Manfaat menggunakan meaningful names pada saat menulis clean kode? (multiple answers)

• Membuat as similiar as possible
• Menggunakan singkatan biar simple
• Be descriptive dan imply type
• Memakai nama deskriptif tapi tidak terlalu detail
• Clearly memisahkan nama

Apa yang dimaksud dengan CLEAN code? (multiple answers)

• Repetitive
• Simple
• Readable
• Vague
• Concise

Deskripsi yang menggambarkan:

Value outputed dari proses training

Value estimated dari model

Value not set oleh praktisi ML

• Model hypermeter
• Significance
• Dimensions
• Model parameter
• Input noise

Mana pernyataan TRUE mengenai modul yang digunakan pada code?

• Tidak mungkin over-engineer abstraction pada code
• Membuat lebih banyak modul doesn't necessarilly result pada modularization yang lebih efektif
• Menambahkan > 3 modul setiap fungsi akan mengakibatkan fail
• Jangan pernah menggunakan 5 modul pada code, akan sulit dibaca

TRUE statement mengenai gradient descent? (multiple answers)

• Merupakan optimization algorithm
• Tujuannya menemukan local maxima dari cost function
• GD digunakan untuk update parameter
• Dapat converge to 0, tapi ga harus

Deskripsi:

Value yang diassign secara manual

K value pada KNN merupakan contoh dari hal ini

Value di set sebelum training

• Significance
• Model parameter
• Model hyperparameter
• Centroid

Kode new_nd=ND('Data','AWS','scholarship',3) Apakah ND?

• Attribute
• Object
• Class

Yang merupakan best describe deep learning?

• DL menggunakan algoritma NN untuk backpropogate melalui perceptrons
• DL adalah state of the art process untuk model prediktif tasks of extraordinary high dimensionality
• DL adalah modeling process yang berkerja terutama bagi low dimensionality problem

Tipe dari dokumentasi yang dapat digunakan untuk membuat code lebih mudah untuk navigate? (multiple answers)

• In line comments
• Sidebar comments
• Docstrings
• Project documentation
• Interstital sideboards

Apa yang perlu dipertimbangkan ketika melakukan code-review? (multiple answers)

• Bisakah mengurangi jumlah kalkulasi pada tahap ini?
• Bagaimana saya dapat mengurangi jumlah iterasi pada loop?
• Bagaimana saya dapat vectorize loop ini?
• Apakah minimal dokumentasi diterapkan pada proyek ini?
• Apakah functions menggunakan docstrings yang efektif?

TRUE about Python (multiple answers)

• Python mengizinkan untuk mengakses attributes secara langsung
• Kamu dapat mengakses attributes di Python sama seperti C++ dan Java
• Python tidak didesain untuk menggunakan metode get dan set untuk mengakses attributes
• Python membedakan antara variabel public dan private

Apakah ini pesan log yang bagus?

2018-08-19|scheduler|ERROR|sampleco.com.jobs.scheduledtasks|Scheduled job 'IDABC23' failed due to binary incompatibilities

• False
• True

Yang mana tipe model DL yang dapat digunakan untuk membuat blueprints untuk bangunan menjadi foto dari bangunan yang sudah jadi

• GAN
• Sentiment Analysis
• Transfer Learning

Apa goal dari Generative Adversarial Network GAN

• Memproduksi data baru yang terlihat seperti dataset yang ditrain
• Mengevaluasi probabilitas dari data point
• Learn untuk membedakan antara 2 classes
• None of the above

Mengapa lower learning itu superior?

• Faster convergence
• Explore set yang lebih lebar dari model weights
• Lebih banyak input data yang akan terlihat
• Cenderung dapat menemukan optimal weights selama pencarian space

Apakah init adalah magic method?

• True
• False

Apakah Python a procedural atau OOP language?

• Procedural
• Object
• Oriented
• Both

Yang mana best characterizes mengapa Computer Vision merupakan sweet spot dari DL

• Image mudah untuk label dan lebih banyak data yang dapat diproduksi lebih cepat
• The inherent high dimensionality of image data lends itself menggunakan NN
• Karena images dapat belajar dari dirinya sendiri pada pola semi-supervised, tidak ada data yang dibutuhkan
• Clarity dari visual features merupakan input sempurna bagi model DL

Yang manakah termasuk hyperparameters?

