Grundlagen des Deep Learning: Quizfragen und Übungen

Question 1

Was ist ein wesentliches Merkmal eines Faltungsneuronalen Netzes (CNN)?

Accepted Answer

Es extrahiert Merkmale aus Eingabedaten mit Filtern.

Answer

Es verarbeitet Eingabedaten der Reihe nach.

Answer

Es wird nur für Bildverarbeitungsaufgaben verwendet.

Answer

Es modelliert Langzeitabhängigkeiten mit Rückkopplungsschleifen.

Question 2

Welche ist die Hauptaufgabe von Faltungsneuronalen Netzen (CNNs) bei der Bildverarbeitung?

Accepted Answer

Merkmale aus Bilddaten extrahieren

Answer

Neue Bilder generieren

Answer

Bilder nur anhand von Statistiken klassifizieren

Answer

Nur für die Verarbeitung von Satellitenbildern geeignet

Question 3

Welche Aussage beschreibt die Architektur von Faltungsneuronalen Netzen (CNNs) korrekt?

Accepted Answer

CNNs nutzen Filter, um Merkmale aus Eingabedaten zu extrahieren.

Answer

CNNs besitzen keine verborgenen Schichten.

Answer

CNNs sind ausschließlich für die Bildverarbeitung geeignet.

Answer

CNNs benötigen immer einen großen Trainingsdatensatz.

Question 4

Welche der folgenden Aussagen beschreibt den Hauptzweck der Regularisierung im Deep Learning?

Accepted Answer

Verhindert Überanpassung

Answer

Verringert die Trainingszeit

Answer

Erhöht die Modellkomplexität

Question 5

Was ist die Hauptfunktion von generativen Deep-Learning-Modellen wie Generative Adversarial Networks (GANs)?

Accepted Answer

Erzeugung neuer Daten aus einer bestimmten Verteilung

Answer

Extraktion relevanter Merkmale aus komplexen Daten

Answer

Reduzierung der Datendimensionalität

Answer

Erkennung von Mustern in Zeitreihendaten

Question 6

Nennen Sie die häufig verwendete Aktivierungsfunktion in Deep-Learning-Modellen.

Accepted Answer

ReLu (Rectified Linear Unit)

Answer

Sigmoid

Answer

Exponential Linear Unit (ELU)

Answer

Tanh (Hyperbolic Tangent)

Question 7

Was ist der Hauptzweck einer Faltungsschicht in einem Deep-Learning-Modell?

Accepted Answer

Extraktion von Merkmalen aus Eingabedaten

Answer

Erstellung von Vorhersagen

Answer

Klassifizierung von Daten

Answer

Reduzierung der Datendimension

Question 8

Welche Art von Deep-Learning-Modell eignet sich zur Verarbeitung sequenzieller Daten wie Text oder Zeitreihen?

Accepted Answer

Wiederkehrendes neuronales Netzwerk (RNN)

Answer

Konvolutionales neuronales Netzwerk (CNN)

Answer

Generatives adversariales Netzwerk (GAN)

Answer

Autoencoder

Question 9

Welche der folgenden Architekturen wird in Deep-Learning-Modellen häufig für die Bildverarbeitung eingesetzt?

Accepted Answer

VGGNet

Answer

Generative Pre-trained Transformer 3 (GPT-3)

Answer

Transformer

Answer

LSTM (Long Short-Term Memory)

Question 10

Welche Verlustfunktion wird häufig für Klassifizierungsaufgaben in Deep-Learning-Modellen verwendet?

Accepted Answer

Kreuzentropie-Verlust

Answer

Mittlerer absoluter Fehler (MAE)

Answer

Hinge-Verlust

Answer

Mittlerer quadratischer Fehler (MSE)

Question 11

Welches der folgenden ist ein Hauptvorteil von Deep-Learning-Modellen?

Accepted Answer

Sie sind in der Lage, komplexe Muster in Daten zu erkennen.

Answer

Sie sind immer schneller als herkömmliche maschinelle Lernmodelle.

Answer

Sie erfordern immer eine sehr große Menge an Trainingsdaten.

Answer

Sie sind immer einfach zu interpretieren.

Question 12

Welche Architektur ist ein wesentlicher Bestandteil von Deep-Learning-Modellen?

Accepted Answer

Neuronale Netze

Answer

Entscheidungsbäume

Answer

Support-Vektor-Maschinen

Answer

Naive Bayes

Question 13

Welche Art von neuronalem Netz wird typischerweise für Bildverarbeitungsaufgaben eingesetzt?

