Üniversite Yapay Zeka Bilgi Yarışması Soruları

1. YZ sistemlerinin şeffaflığı için önerilen 'Model Cards' kavramı temel olarak neyi içerir?

A)Modelin mimarisi, sınırlılıkları ve kullanım amaçlarını içeren dokümantasyonu

B)Modelin kaynak kodlarının herkese açık olması zorunluluğunu

C)Modelin eğitildiği tüm verilerin ham halini

D)Modeli geliştiren mühendislerin özgeçmişlerini

2. Transformer mimarisindeki 'Residual Connections' (Artık Bağlantılar) neyi sağlar?

A)Derin ağlarda gradyanların daha kolay akmasını sağlayarak modelin eğitilebilirliğini artırır.

B)Modeldeki gereksiz nöronların bağlantısını keserek seyrek (sparse) bir yapı oluşturur.

C)Dikkat mekanizmasının hesaplama karmaşıklığını logaritmik seviyeye indirir.

D)Ağdaki tüm katmanların ağırlıklarını eşitler.

3. Makine öğrenmesinde 'bias-variance tradeoff' (yanlılık-varyans değiş-tokuşu) kavramına göre, modelin eğitim verisine aşırı uyum sağlaması (overfitting) durumu aşağıdakilerden hangisiyle doğrudan ilişkilidir?

A)Düşük yanlılık, yüksek varyans

B)Yüksek yanlılık, düşük varyans

C)Düşük yanlılık, düşük varyans

D)Yüksek yanlılık, yüksek varyans

4. Bir modelin 'Counterfactual Fairness' (Karşıolgusal Adalet) kriterini sağladığı ne zaman söylenir?

A)Modelin girdisi değiştirildiğinde (örneğin cinsiyet), tahmin sonucu değişmiyorsa

B)Model her zaman aynı sonucu veriyorsa

C)Model %99 doğruluk oranına ulaştıysa

D)Model sadece insan müdahalesiyle karar veriyorsa

5. Mini-batch Gradient Descent kullanılırken 'batch size' değerinin optimize edilmesi neden önemlidir?

A)Sadece GPU belleğini verimli kullanmak için

B)Donanım kullanımı ile yakınsama hızı arasında bir denge kurmak için

C)Hata fonksiyonunu her zaman global minimuma taşımak için

D)Veri setindeki gürültüyü tamamen yok etmek için

6. Düzenlileştirme (Regularization) tekniklerinden biri olan 'Dropout' katmanının temel işlevi nedir?

A)Nöronların rastgele devre dışı bırakılmasıyla aşırı öğrenmeyi önlemek

B)Modeli daha hızlı eğitmek

C)Gradyan patlamasını engellemek

D)Veri setini artırmak

7. Yapay zeka algoritmalarında 'Algoritmik Önyargı' (Algorithmic Bias) genellikle hangi kaynaktan beslenir?

A)Donanım arızalarından

B)Eğitim verisindeki tarihsel ve sosyal adaletsizliklerden

C)Yazılım dillerinin yapısından

D)İşlemci hızından

8. BERT (Bidirectional Encoder Representations from Transformers) modelini GPT'den ayıran en temel yapısal fark nedir?

A)BERT sadece decoder katmanlarını kullanırken, GPT sadece encoder katmanlarını kullanır.

B)BERT çift yönlü (bidirectional) bağlamı işlemek için sadece encoder katmanlarını kullanır.

C)BERT, Transformer mimarisini kullanmaz, bunun yerine derin CNN yapılarını tercih eder.

D)GPT, maskelenmiş dil modelleme (MLM) görevini kullanırken BERT sadece auto-regressive yöntem kullanır.

9. Otonom araçlarda bilgisayarlı görme sistemlerinde kullanılan LiDAR sensörleri görüntü işleme açısından hangi temel avantajı sağlar?

