्षा 11–12 के लिए AI — अंतिम मूल्यांकन

सभी बारह मॉड्यूलों से अनुप्रयोग-भारी प्रश्न, एक सुरक्षा, नैतिकता व गोपनीयता उपसमूह सहित। उत्तीर्णांक 75%। आवश्यकता हो तो केंद्रित पुनरावलोकन के बाद पुनः प्रयास करें।

1. इस पाठ्यक्रम का कार्यभार पारदर्शी कैसे वर्णित?

~12 घंटे निर्देशित अधिगम व ~8 घंटे प्रायोगिक व पोर्टफोलियो कार्य।ऐप के भिन्न भागों में भिन्न मान।ठीक 6 घंटे बिना प्रायोगिक कार्य।यह बिलकुल नहीं बताया।

2. AI, ML, गहन अधिगम व जनित AI कैसे संबंधित?

गहन अधिगम ML का, AI का हिस्सा; जनित AI आधुनिक अनुप्रयोग; सारा AI ML नहीं।वे चार असंबंधित क्षेत्र।सारा AI गहन अधिगम।जनित AI में सारा AI समाहित।

3. एक शिक्षक रिपोर्ट-टिप्पणियों में AI-मदद चाहता व नामों सहित अंकपत्र रखता। पहले क्या करना चाहिए? (गोपनीयता)

सभी पहचानकर्ता हटाएँ (विद्यार्थी A/B/C) या कृत्रिम डेटा उपयोग करें।नामों सहित पूरा अंकपत्र चिपकाएँ।सटीकता हेतु अधिक व्यक्तिगत विवरण जोड़ें।विद्यार्थी-फ़ोटो भी अपलोड करें।

4. Python में, अंकगणित से पहले `input(...)` को प्रायः `int(...)` से क्यों बदलना चाहिए?

`input` पाठ लौटाता, व बिना बदले पाठ पर अंकगणित नहीं कर सकते।Python संख्याएँ बिलकुल नहीं जोड़ सकता।`int()` कोड धीमा चलाता।यह कभी आवश्यक नहीं।

5. Pandas DataFrame में छूटे मान कैसे पहचानते?

`df.isnull().sum()` प्रति स्तंभ छूटे मान गिनता।`df.delete()` DataFrame हटाता।छूटे मान पहचाने नहीं जा सकते।`print(df)` उन्हें स्वतः ठीक करता।

6. डेटासेट का मानक विचलन आपको क्या बताता?

मान माध्य के इर्द-गिर्द कितना फैले।सर्वाधिक बारंबार मान।पंक्तियों की संख्या।दो स्तंभों के बीच सहसंबंध।

7. प्रशिक्षण व परीक्षण अंकों से आप अतिफिटिंग को अल्पफिटिंग से कैसे बता सकते?

अतिफिटिंग उच्च प्रशिक्षण पर कम परीक्षण-सटीकता; अल्पफिटिंग दोनों पर खराब।वे अंकों में समान दिखते।अतिफिटिंग दोनों पर खराब।केवल प्रशिक्षण-सटीकता मायने रखती।

8. समान अनुमानों हेतु RMSE आमतौर पर MAE से बड़ा क्यों?

RMSE त्रुटियाँ वर्ग करता, बड़ी को MAE से अधिक प्रवर्धित।RMSE बड़ी त्रुटियाँ अनदेखा करता।वे हमेशा बराबर।MAE त्रुटियाँ वर्ग करता, RMSE नहीं।

9. परिशुद्धता व प्रत्याह्वान कैसे गणना होते?

परिशुद्धता = TP/(TP+FP); प्रत्याह्वान = TP/(TP+FN)।परिशुद्धता = TP/(TP+FN); प्रत्याह्वान = TP/(TP+FP)।दोनों बराबर (TP+TN)/कुल।कोई भ्रम-मैट्रिक्स से गणना नहीं हो सकता।

10. K-निकटतम पड़ोसी एल्गोरिद्म नया बिंदु कैसे वर्गीकृत करता?

इसके k निकटतम लेबल पड़ोसियों के बहुमत-मत से।एक यादृच्छिक वर्ग चुनकर।एक न्यूरल नेटवर्क प्रशिक्षित कर।हमेशा पहला वर्ग चुनकर।