Accepted Answer

Faltungsneuronales Netzwerk (CNN)

Answer

Wiederkehrendes neuronales Netzwerk (RNN)

Answer

Autoencoder

Answer

Neuronales Netzwerk mit direkter Ausbreitung

Question 14

Welche der folgenden Anwendungen ist ein Beispiel für die praktische Nutzung von Deep Learning?

Accepted Answer

Bildklassifizierung

Answer

Entscheidungsbaumklassifizierung

Answer

Clustering

Answer

Lineare Regression

Question 15

Welches Framework wird häufig für die Implementierung von Deep-Learning-Modellen verwendet?

Accepted Answer

TensorFlow

Answer

Scikit-Learn

Answer

Pandas

Question 16

Wie wird die enorme Datenmenge bezeichnet, die zum Trainieren von Deep-Learning-Modellen benötigt wird?

Accepted Answer

Big Data

Answer

Medium Data

Answer

Unstrukturierte Daten

Answer

Small Data

Question 17

Welche Aussage über die Zukunft von Deep Learning ist zutreffend?

Accepted Answer

Deep Learning wird voraussichtlich ein wichtiger Bereich der künstlichen Intelligenz bleiben.

Answer

Deep Learning wird in Zukunft durch andere Technologien ersetzt.

Question 18

Welche der folgenden Aussagen beschreibt die grundlegende Architektur eines neuronalen Netzes genau?

Accepted Answer

Eine hierarchische Struktur aus miteinander verbundenen Knoten, die Eingaben in Ausgaben umwandeln.

Answer

Eine lineare Sequenz von Verarbeitungseinheiten, die Eingaben in Ausgaben umwandeln.

Answer

Ein zufälliges Netzwerk aus Knoten, die zur Verarbeitung von Eingaben verbunden sind.

Question 19

Welcher Typ von neuronalem Netz eignet sich am besten für Aufgaben der Bilderkennung?

Accepted Answer

Faltungsneuronales Netz

Answer

Rekurrentes neuronales Netz

Answer

Neuronales Netz mit vollständiger Verbindung

Answer

Autoencoder

Question 20

Was ist die Funktion einer Aktivierungsfunktion in einem neuronalen Netz?

Accepted Answer

Eine nichtlineare Funktion, die die Ausgabe eines Neurons bestimmt.

Answer

Eine Funktion, die die Gewichte eines Neurons aktualisiert.

Answer

Eine lineare Funktion, die die Ausgabe eines Neurons bestimmt.

Question 21

Welcher Algorithmus wird üblicherweise zum Trainieren von Deep-Learning-Modellen verwendet?

Accepted Answer

Rückwärtsausbreitung

Answer

K-Means-Clustering

Answer

Genetische Algorithmen

Answer

Naive Bayes

Question 22

Was ist der Zweck einer Verlustfunktion?

Accepted Answer

Messung des Fehlers zwischen den vorhergesagten und tatsächlichen Werten.

Answer

Aktualisierung der Gewichte eines neuronalen Netzes

Answer

Berechnung der Kosten eines neuronalen Netzes.

Question 23

Was ist Dropout in Deep Learning?

Accepted Answer

Eine Regularisierungsmethode zur Reduzierung von Überanpassung.

Answer

Eine Methode zur Initialisierung der Gewichte eines neuronalen Netzes.

Answer

Eine Methode zur Optimierung der Verlustfunktion.

Question 24

Welcher Typ von neuronalem Netz eignet sich besonders für die Verarbeitung von Textdaten?

Accepted Answer

Rekurrentes neuronales Netz

Answer

Neuronales Netz mit vollständiger Verbindung

Answer

Faltungsneuronales Netz

Question 25

Was ist ein Generatives Adversariales Netzwerk (GAN)?

Accepted Answer

Ein Modell, das neue Daten aus einer gegebenen Verteilung generieren kann.

Answer

Ein Modell, das die Verteilung gegebener Daten klassifizieren kann.

Answer

Ein Modell, das Eingaben in Ausgaben umwandeln kann.

Question 26

Was zeichnet ein Transformatormodell in der Verarbeitung natürlicher Sprache aus?

Accepted Answer

Es lernt Abhängigkeiten zwischen Wörtern ohne rekurrente oder Faltungsmechanismen.

Answer

Es generiert neue Sätze aus einer gegebenen Verteilung.

