پیشہ ورانہ اسناد · IT پاسپورٹ کامیابی لیب
سوالات اور وضاحتیں اردو میں پڑھی جا سکتی ہیں۔ لیکچرز (وضاحتی مضامین) صرف جاپانی ورژن میں دستیاب ہیں۔
جاپانی ورژن (لیکچرز کے ساتھ) دیکھیں →
بائنری عدد 1011 کو اعشاری (base-10) نظام میں ظاہر کیا جائے تو اس کی قدر کیا ہو گی؟
بائنری (2進数) کے ہر ہندسے کا وزن دائیں سے 1,2,4,8 ہوتا ہے۔ 1011 = 8×1 + 4×0 + 2×1 + 1×1 = 11۔ 9 بائنری میں 1001 ہے، 13 = 1101 اور 15 = 1111؛ ان میں سے کوئی بھی 1011 کے برابر نہیں۔
اعشاری (base-10) عدد 45 کو بائنری میں ظاہر کرنے والا جواب کون سا ہے؟
45 کو بار بار 2 سے تقسیم کر کے باقیات کو نیچے سے ترتیب دیں تو 1, 0, 1, 1, 0, 1 ملتے ہیں؛ الٹی ترتیب میں پڑھیں تو 101101 بنتا ہے۔ جانچ: 32 + 8 + 4 + 1 = 45، جو درست ہے۔ 101011 = 43، 110101 = 53 اور 111001 = 57 ہے؛ ان میں سے کوئی بھی 45 نہیں بنتا۔
ہیکساڈیسیمل عدد 2F کو اعشاری نظام میں ظاہر کیا جائے تو اس کی قدر کیا ہو گی؟
ہیکساڈیسیمل (16進数) میں دوسرے ہندسے کا وزن 16 ہوتا ہے اور F کا مطلب 15 ہے۔ 2×16 + 15 = 47۔ 31 ہیکساڈیسیمل میں 1F ہے، 43 = 2B اور 62 = 3E؛ ان میں سے کوئی بھی 2F کے برابر نہیں۔ یاد رکھیں کہ ہیکساڈیسیمل میں A سے F تک بالترتیب 10 سے 15 کو ظاہر کرتے ہیں۔
بائنری عدد 11010110 کو ہیکساڈیسیمل (base-16) میں ظاہر کرنے والا جواب کون سا ہے؟
بائنری کے 4 ہندسے ہیکساڈیسیمل کے 1 ہندسے کے برابر ہوتے ہیں، اس لیے 11010110 کو 1101 اور 0110 میں تقسیم کریں۔ 1101 = 13 یعنی D، اور 0110 = 6، لہٰذا جواب D6 ہے۔ 6D = 01101101، B6 = 10110110 اور C6 = 11000110 ہے؛ ان میں سے کوئی بھی اصل قدر سے مطابقت نہیں رکھتا۔
8 بٹس سے کتنی مختلف بغیر علامت (unsigned) بائنری قدریں ظاہر کی جا سکتی ہیں؟
n بٹس سے 2 کی طاقت n حالتیں ظاہر کی جا سکتی ہیں، اس لیے 8 بٹس سے 2 کی طاقت 8 = 256 قدریں ملتی ہیں، یعنی اعشاری (base-10) میں 0 سے 255 تک۔ 8 خود بٹس کی تعداد ہے، 16 وہ ہے جو 4 بٹس دیتے ہیں، اور 128 وہ جو 7 بٹس دیتے ہیں؛ ان میں سے کوئی بھی 8 بٹس کی ممکنہ صورتوں کی تعداد نہیں۔
آپ 50 مختلف علامتوں کو ظاہر کرنا چاہتے ہیں، اور ہر علامت کو الگ بٹ سٹرنگ دی جائے گی۔ کم از کم کتنے بٹس درکار ہیں؟
n بٹس سے 2 کی طاقت n قدروں میں فرق کیا جا سکتا ہے۔ 2 کی طاقت 5 = 32، جو 50 اقسام کے لیے کافی نہیں، جبکہ 2 کی طاقت 6 = 64 کافی ہے، اس لیے کم از کم 6 بٹس درکار ہیں۔ 5 بٹس صرف 32 قدریں ظاہر کر سکتے ہیں، جو کم ہیں۔ 7 بٹس (128 قدریں) اور 8 بٹس (256 قدریں) سے بھی یہ ظاہر ہو سکتی ہیں، لیکن یہ ’کم از کم‘ کی شرط پوری نہیں کرتے۔