11. K-means क्लस्टरिंग के दो दोहराते चरण क्या?

बिंदु निकटतम सेंट्रॉइड को सौंपें, फिर सेंट्रॉइड बिंदुओं के माध्य पर ले जाएँ।डेटा बार-बार विभाजित व हटाएँ।एक निर्णय-वृक्ष दो बार प्रशिक्षित करें।इसके कोई दोहराते चरण नहीं।

12. Orange Data Mining को "नो-कोड" उपकरण क्या बनाता?

आप कोड लिखने के बजाय कैनवास पर दृश्य विजेट जोड़ते।यह आपके लिए सारा कोड स्वतः लिखता व छिपाता।यह मशीन लर्निंग नहीं कर सकता।यह केवल ऑनलाइन खाते से काम करता।

13. जब आप OpenCV से छवि लोड करते, यह क्या के रूप में संग्रहीत?

आकार (ऊँचाई, चौड़ाई, चैनल) सहित पिक्सेल-संख्याओं की सरणी।एक अकेला पाठ-लेबल।एक ध्वनि-फ़ाइल।कुछ नहीं — छवियाँ कोड में लोड नहीं हो सकतीं।

14. बड़े डेटा के 5 V क्या?

आयतन, वेग, विविधता, सत्यता, मूल्य।आयतन, वोल्टेज, विविधता, दृष्टि, मूल्य।वीडियो, आवाज़, वेक्टर, आयतन, विविधता।केवल आयतन व वेग।

15. कृत्रिम न्यूरॉन अपने इनपुट के साथ क्या करता?

इनपुट भार से गुणा, एक पूर्वाग्रह जोड़ता, व सक्रियण-फलन लगाता।यह इनपुट पर दिमाग-कोशिका की तरह सोचता।यह बिना गणना इनपुट संग्रहित करता।यह इनपुट हटाता।

16. एक वृहद भाषा मॉडल आगे कौन टोकन लिखना कैसे तय करता? (सुरक्षा)

यह संदर्भ से सर्वाधिक-संभावित अगला टोकन अनुमानता, तो आत्मविश्वास से गलत हो सकता।यह डेटाबेस में गारंटीशुदा तथ्य खोजता।यह कभी गलती नहीं करता।यह पाठ्यपुस्तक ठीक नकल करता।

17. क्या प्राप्ति-आधारित जनन AI आउटपुट सत्यापित करने की ज़रूरत हटाता? (सुरक्षा)

नहीं — यह मतिभ्रम घटाता पर आउटपुट फिर भी सत्यापित हों।हाँ — आधारित आउटपुट हमेशा सच।हाँ — तो सत्यापन कभी नहीं चाहिए।आधारण आउटपुट कम सटीक बनाता।

18. पाठ्यक्रम के सामग्री-नियमों अनुसार जनित AI कैसे पढ़ाया जाए? (नैतिकता)

विक्रेता-तटस्थ, उत्पाद केवल अवधारणाओं के उदाहरण उपयोग करते।एक व्यावसायिक उत्पाद को पूरी तकनीक पढ़ाकर।एक विशिष्ट सशुल्क उपकरण का प्रचार कर।भविष्य की अटकल तथ्य के रूप में प्रस्तुत कर।

19. कैपस्टोन समस्या निर्धारित करते 5W1H व एम्पैथी-मैपिंग क्यों?

वे परियोजना प्रामाणिक व मानव-केंद्रित रखते व व्यवहार्य निर्धारित करने में मदद।वे बिना लाभ कागज़ी काम जोड़ते।वे किसी डेटा की ज़रूरत हटाते।वे स्वतः शीर्ष अंक गारंटी करते।

20. खुली कैपस्टोन परियोजना-कार्य कैसे आँकी जाए? (नैतिकता)

एक मानव समीक्षक द्वारा रूब्रिक के विरुद्ध, अकेले स्वचालित ग्रेडिंग नहीं।बिना मानवीय समीक्षा एक AI ग्रेडर द्वारा।इसे नहीं आँका जाना चाहिए।केवल पृष्ठ-संख्या गिनकर।