• Learning rate
• Convergence
• Loss
• Architecture

TRUE statements (multiple answers)

• Setiap perubahan parent class manifest in its children
• Inheritance dapat membuat OOP lebih efisien to write
• Inheritance membuat code lebih sukar untuk dimaintain

Apa arti ketika loss function mencapai convergence? (multiple answers)

• Value dari function mungkin berada di 0
• The Function value stabil melewati beberapa epochs
• Fungsi dari generator dan discriminator telah bersilang-crossed
• Modelnya underfitting

Pernyataan INCORRECT

• Pada model regresi variabel input output mempunyai nilai numerical
• Ketika fitting the line, kita mencoba memaksimalkan jarak dari masing2 titik dari garis
• Walaupun dinamakan model regresi, kurva dapat digunakan selama fit dengan data
• Kita dapat membuat prediksi jika nilai input diberikan dan garis equation diketahui

Pernyataan CORRECT yang menggambarkan perbedaan antara unit dan integration test. (multiple answers)

• Unit test tergantung pada berbagai bagian dari code
• Integration test memeriksa bagaimana berbagai bagian code dan berbagai fungsi berinteraksi bersama
• Kamu tidak dapat run berbagai macam unit test pada satu waktu
• Unit test memeriksa satu unit pada satu waktu Unit test tidak menguji fungsionalitas that spans perbedaan unit implementasi

Kami mempunyai 1000 gambar kucing dan 1000 gambar anjing, Mari membuat cat-dog detector, algoritma ML yang mana yang akan digunakan?

• Supervised Learning
• Unsupervised Learning
• Reinforcement Learning
• Generative AI

Teknik yang dapat digunakan agar code mudah untuk di maintain?

• Variabel konfigurasi Hard-cord secara langsung ketika digunakan
• Tidak pernah mengomentari code
• Memberi nama yang meaningful pada variabel
• Menyimpan semua hyperparameter pada satu directory

TRUE mengenai OOP (multiple answers)

• Object mempunyai karakteristik
• Object mempunyai method
• Object do actions
• Object mempunyai attributes

Akronim DRY artinya

• Do Right Yours
• Dig Round Yarns
• Don't Repeat Yourself
• Don't Run Yount
• Do Run Yours

TRUE mengenai GAN

• Generator membuat data, Discriminator meningkatkan data
• Generator mengklasifikasi data, Discriminator subnetwork mengevaluasi data
• Generator membuat data, Discriminator mengklasifikasi data
• Generator subnetwork membuat data, Discriminator network membersihkan data

Kami mempunyai 1000 gambar kucing dan 1000 gambar anjing, Mari membuat mesin untuk menggenerate image baru dari kucing dan anjing, algoritma ML yang mana yang akan digunakan?

• Supervised Learning
• Unsupervised Learning
• Reinforcement Learning
• Generative AI

Bagaimana GAN pada AWS DeepComposer notebook demo github.com/aws-samples/aws-deepcomposer-sam.. represent dan interpret musik

• Musik direpresentasikan sebagai beberapa matriks 2-dimensional
• Musik direpresentasikan sebagai kejadian time-series
• Musik direpresentasikan sebagai grapik pengetahuan

Service apa yang digunakan DeepComposer untuk menyimpan ML inference?

• AWS SageMaker
• AWS Lex
• AWS Lambda
• TensorFlow

Faktor penting untuk refactor code

• Meningkatkan struktur internal
• Mengubah fungsionalitas eksternal
• Stops dari membuat masalah tambahan di kemudian hari
• Membuat struktur yang lebih kompleks, namun lebih kuat

Best practices untuk membangun unit test yang bagus?

• Berpikir mengenai semua kasus edge sebelum kamu menulis fungsi
• Kamu tidak perlu pernyataan assert untuk setiap edge case
• Mempunyai bermacam pernyataan assert untuk mengetes semua edge case
• Run fungsi test untuk melihat jika fungsi bekerja di semua edge cases
• Menulis fungsi tes untuk memeriksa implementasi given semua parameter

CORRECT statement (multiple answers)

• NN adalah pendekatan yang berisi perceptrons yang semuanya independent
• Backpropagation feeds signal kembali melalui network untuk membuat penyesuaian pada weights pada setiap layer berdasarkan pada ground truth
• Perceptron adalah Neural seperti pada elemen NN yang mengambil sinyal input dari semua perceptron dari layer sebelumnya

Pada tugas prediksi, proses fitting the model pada data observasi pada proses training adalah

• Berawal pada model linear kemudian expanding dimensionality dari model tersebut sampai fits the data
• Berawal dari model linear kemudian regressing the shape the line sampai fits the data
• Membuat semua observasi tersedia untuk membuat model, kemudian memakai distance atau ukuran lain untuk assess how well the model characterize atau fits its data
• Assessing semua observasi yang tersedia kemudian backsolving untuk the dimensionality of best fit

Pada piano roll, value apa yang menangkap y-axis

• Time
• Poch
• Key
• Quality