بائنری اعداد 10110011 اور 00001111 کے منطقی AND کا نتیجہ کیا ہے؟
منطقی AND (論理積) میں ہر مقام پر نتیجہ صرف اس وقت 1 ہوتا ہے جب دونوں بٹس 1 ہوں۔ اوپر کے 4 بٹس سب 0 ہو جاتے ہیں کیونکہ وہاں دوسرا عدد 0 ہے، اور نیچے کے 4 بٹس 0011 جوں کے توں رہتے ہیں، لہٰذا نتیجہ 00000011 ہے۔ 00001111 محض دوسرا عدد ہی ہے، اور 10111111 منطقی OR کا نتیجہ ہے۔ 10110000 وہ نتیجہ ہے جو 00001111 کے بجائے 11110000 سے ماسک کرنے پر آتا ہے، یعنی اوپر کے 4 بٹس نکالنا۔
بائنری اعداد 1101 اور 1011 کے ایکسکلوسِو OR، یعنی XOR، کا نتیجہ کیا ہے؟
ایکسکلوسِو OR (排他的論理和) میں ہر مقام پر نتیجہ صرف اس وقت 1 ہوتا ہے جب بٹس مختلف ہوں۔ بائیں سے: 1 اور 1 سے 0، 1 اور 0 سے 1، 0 اور 1 سے 1، اور 1 اور 1 سے 0، لہٰذا نتیجہ 0110 ہے۔ 1001 منطقی AND ہے اور 1111 منطقی OR، جبکہ 0100 کسی بھی بنیادی عمل کے نتیجے سے مطابقت نہیں رکھتا۔
اعشاری (base-10) عدد −5 کو 8 بٹ کے 2 کے تکملے میں ظاہر کرنے والا جواب کون سا ہے؟
2 کا تکملہ (2の補数) بنانے کے لیے اصل عدد کے ہر بٹ کو الٹ کر 1 جمع کیا جاتا ہے۔ 5 = 00000101؛ الٹنے پر 11111010 بنتا ہے، اور 1 جمع کرنے پر 11111011۔ 11111010 صرف الٹایا ہوا عدد ہے، یعنی 1 کا تکملہ (1の補数)، جس میں 1 جمع نہیں کیا گیا۔ 10000101 علامت و مقدار نمائندگی (符号絶対値表現) ہے جس میں صرف سب سے اوپر کے مقام پر علامتی بٹ 1 رکھا گیا ہے، اور 11111100 سے −4 ظاہر ہوتا ہے۔
کون سا اظہار ہمیشہ NOT(A AND B) جیسا ہی نتیجہ دیتا ہے؟ یہاں NOT نفی، AND منطقی AND (ملاپ) اور OR منطقی OR (یا) کو ظاہر کرتا ہے۔
ڈی مورگن کے قانون (ド・モルガンの法則) کے مطابق منطقی AND کی نفی، الگ الگ نفی شدہ اجزا کے منطقی OR کے برابر ہوتی ہے۔ لہٰذا NOT(A AND B) = NOT A OR NOT B۔ NOT A AND NOT B ایک مختلف اظہار ہے جو NOT(A OR B) کے برابر ہے، A OR B میں کوئی نفی نہیں اور یہ الٹا نتیجہ دیتا ہے، اور A AND NOT B میں صرف B کی نفی ہے، اس لیے یہ درست نہیں۔ صداقتی جدول (真理値表) کی تمام 4 قطاریں جانچ کر اس کی تصدیق کی جا سکتی ہے۔
100 ملازمین کے سروے میں معلوم ہوا کہ 60 لوگ سسٹم A، 45 لوگ سسٹم B اور 25 لوگ A اور B دونوں استعمال کرتے ہیں۔ کتنے لوگ نہ A استعمال کرتے ہیں نہ B؟