Answer

Es klassifiziert Sätze in verschiedene Kategorien.

Question 27

Welche der folgenden Aussagen beschreibt NICHT einen Vorteil von Deep Learning gegenüber traditionellen Machine-Learning-Algorithmen?

Accepted Answer

Deep Learning erfordert im Allgemeinen weniger Rechenleistung.

Answer

Deep Learning kann automatisch Merkmale aus Daten extrahieren.

Answer

Deep Learning kann komplexe, unstrukturierte Daten verarbeiten, wie z. B. Bilder und Text.

Answer

Deep Learning kann aus großen Datensätzen präzisere Ergebnisse erzielen.

Question 28

Welche Aussage über künstliche Neuronen in neuronalen Netzen ist korrekt?

Accepted Answer

Künstliche Neuronen verarbeiten und übertragen Informationen mithilfe von Aktivierungsfunktionen.

Answer

Künstliche Neuronen repräsentieren immer nur einen einzigen Datenwert.

Answer

Künstliche Neuronen speichern dauerhaft die während des Trainings gelernten Parameter.

Question 29

Welche Art von neuronalem Netzwerk eignet sich besonders gut für die Bildklassifizierung?

Accepted Answer

Convolutional Neural Network (CNN)

Answer

Recurrent Neural Network (RNN)

Answer

Generative Adversarial Network (GAN)

Answer

Artificial Neural Network (ANN)

Question 30

Welche Aufgabe erfüllt die Aktivierungsfunktion in einem neuronalen Netzwerk?

Accepted Answer

Die Aktivierungsfunktion führt Nichtlinearität in das Modell ein.

Answer

Die Aktivierungsfunktion berechnet die Summe der gewichteten Eingaben.

Answer

Die Aktivierungsfunktion minimiert die Verlustfunktion.

Answer

Die Aktivierungsfunktion aktualisiert die Gewichte des Netzwerks während des Trainings.

Question 31

Was ist ein zentraler Vorteil von rekurrenten neuronalen Netzen (RNNs)?

Accepted Answer

RNNs können zeitliche Abhängigkeiten in sequenziellen Daten modellieren.

Answer

RNNs sind unempfänglich für das Problem des verschwindenden Gradienten.

Answer

RNNs benötigen keine Trainingsdaten.

Question 32

Welcher Begriff beschreibt den Prozess der Anpassung der Gewichte eines neuronalen Netzwerks während des Trainings?

Accepted Answer

Backpropagation

Answer

Regularisierung

Answer

Forward Propagation

Answer

Overfitting

Question 33

Welche Methode wird häufig eingesetzt, um Overfitting in Deep-Learning-Modellen zu vermeiden?

Accepted Answer

Dropout-Regularisierung

Answer

Reduzierung der Größe des Trainingsdatensatzes

Answer

Längeres Training des Modells

Answer

Erhöhung der Anzahl der Schichten im Netzwerk

Question 34

Was ist der Unterschied zwischen Batch-Gradientenabstieg und stochastischem Gradientenabstieg?

Accepted Answer

Batch-Gradientenabstieg verwendet den gesamten Trainingsdatensatz für jede Gewichtsaktualisierung, während stochastischer Gradientenabstieg nur eine zufällige Teilmenge des Datensatzes verwendet.

Answer

Batch-Gradientenabstieg ist schneller als stochastischer Gradientenabstieg.

Question 35

Welche Anwendung von Deep Learning gehört zum Bereich der natürlichen Sprachverarbeitung?

Accepted Answer

Maschinelle Übersetzung

Answer

Betrugserkennung

Answer

Bildklassifizierung

Answer

Autonomes Fahren

Question 36

Welche Aufgabe erfüllt eine Faltungsoperation in einem Convolutional Neural Network (CNN)?

Accepted Answer

Faltungsoperationen extrahieren räumliche Merkmale aus den Eingabedaten.

Answer

Faltungsoperationen führen Nichtlinearität in das Modell ein.

Answer

Faltungsoperationen reduzieren die Dimensionalität der Daten durch Mittelwertbildung.

Question 37

Beschreibe die grundlegende Funktionsweise eines künstlichen neuronalen Netzes.

Accepted Answer

Künstliche neuronale Netze verarbeiten Informationen durch vernetzte Knoten mit Gewichtungen, die durch das Training optimiert werden.

Answer

Neuronale Netze simulieren exakt das menschliche Gehirn und können jede Aufgabe bewältigen.

