card2brain.ch

Warum gilt Big Data als Grundlage moderner KI-Anwendungen?

Große Datenmengen ermöglichen das Training leistungsfähiger KI-Modelle.

Neue Technologien erlauben die Speicherung und Analyse großer Datenbestände.

Big Data ersetzt alle KI-Algorithmen.

Big Data macht Datenqualität überflüssig.

Big Data wird ausschließlich im Finanzwesen eingesetzt.

Welche Entwicklungen haben das starke Wachstum von Big Data begünstigt?

Globale Vernetzung

Zunehmende Digitalisierung

Steigende Anzahl digitaler Dienste

Rückgang der Internetnutzung

Abschaffung von Cloud Computing

Welche Aussage beschreibt Big Data zutreffend?

Big Data beschreibt große, schnelle und komplexe Datenmengen.

Zur Verarbeitung werden fortgeschrittene Technologien benötigt.

Big Data umfasst ausschließlich strukturierte Daten.

Big Data bezeichnet nur Datenbanken.

Big Data ist identisch mit Cloud Computing.

Welche vier Dimensionen beschreibt das 4V-Modell von Big Data?

Volume

Variety

Velocity

Veracity

Visualization

Wofür steht "Volume" im 4V-Modell?

Für die Menge erzeugter Daten.

Für die Datenqualität.

Für die Geschwindigkeit der Datenverarbeitung.

Für die Vielfalt der Datenquellen.

Für Visualisierungstechniken.

Welche Faktoren tragen laut Skript zum Anstieg des Datenvolumens bei?

Internet of Things

Höhere Sensorauflösungen

Größere Datentiefe

Rückgang digitaler Prozesse

Weniger vernetzte Geräte

Was beschreibt "Variety" im 4V-Modell?

Heterogenität der Datenquellen

Unterschiedliche Datenformate

Strukturierte und unstrukturierte Daten

Datenschutz

Speichergröße

Warum ist Velocity für KI-Anwendungen wichtig?

Viele Daten entstehen in Echtzeit.

Kurze Latenzzeiten verbessern Entscheidungen.

Geschwindigkeit ersetzt Datenqualität.

Velocity beschreibt ausschließlich Netzwerkkapazitäten.

Velocity ist nur für historische Daten relevant.

Welche Aussage zu Veracity trifft zu?

Die Qualität der Trainingsdaten beeinflusst die Qualität der KI-Ergebnisse.

Schlechte Daten können falsche Vorhersagen verursachen.

Veracity beschreibt ausschließlich Datenschutz.

Veracity misst die Datenmenge.

Veracity ist für Machine Learning unwichtig.

Welche Aussage über Trainingsdaten ist korrekt?

Unvollständige Daten verschlechtern KI-Ergebnisse.

Fehlerhafte Daten führen trotz guter Algorithmen zu schlechten Resultaten.

Trainingsdaten sind für neuronale Netze unwichtig.

Trainingsdaten müssen nicht klassifiziert werden.

Algorithmen kompensieren beliebige Datenfehler vollständig.

Welche Rolle spielte das Internet für die Entwicklung von KI?

Es erleichtert die gemeinsame Erstellung großer Datensätze.

Es verbessert den weltweiten Zugang zu Trainingsdaten.

Es ersetzt Machine-Learning-Verfahren.

Es macht Datenbanken überflüssig.

Es verhindert Datenaustausch.

Welche Aussagen zu ImageNet sind richtig?

ImageNet stellt Millionen klassifizierter Bilder bereit.

ImageNet dient dem Training von KI-Algorithmen.

ImageNet ist ausschließlich eine Suchmaschine.

ImageNet enthält nur Textdaten.

ImageNet wurde ausschließlich für medizinische Daten entwickelt.

Welchen Vorteil bieten große frei verfügbare Datensätze?

Algorithmen können schneller entwickelt werden.

Neue Modelle lassen sich schneller validieren.

Sie machen Datenvorverarbeitung unnötig.

Sie ersetzen Fachwissen.

Sie verhindern Fehlklassifikationen vollständig.

Welche Technologien werden als infrastrukturelle Grundlage von Big Data hervorgehoben?

Cloud Computing

In-Memory-Computing

Diskettenlaufwerke

Analoge Netzwerke

Lochkarten

Welchen Vorteil bietet In-Memory-Computing?

Deutlich höhere Performance von Datenbanken

Schnellere Big-Data-Berechnungen

Abschaffung von Datenbanken

Verzicht auf Arbeitsspeicher

Automatische Datenbereinigung

Warum nimmt der Wert von Informationen mit der Zeit ab?

Entscheidungen müssen zeitnah getroffen werden.

Veraltete Informationen verlieren an Nutzen.

Speicherplatz wird automatisch gelöscht.

Cloud Computing verhindert Informationsverlust.

Informationen werden mit der Zeit genauer.

Welche Eigenschaften besitzt Edge Computing?

Verarbeitung nahe an der Datenquelle

Unterstützung von Echtzeitanwendungen

Ausschließliche Verarbeitung in Rechenzentren

Keine Verbindung zur Cloud möglich

Nur für Offline-Anwendungen geeignet

Welche Vorteile bietet Edge Computing für KI?

Vorverarbeitung von Daten lokal

Schnellere Entscheidungen

Reduzierung der Round-Trip-Latenz

Vollständiger Verzicht auf Algorithmen

Ersetzt sämtliche Cloud-Dienste

Welche Sicherheitsvorteile bietet Edge Computing?

Lokales Identitätsmanagement

Anwendungsspezifische Zugriffsrichtlinien

Einhaltung lokaler Vorschriften

Abschaffung aller Sicherheitsmaßnahmen

Öffentliche Speicherung aller Daten

Was beschreibt das Internet der Dinge (IoT)?

Vernetzung von Objekten, Menschen und Systemen

Erfassung von Sensordaten

Ausschließliche Kommunikation zwischen Menschen

Eine Programmiersprache

Ein Datenbanksystem

Welche Folgen hat das Wachstum des IoT?

Steigende Datenmengen

Verbesserung der KI-Modelle

Höhere Bedeutung von Edge Computing

Weniger Sensoren

Rückgang der Rechenleistung

Warum eignet sich Edge Computing besonders für IoT?

Analysen erfolgen nahe an der Datenquelle.

Nicht alle Daten müssen an zentrale Server übertragen werden.

Sensoren werden dadurch überflüssig.

Es entstehen keine Daten mehr.

Cloud Computing wird vollständig ersetzt.

Welche Aussage über Datenquellen ist laut Skript richtig?

Die passende Datenquelle ist oft wichtiger als eine möglichst große Datenmenge.

Nur möglichst große Datenmengen liefern gute Ergebnisse.

Datenquellen spielen keine Rolle.

Nur Social-Media-Daten eignen sich für KI.

Unternehmensdaten sind ungeeignet.

Welche Datenquellen nennt das Skript als Beispiele?

Social Media

Videostreaming

Messaging-Dienste

Digitale Geschäftsprozesse

Analoge Filmrollen

Welchen Nutzen haben Big Data und KI für Unternehmen?

Effizientere Geschäftsprozesse

Verbesserte Entscheidungsfindung

Entwicklung neuer Produkte und Dienstleistungen

Vollständiger Verzicht auf Mitarbeitende

Abschaffung aller Geschäftsprozesse

KI and big data pt 1 Kopie

Lernkarten

KI and big data pt 1 Kopie

Lernkarteien erstellen oder kopieren

Lernkarten

Bitte melde dich an

Google

Apple ID

Microsoft

Switch edu-ID

Edulog

Google

Apple ID

Microsoft

Switch edu-ID

Edulog