Gratis proefexamen — CT-AI

1. Wat is het doel van input data testing bij een machine learning-systeem?

Controleren of de trainings-, validatie- en testdata representatief, volledig en van voldoende kwaliteit zijn voordat ze het model in gaan Uitsluitend de bestandsgrootte van de dataset meten Testen of de gebruikersinterface de data correct weergeeft Data testing is overbodig zodra een model eenmaal getraind is

2. Wat maakt het testen van AI-gebaseerde systemen fundamenteel anders dan het testen van traditionele, deterministische software?

AI-systemen kunnen probabilistisch en non-deterministisch gedrag vertonen, waardoor dezelfde input niet altijd exact dezelfde output geeft AI-systemen hebben nooit bugs, dus testen is overbodig AI-systemen zijn per definitie eenvoudiger te testen dan traditionele software Traditionele testtechnieken zijn nooit toepasbaar op AI-systemen

3. Welke AI-specifieke kwaliteitskenmerken worden behandeld volgens ISO/IEC 25059? (meerdere antwoorden mogelijk)

Functionele geschiktheid (bijv. nauwkeurigheid van voorspellingen) Transparantie en uitlegbaarheid Uitsluitend de laadtijd van de gebruikersinterface Robuustheid tegen onverwachte of adversariële input

4. Wat meet precision bij een classificatiemodel?

Van alle gevallen die het model als positief bestempelde, welk deel daadwerkelijk positief was Van alle daadwerkelijk positieve gevallen, welk deel het model heeft gevonden De totale trainingstijd van het model Het aantal features in de dataset

5. Een spamfilter mist veel daadwerkelijke spam-mails (laat ze door), maar wat het wél als spam markeert klopt bijna altijd. Welke metric is hier relatief laag?

Recall Precision Trainingssnelheid Aantal features