A)Yalnızca renk bilgisini sağlar

B)Derinlik ve mesafe bilgisini sağlar

C)Yalnızca kenar tespiti yapar

D)Sadece iki boyutlu görüntü üretir

10. Bilgisayarlı görüde (Computer Vision) evrişimli sinir ağlarının (CNN) en önemli avantajı nedir?

A)Veri setindeki gürültüyü tamamen yok etmesi

B)Görüntüdeki hiyerarşik özellikleri (kenarlar, dokular, nesneler) mekansal değişmezlikle öğrenmesi

C)Görüntü işleme hızını donanımdan bağımsız kılması

D)Her zaman daha az eğitim verisine ihtiyaç duyması

11. SHAP (SHapley Additive exPlanations) yöntemi makine öğrenmesinde hangi etik/teknik gereksinimi karşılar?

A)Modelin enerji verimliliğini artırmak

B)Modelin tahminlerine etki eden özelliklerin (features) katkısını açıklamak

C)Veri setini otomatik olarak temizlemek

D)Modelin siber saldırılara karşı dayanıklılığını ölçmek

12. Backpropagation algoritmasının 'feed-forward' aşamasından farkı nedir?

A)Hata sinyalinin çıktı katmanından giriş katmanına doğru geriye yayılmasıdır

B)Sadece ağırlıkların güncellenmesi aşamasıdır

C)Aktivasyon fonksiyonlarının hesaplanması aşamasıdır

D)Verinin ağa ilk kez girdiği aşamadır

13. Aşağıdakilerden hangisi derin öğrenmede 'Exploding Gradient' probleminin bir belirtisidir?

A)Modelin eğitim sırasında ağırlıklarının NaN (Not a Number) değerine dönüşmesi

B)Eğitim hatasının çok yavaş azalması

C)Test hatasının eğitim hatasından çok daha düşük olması

D)Aktivasyon fonksiyonunun doyması

14. Backpropagation algoritması temel olarak hangi matematiksel kurala dayanır?

A)Taylor Serisi Açılımı

B)Zincir Kuralı (Chain Rule)

C)L'Hôpital Kuralı

D)Kramer Kuralı

15. Transformer mimarisinde 'Layer Normalization' neden kritiktir?

A)Eğitimin kararlılığını artırmak ve eğitim süresini kısaltmak.

B)Modelin çıktısını 0 ile 1 arasına sıkıştırmak.

C)Sadece modelin boyutunu küçültmek.

D)Girdi verisindeki düşük frekanslı gürültüyü bastırmak.

16. Bir görüntüde nesne tespiti için kullanılan YOLO algoritmasının temel özelliği nedir?

A)Sadece tek bir nesne sınıfını tespit edebilmesi

B)Tüm görüntü üzerinde tahminleri tek adımda yapması

C)Çok sayıda bölge önerisi üretmesi

D)Sadece gradyan inişi ile çalışabilmesi

17. Bir sinir ağında 'dropout' katmanı hangi amaçla kullanılır?

A)Veri boyutunu küçültmek

B)Overfitting’i azaltmak

C)Modelin parametre sayısını artırmak

D)Aktivasyon fonksiyonunu değiştirmek

18. Derin öğrenmede 'vanishing gradient' problemi en çok hangi aktivasyon fonksiyonu ile ilişkilidir?

A)ReLU

B)Leaky ReLU

C)Sigmoid

D)Softmax

19. Derin Pekiştirmeli Öğrenmede (Deep RL) 'Experience Replay' mekanizmasının ana amacı nedir?

A)Veriler arasındaki korelasyonu azaltarak kararlılığı artırmak

B)Hesaplama maliyetini düşürmek

C)Ödül fonksiyonunu dinamik olarak güncellemek

D)Daha büyük bir action space yönetmek

20. Q-Learning algoritmasında, güncel durum-eylem çiftinin değerini güncellemek için kullanılan temel denklem hangisidir?