Question 38

Erläutere die Hauptfunktion der Backpropagation im Deep Learning.

Accepted Answer

Anpassung der Gewichtungen in einem neuronalen Netz, um die Modellgenauigkeit zu steigern.

Answer

Auswahl der optimalen Architektur für ein neuronales Netz.

Question 39

Welche Art von neuronalem Netz eignet sich besonders für die Verarbeitung sequenzieller Daten?

Accepted Answer

Rekurrente neuronale Netze (RNN)

Answer

Perzeptronen

Answer

Faltungsneuronale Netze (CNN)

Answer

Autoencoder

Question 40

Welcher der aufgeführten Punkte ist KEIN Vorteil des Deep Learning gegenüber traditionellen Machine-Learning-Methoden?

Accepted Answer

Geringerer Datenbedarf für das Training.

Answer

Fähigkeit zur Erkennung komplexer Muster in Daten.

Answer

Automatische Feature-Extraktion.

Question 41

Was ist ein Convolutional Neural Network (CNN) und in welchen Bereichen wird es eingesetzt?

Accepted Answer

Ein CNN ist ein neuronales Netz, das für die Verarbeitung von Bilddaten optimiert ist und in Anwendungen wie Bilderkennung und Objekterkennung eingesetzt wird.

Answer

Ein CNN ist ein neuronales Netz, das für die Verarbeitung von Textdaten optimiert ist und in Anwendungen wie maschinelle Übersetzung eingesetzt wird.

Question 42

Welche Aussage über die Anwendung von Deep Learning ist FALSCH?

Accepted Answer

Deep Learning ist nur für Aufgaben mit großen Datenmengen geeignet.

Answer

Deep Learning kann für Aufgaben wie medizinische Diagnose und Finanzprognosen verwendet werden.

Answer

Deep Learning kann für Aufgaben wie Bilderkennung, Spracherkennung und Übersetzung verwendet werden.

Question 43

Welches Problem tritt häufig beim Training von Deep-Learning-Modellen auf?

Accepted Answer

Überanpassung (Overfitting).

Answer

Hohe Trainingszeit.

Answer

Unteranpassung (Underfitting) des Modells.

Question 44

Welches Konzept ist entscheidend für die Reduzierung von Überanpassung in Deep-Learning-Modellen?

Accepted Answer

Regularisierung.

Answer

Aktivierungsfunktionen.

Answer

Backpropagation.

Answer

Neuronale Netzarchitektur.

Question 45

Erläutere, was ein Autoencoder ist und welchen Zweck er erfüllt.

Accepted Answer

Ein Autoencoder ist ein neuronales Netz, das Daten komprimiert und anschließend rekonstruiert. Er wird für Aufgaben wie Datenreduktion und Feature-Extraktion eingesetzt.

Answer

Ein Autoencoder ist ein neuronales Netz, das für die Klassifizierung von Daten verwendet wird.

Question 46

Welche der folgenden Optionen ist KEINE Anwendung von Deep Learning im Bereich der Medizin?

Accepted Answer

Automatische Übersetzung von medizinischen Texten.

Answer

Entdeckung neuer Medikamente.

Answer

Prognose des Verlaufs chronischer Krankheiten.

Answer

Krankheitsdiagnose basierend auf bildgebenden Verfahren.

Question 47

Welche Aussage trifft auf künstliche neuronale Netze zu?

Accepted Answer

Sie bestehen aus verknüpften Knoten, die über Gewichtungen und Aktivierungsfunktionen interagieren.

Answer

Sie basieren auf komplexen Algorithmen, die Muster finden und mathematische Operationen ausführen.

Question 48

Welche Struktur ist KEINE neuronale Netzwerkarchitektur?

Accepted Answer

Sequentielle Netzwerke

Answer

Rekurrente neuronale Netze (RNNs)

Answer

Generative Adversarial Networks (GANs)

Answer

Faltungsneuronale Netze (CNNs)

Question 49

Welche Funktion haben Aktivierungsfunktionen in neuronalen Netzen?

Accepted Answer

Berechnung der Ausgabe eines Neurons basierend auf seinen gewichteten Eingaben.

Answer

Festlegung der Anzahl der Schichten im Netzwerk.

Question 50

Was ist das Besondere an Faltungsneuronalen Netzen (CNNs)?

Accepted Answer

Sie nutzen Filter zur Erkennung lokaler Muster, im Gegensatz zu herkömmlichen Netzen, die alle Eingaben verarbeiten.

