Yapay Zeka Anomalisi Tespit Sınavı

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Anormallik tespiti neden genellikle anormalliklerin etiketlenmiş örnekleri olmadan çalışıyor?
   • Anormallikler nadirdir ve önceden tahmin edilemez; bu nedenle modeller bunun yerine 'normal'i öğrenir
   • Etiketlerin kullanılması yasa dışıdır
   • Anormallikler asla gerçekleşmez
   • Yalnızca görselleri kullanır
2. 'Bağlamsal anormallik' şu özelliklere sahip bir veri noktasıdır:
   • Her zaman her yerde anormal
   • Bir bağlamda normal, diğer bağlamda anormal
   • Veritabanındaki bir yazım hatası
   • Yinelenen kayıt
3. What does the cited WACV autoencoder study use as an anomaly score?
   • A legal fraud label assigned to every record
   • A guarantee that no future fault will occur
   • Reconstruction error from an autoencoder trained to model the data
   • The number of random trees in an Isolation Forest
4. How does the original Isolation Forest paper isolate candidate anomalies?
   • It requires an expert to label every anomaly in advance
   • It measures reconstruction error from a neural decoder
   • It uses a fixed threshold that proves an item is defective
   • Random partitioning tends to isolate anomalous instances in fewer splits
5. Bir anormallik eşiğini çok hassas bir şekilde ayarlamanın ana tehlikesi nedir?
   • Analistler yanlış alarmlarla boğuşuyor
   • Model daha hızlı çalışır
   • Veriler şifreleniyor
   • Anormallikler imkansız hale geliyor
6. What can an unusual machine-vibration score reasonably trigger?
   • An automatic shutdown because failure is guaranteed
   • A maintenance investigation or additional measurement, without predicting failure with certainty
   • A confirmed diagnosis of the failed component
   • A claim that the machine will fail within a fixed number of hours
7. Why is an anomaly score not automatically a fraud or defect label?
   • It is always a verified label
   • Anomaly scores cannot be compared
   • It indicates unusualness under a model or baseline, not the cause or consequence
   • The threshold proves intent
8. What should be documented when setting an anomaly threshold?
   • Only the model’s name
   • A claim that false positives are impossible
   • The number of GPUs alone
   • The reference data, score definition, threshold rationale, and review process