A)Policy Iteration

B)Value Iteration

C)Bellman Equation

D)Kullback-Leibler Divergence

21. GAN (Generative Adversarial Networks) mimarisinde 'Generator' ve 'Discriminator' arasındaki ilişki nasıl tanımlanır?

A)İş birlikçi bir öğrenme süreci

B)Sıfır toplamlı bir oyun (minimax)

C)Denetimsiz öğrenme (unsupervised)

D)Doğrusal regresyon tabanlı etkileşim

22. Momentum tabanlı gradyan inişi algoritmasının temel amacı nedir?

A)Öğrenme oranını her adımda otomatik artırmak

B)Geçmiş gradyanların ağırlıklı ortalamasını kullanarak daha hızlı ve kararlı yakınsama sağlamak

C)Ağırlıkları rastgele sıfırlayarak yerel minimumlardan çıkmak

D)Backpropagation işlemini hızlandırmak için paralel hesaplama yapmak

23. Sıfır-vuruşlu öğrenme (Zero-shot learning) nedir?

A)Modelin daha önce görmediği sınıfları tahmin edebilmesi

B)Sadece tek bir örnekle modelin eğitilmesi

C)Hiç veri kullanmadan tahmin yapılması

D)Modelin eğitilmeden sonuç vermesi

24. Yapay zeka modellerinde 'Black Box' (Kara Kutu) problemini çözmek için kullanılan, modelin kararlarını anlamlandırılabilir kılmaya odaklanan alan hangisidir?

A)Reinforcement Learning

B)Explainable AI (XAI)

C)Federated Learning

D)Transfer Learning

25. Bir makine öğrenmesi modelinde 'Algorithmic Bias' oluşmasının en temel teknik nedeni aşağıdakilerden hangisidir?

A)Eğitim verisindeki tarihsel eşitsizliklerin ve temsili bozuklukların modele aktarılması

B)Modelin aşırı yüksek öğrenme hızı (learning rate) ile eğitilmesi

C)GPU donanımının hesaplama kapasitesinin yetersiz kalması

D)Modelin sadece unsupervised learning yöntemleriyle eğitilmesi

26. Pekiştirmeli öğrenmede 'Credit Assignment Problem' (Kredi Atama Problemi) neyi ifade eder?

A)Hangi eylemin nihai ödüle katkı sağladığını belirleme zorluğu

B)Ajanın ne kadar ödül aldığını hesaplama sorunu

C)Donanım kaynaklarının verimli kullanılması

D)Veri setindeki gürültü miktarı

27. Markov Decision Process (MDP) yapısında, bir durumdan diğerine geçiş olasılığını tanımlayan fonksiyon aşağıdakilerden hangisidir?

