Yapay Zeka Talep Tahmini Sınavı

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Why can one global forecasting model help when an organization has many related series?
   • It can learn shared patterns across series while retaining series-specific inputs
   • It guarantees the same forecast error for every series
   • It replaces chronological validation with a random split
   • It means one model is trained separately for each series
2. Olasılıksal (nicel) tahminler envanter planlaması için neden değerlidir?
   • Tek garantili numara veriyorlar
   • Planlamacıların riske karşı emniyet stoğu oluşturabilmesi için bir aralık ve güven ifade ederler.
   • Herhangi bir geçmiş veriye olan ihtiyacı ortadan kaldırırlar
   • Tahminlerin daha hızlı yapılmasını sağlarlar
3. Modern makine öğrenimi yaklaşımlarından önce gelen klasik istatistiksel tahmin yöntemi hangisidir?
   • Zamansal Füzyon Transformatörü
   • Derin AR
   • ARIMA
   • TimesFM
4. Bir talep tahmincisini eğitirken kaçınılması gereken kritik tuzak nedir?
   • Takvim özelliklerini kullanma
   • Promosyon bilgileri dahil
   • Bir güven aralığı oluşturma
   • Gelecekteki verileri geçmiş tahminlerin eğitimine sızdırma
5. Hangi dış sinyal dondurma satışlarına ilişkin tahminleri en makul şekilde iyileştirir?
   • Günlük sıcaklık ve hava durumu
   • Sunucu çalışma süresi günlükleri
   • CEO'nun doğum günü
   • Web sitesindeki yazı tipi seçenekleri
6. What did the cited decoder-only foundation-model paper report about its model’s zero-shot forecasts?
   • It guarantees better forecasts for every business series
   • On several public datasets, out-of-the-box accuracy came close to supervised models trained for each dataset
   • It eliminates the need for statistical baselines
   • It forecasts only with fine-tuning on each target series
7. What architecture does the DeepAR paper use to produce forecasts across related time series?
   • A single ARIMA model fitted separately to each series
   • A static lookup table of future values
   • An autoregressive recurrent network trained on many related series
   • A diffusion image model that reads plotted charts
8. Why evaluate a demand model against statistical baselines?
   • To ensure a neural model always wins
   • To make data leakage unavoidable
   • To remove uncertainty from demand
   • To test whether added model complexity improves the target forecast task