Answer

Sie sind ausschließlich für die Verarbeitung von Bildern konzipiert, während herkömmliche Netze für alle Datentypen geeignet sind.

Question 51

Was ist der Zweck von Backpropagation im Deep Learning?

Accepted Answer

Anpassung der Gewichtungen im Netzwerk zur Verbesserung der Modellgenauigkeit.

Answer

Optimierung der Netzwerkstruktur.

Question 52

Welchen Vorteil bieten Rekurrente Neuronale Netze (RNNs)?

Accepted Answer

Erkennung von Abhängigkeiten in sequentiellen Datenfolgen.

Answer

Geringerer Datenbedarf als bei anderen Architekturen.

Answer

Höhere Verarbeitungsgeschwindigkeit.

Question 53

Welche Anwendung gehört NICHT zum Einsatzgebiet von Deep Learning?

Accepted Answer

Datenbankabfragen optimieren.

Answer

Spracherkennung.

Answer

Bilderkennung.

Answer

Maschinelle Übersetzung.

Question 54

Was ist der Unterschied zwischen Overfitting und Underfitting in Deep Learning?

Accepted Answer

Overfitting: Modell passt zu gut zu Trainingsdaten, Underfitting: Modell lernt nicht genug Muster.

Answer

Overfitting: Zu viele Schichten im Modell, Underfitting: Zu wenige Schichten.

Question 55

Welche Methode dient NICHT der Verbesserung der Generalisierungsfähigkeit von Deep-Learning-Modellen?

Accepted Answer

Erhöhung der Neuronenanzahl in jeder Schicht.

Answer

Datenaugmentation.

Answer

Regularisierungstechniken.

Answer

Early Stopping.

Question 56

Was ist das Prinzip der Gradientenabstiegsmethode im Deep Learning?

Accepted Answer

Optimierung der Gewichtungen im Netzwerk durch Minimierung der Verlustfunktion.

Answer

Optimierung der Netzwerkstruktur.

Question 57

Welche der folgenden Aussagen beschreibt Deep Learning am besten?

Accepted Answer

Ein Teilgebiet des maschinellen Lernens, das hierarchische Abstraktionen durch mehrere Schichten künstlicher neuronaler Netzwerke lernt

Answer

Ein Algorithmus, der lineare Beziehungen zwischen Variablen modelliert

Question 58

Welche Schicht in einem neuronalen Netzwerk ist für die Extraktion von Features zuständig?

Accepted Answer

Faltungsschicht

Answer

Vollständig verbundene Schicht

Answer

Rekurrente Schicht

Answer

Max-Pooling-Schicht

Question 59

Welche der folgenden Aktivierungsfunktionen wird häufig in neuronalen Netzwerken verwendet, die binäre Klassifizierungsprobleme lösen?

Accepted Answer

Sigmoid-Funktion

Answer

Tanh-Funktion

Answer

ReLU-Funktion

Question 60

Welches Architekturelement wird in wiederkehrenden neuronalen Netzwerken verwendet, um zeitliche Abhängigkeiten zu modellieren?

Accepted Answer

Verborgene Zustände

Answer

Dropout-Mechanismus

Answer

Faltungskerne

Answer

Batch-Normalisierung

Question 61

Welche Metrik wird typischerweise zur Bewertung der Leistung von Deep-Learning-Modellen bei Klassifizierungsproblemen verwendet?

Accepted Answer

Genauigkeit

Answer

Mittlerer Absoluter Fehler

Answer

F1-Score

Answer

R-Quadrat

Question 62

Welche der folgenden Techniken wird verwendet, um Überanpassung in Deep-Learning-Modellen zu verhindern?

Accepted Answer

Dropout

Answer

Bagging

Answer

Früher Stopp

Answer

Regularisierung

Question 63

Welchen Vorteil bieten Convolutional Neural Networks (CNNs) gegenüber vollständig verbundenen neuronalen Netzwerken?

Accepted Answer

Sie können räumliche Korrelationen in den Eingabedaten erfassen

Answer

Sie erfordern weniger Trainingsparameter

Answer

Sie sind schneller zu trainieren

Question 64

Welche Art von Deep-Learning-Modell wird typischerweise für die Verarbeitung natürlicher Sprache (NLP) verwendet?

Accepted Answer

Transformer

Answer

RNN

Answer

GAN

Answer

CNN