A)Discount Factor

B)Transition Probability Function

C)Reward Function

D)Value Function

28. Hessian matrisinin gradyan inişindeki rolü nedir?

A)İkinci dereceden türevleri içererek yüzeyin eğriliği hakkında bilgi verir

B)Ağırlıkların başlangıç değerlerini belirler

C)Sadece konveks olmayan fonksiyonlarda kullanılır

D)Gradyan vektörünü normalize etmek için kullanılır

29. Makine öğrenmesi modellerinde 'Disparate Impact' (Eşitsiz Etki) kavramı neyi tanımlar?

A)Modelin bir gruba diğerinden daha olumsuz sonuçlar üretme eğilimini

B)Modelin donanım üzerinde bıraktığı karbon ayak izini

C)Modelin sadece eğitim setine odaklanmasını

D)Hiperparametre optimizasyonunun başarısını

30. YZ etiğinde 'Human-in-the-loop' (İnsan döngüde) yaklaşımının temel amacı nedir?

A)YZ sistemlerinin tamamen otonom hale gelmesini sağlamak

B)Kritik kararlarda insan denetimini ve sorumluluğunu tutmak

C)Algoritmanın çalışma hızını artırmak

D)Yazılım maliyetlerini düşürmek

31. GPT mimarisinde, dil modelinin ölçeklenmesiyle ilgili aşağıdaki ifadelerden hangisi doğrudur?

A)Model büyüdükçe doğruluğu azalır

B)Parametre sayısı arttıkça genellikle performansı da artar

C)Model büyüdükçe hafıza gereksinimi azalır

D)Parametre sayısı arttıkça model daha hızlı eğitilir

32. Büyük Dil Modellerinde 'Fine-tuning' sürecinin temel amacı nedir?

A)Önceden eğitilmiş bir modeli belirli bir görev veya alan için özelleştirmek.

B)Modelin tüm ağırlıklarını rastgele değerlerle yeniden başlatmak.

C)Modelin eğitim verisini tamamen değiştirmek.

D)Modelin donanım gereksinimlerini düşürmek.

33. Backpropagation algoritmasında hata (loss) fonksiyonunun ağırlıklara göre türevinin alınması ne anlama gelir?

A)Ağırlıkların hata üzerindeki etkisinin duyarlılığını ölçmek

B)Ağırlıkların toplam değerini minimize etmek

C)Aktivasyon fonksiyonunu doğrusal hale getirmek

D)Gradyan vektörünü sıfırlamak

34. Transformer mimarisindeki 'Multi-Head Attention' mekanizmasında farklı 'head'lerin kullanılmasının temel sebebi nedir?

A)Modelin farklı alt uzaylardaki (subspaces) bilgileri eş zamanlı olarak öğrenmesine olanak tanımak.

B)İşlem maliyetini düşürmek için hesaplamayı paralel işlem birimlerine dağıtmak.

C)Modelin ezberleme (overfitting) yapmasını engellemek için dropout uygulamak.

D)Girdi dizisinin uzunluğunu sınırlamak ve bellek kullanımını optimize etmek.

35. Avrupa Birliği'nin Yapay Zeka Yasası (AI Act) çerçevesinde, 'Yüksek Riskli' sistemlerin en temel şartı nedir?

A)Sadece açık kaynak kodlu olmaları

B)İnsan gözetimi, şeffaflık ve risk yönetimi süreçlerine sahip olmaları

C)Hiçbir şekilde hata yapmamaları

D)Ticari olarak ücretsiz sunulmaları

36. Yapay zeka etiğinde 'kara kutu' (black box) problemi en çok hangi bağlamda bir risk oluşturur?

A)Modelin eğitim süresinin uzun olması

B)Karar mekanizmalarının açıklanabilirliğinin düşük olması

C)Donanım maliyetlerinin yüksek olması

D)Veri setinin boyutunun yetersiz kalması

37. Double DQN kullanılmasının temel sebebi aşağıdakilerden hangisidir?

A)Daha hızlı eğitim süresi sağlamak

B)Q-değerlerinin aşırı tahmin edilmesini (overestimation) önlemek

C)Keşif (exploration) oranını artırmak

D)Daha az veriyle öğrenmeyi sağlamak

38. Gradyan inişi (Gradient Descent) algoritmasında 'learning rate' parametresinin çok büyük seçilmesinin temel sonucu nedir?

A)Global minimuma ulaşmanın imkansız hale gelmesi ve osilasyonlar

B)Modelin aşırı öğrenmesi (overfitting)

C)Kaybolan gradyan (vanishing gradient) sorununun oluşması

D)Veri setinin yetersiz kalması

39. Aşağıdakilerden hangisi 'Model-Free' bir pekiştirmeli öğrenme yaklaşımıdır?

A)SARSA

B)Dyna-Q

C)AlphaZero

D)Value Iteration

40. Aşağıdaki etik sorunlardan hangisi yapay zekada otomatik karar verme sistemlerinin yaygınlaşması ile en çok ilişkilidir?

A)Veri önyargısı (data bias)

B)Donanım yetersizliği

C)Enerji tüketimi

D)Model karmaşıklığı