Üniversite Yapay Zeka Bilgi Yarışması Soruları ve Cevapları

1. Stochastic Gradient Descent (SGD) yönteminin standart Gradient Descent'e göre temel avantajı nedir?

A)Daha kararlı bir yakınsama sağlaması

B)Her iterasyonda tüm veri setini kullanması

C)Hesaplama maliyetinin düşük olması ve yerel minimumlardan kaçabilme potansiyeli

D)Hata fonksiyonunun her zaman konveks olmasını garanti etmesi

2. Dinamik öğrenme oranı (Learning Rate Scheduling) neden kullanılır?

A)Gradyan inişini daha karmaşık hale getirmek için

B)Eğitim ilerledikçe minimum civarında daha hassas adımlar atmak için

C)Daha az veri ile daha iyi sonuç almak için

D)Backpropagation süresini kısaltmak için

3. Actor-Critic mimarisinde 'Critic' bileşeninin temel görevi nedir?

A)Eylemleri seçmek

B)Çevreyi simüle etmek

C)Seçilen eylemin değerini (value) tahmin etmek

D)Ödül fonksiyonunu tasarlamak

4. 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

5. 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

6. 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

7. 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

8. Policy Gradient yöntemlerinde, gradientin yönünü belirlemek için kullanılan temel matematiksel teorem hangisidir?

A)Bayes Theorem

B)Markov Property

C)Policy Gradient Theorem

D)Central Limit Theorem

9. 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

10. Transformer mimarisinde yer alan 'Self-Attention' mekanizmasının temel işlevi nedir?

A)Dizideki her bir öğenin diğer tüm öğelerle olan ilişkisel ağırlığını hesaplamak

B)Veri setindeki eksik değerleri otomatik tamamlamak

C)Modelin eğitimini hızlandırmak için gradyanları sıfırlamak

D)Görüntü piksellerini vektörlere dönüştürmek

11. Differential Privacy (Diferansiyel Gizlilik) tekniği YZ sistemlerinde hangi etik sorunu çözmeyi hedefler?

A)Algoritmik önyargı

B)Eğitim verisinden bireysel verilerin ifşa edilmesi riski

C)Modelin şeffaflık eksikliği

D)Donanım maliyetleri

12. Aşağıdakilerden hangisi doğal dil işleme (NLP) alanında kullanılan bir kelime gömme (word embedding) yöntemidir?

A)Principal Component Analysis

B)Word2Vec

C)Random Forest

D)Spectral Clustering

13. 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

14. 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

15. 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

16. 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

17. Bir sınıflandırma modelinin başarısını değerlendirirken, yanlış pozitif oranının kritik olduğu durumlarda hangi metrik en doğru sonucu verir?

A)Doğruluk (Accuracy)

B)F1-Skoru

C)Hata payı (Error Rate)

D)Sadece Recall

18. LLM'lerde 'Temperature' parametresi neyi kontrol eder?

A)Modelin eğitim süresini ve harcanan GPU gücünü.

B)Çıktı üretilirken olasılık dağılımının ne kadar 'keskin' veya 'düz' olacağını.

C)Modelin hafızasında tutabileceği maksimum token sayısını.

D)Cevabın uzunluğunu sınırlayan katı bir kısıtlamayı.

19. Transformer mimarisinde 'Scaled Dot-Product Attention' mekanizmasının temel amacı nedir?

A)Girdi dizisindeki her kelimenin diğer kelimelerle olan ilişkisini ağırlıklandırarak bağlamsal vektörler oluşturmak.

B)Modelin parametre sayısını azaltmak için ağırlık matrislerini matris ayrıştırma yöntemiyle küçültmek.

C)Eğitim sırasında gradyan kaybolması (vanishing gradient) problemini tamamen ortadan kaldırmak.

D)Veri setindeki gürültüyü temizleyerek modelin daha hızlı yakınsamasını sağlamak.

20. 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

21. 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.

22. 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

23. 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

24. 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

25. 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

26. Bir yapay zekâ modelinin genelleme yeteneğini değerlendirmek için kullanılan en yaygın yöntem aşağıdakilerden hangisidir?

A)Test verisi üzerinde doğruluk ölçmek

B)Modelin parametre sayısını azaltmak

C)Yalnızca eğitim verisiyle test yapmak

D)Veri kümesini bölmeden eğitmek

27. 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

28. 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.

29. YZ etiğinde 'Fairness through Unawareness' yaklaşımının en büyük eleştirisi nedir?

A)Hassas değişkenlerin (ırk, cinsiyet vb.) çıkarılsa bile proxy değişkenler üzerinden önyargının devam etmesi

B)Modelin eğitim süresinin çok uzaması

C)Yöntemin sadece derin öğrenme modellerinde çalışması

D)Yasal olarak uygulanabilir olmaması

30. Bir görüntüdeki kenarları tespit etmek için bilgisayarlı görmede en çok kullanılan filtre aşağıdakilerden hangisidir?

A)Gaussian filtresi

B)Sobel filtresi

C)Median filtresi

D)Bilateral filtresi

31. Doğal dil işleme alanında, 'attention' mekanizmasının temel avantajı nedir?

A)Modeli daha derin hale getirmek

B)Uzun mesafeli bağımlılıkları daha iyi öğrenmek

C)Parametre sayısını azaltmak

D)Veri artırmayı kolaylaştırmak

32. Pekiştirmeli öğrenmede, ajanın uzun vadeli toplam ödülünü maksimize etmek için kullandığı 'gamma' (indirim faktörü) değerinin 0'a yakın olması ne anlama gelir?

A)Ajanın uzun vadeli ödülleri çok önemsemesi

B)Ajanın sadece anlık ödüllere odaklanması (myopic)

C)Ajanın öğrenme hızının artması

D)Ajanın rastgele hareket etmesi

33. Doğal Dil İşleme (NLP) süreçlerinde, kelimelerin vektör uzayında anlam ilişkilerine göre temsil edilmesini sağlayan teknik aşağıdakilerden hangisidir?

A)Tokenization

B)Word Embeddings

C)Lemmatization

D)Stop-words removal

34. Pekiştirmeli öğrenmede 'Exploration vs. Exploitation' ikilemini dengelemek için kullanılan, epsilon değerinin zamanla azaltıldığı yöntem hangisidir?

A)Epsilon-Greedy Strategy

B)Policy Gradient Method

C)Bellman Optimization

D)Monte Carlo Tree Search

35. Adam (Adaptive Moment Estimation) optimizasyon algoritması hangi iki yöntemin kombinasyonudur?

A)SGD ve Newton-Raphson

B)Momentum ve RMSProp

C)Batch Gradient Descent ve AdaGrad

D)Nesterov Accelerated Gradient ve RMSProp

36. Takviyeli öğrenmede (Reinforcement Learning) bir ajanın uzun vadeli ödülü maksimize etme stratejisine ne ad verilir?

A)Politika (Policy)

B)Etiketleme (Labeling)

C)Evrişim (Convolution)

D)Normalizasyon

37. GPT serisi modellerin eğitiminde kullanılan 'Auto-regressive' yaklaşım ne anlama gelir?

A)Modelin bir sonraki kelimeyi, kendinden önceki kelimelere dayanarak tahmin etmesi.

B)Modelin tüm cümleyi aynı anda görerek boşlukları doldurması.

C)Eğitim verisinin etiketlenmesine gerek duymadan kendi kendini denetlemesi.

D)Girdi dizisinin hem başından hem sonundan başlayarak iki taraflı işlenmesi.

38. 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

39. 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

40. 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