کم از کم ایک سسٹم استعمال کرنے والوں کی تعداد، مشترک حصے کو ایک بار گھٹا کر، 60 + 45 − 25 = 80 ہے۔ لہٰذا کوئی بھی استعمال نہ کرنے والے 100 − 80 = 20 ہیں۔ 10 اور 15 مشترک حصے کو غلط طریقے سے گھٹانے سے آتے ہیں، اور 25 دونوں استعمال کرنے والوں کی تعداد ہے، جو پوچھی نہیں گئی۔
دو ان پٹ A اور B کے لیے ایکسکلوسِو OR، یعنی XOR، کس صورت میں 1 دیتا ہے؟
ایکسکلوسِو OR (排他的論理和) صرف اس وقت 1 ہوتا ہے جب ان پٹ قدریں مختلف ہوں، اور برابر ہونے پر 0۔ جب دونوں 1 ہوں تو نتیجہ 0 ہے؛ اس صورت میں 1 دینے والا منطقی AND ہے۔ جب دونوں 0 ہوں تب بھی نتیجہ 0 ہے۔ برابر قدروں والی صورت XOR کی نفی، یعنی مساوات سرکٹ (一致回路)، کو بیان کرتی ہے، جس کا نتیجہ الٹ ہوتا ہے۔
100 لاٹری ٹکٹ ہیں: 5000 ین کا 1 پہلا انعام، 1000 ین کے 5 دوسرے انعام، اور باقی 0 ین والے خالی ٹکٹ۔ ایک ٹکٹ نکالنے پر ملنے والی رقم کی متوقع قدر کیا ہے؟
متوقع قدر (期待値) ہر رقم کو اس کے احتمال سے ضرب دے کر سب کو جمع کرنے سے ملتی ہے: (5000×1 + 1000×5) ÷ 100 = 10000 ÷ 100 = 100 ین۔ 150 اور 200 انعامی رقوم یا تعداد کو غلط طریقے سے ضرب دینے سے آتے ہیں، اور 600 ین جیتنے کے احتمال 6÷100 کو کل انعامی رقم 10000 ین سے ضرب دینے سے آتا ہے، جو ہر رقم کو اس کے اپنے احتمال سے وزن نہ دینے کی غلطی ہے۔
جب ایک بڑا اور ایک چھوٹا، دو پانسے ایک ساتھ پھینکے جائیں تو اوپر آنے والے اعداد کا مجموعہ 7 ہونے کا احتمال کیا ہے؟
کل ممکنہ نتائج 6×6 = 36 ہیں۔ مجموعہ 7 ان 6 صورتوں میں آتا ہے: (1,6)، (2,5)، (3,4)، (4,3)، (5,2) اور (6,1)، لہٰذا احتمال (確率) 6÷36 = 1/6 ہے۔ 1/12 کا مطلب 3 صورتیں ہو گا، 1/9 کا 4 صورتیں اور 1/8 کا 4.5 صورتیں؛ ان میں سے کوئی بھی اصل صورتوں کی تعداد سے مطابقت نہیں رکھتا۔
6 افراد میں سے 2 نمائندے منتخب کرنے کے کتنے طریقے ہیں؟ منتخب ہونے والے 2 افراد کی ترتیب میں فرق نہیں کیا جاتا۔
ترتیب کا لحاظ کیے بغیر انتخاب کمبی نیشن (組合せ) ہے: (6×5) ÷ (2×1) = 15 طریقے۔ 30 پرمیوٹیشن (順列) 6×5 ہے، جو ایک ہی جوڑے کو دو بار گنتا ہے۔ 12 = 6×2 اور 36 = 6×6؛ دونوں میں گنتی غلط ہے۔
4 افراد کو ایک قطار میں کھڑا کرنے کی کتنی ترتیبیں ممکن ہیں؟
پہلی جگہ کے لیے 4 انتخاب ہیں، دوسری کے لیے باقی 3، تیسری کے لیے 2 اور چوتھی کے لیے 1، لہٰذا 4×3×2×1 = 24 ترتیبیں (順列) بنتی ہیں۔ 12 = 4×3، جو صرف دو جگہیں گنتا ہے۔ 16 = 4×4، جو ایک ہی شخص کو ایک سے زیادہ بار گنتا ہے، اور 4 محض افراد کی تعداد ہے؛ ان میں سے کوئی بھی ترتیبوں کی کل تعداد نہیں۔
پانچ افراد کے ٹیسٹ کے نمبر 10، 20، 20، 30 اور 120 ہیں۔ ان 5 ڈیٹا نکات کا وسطانیہ کیا ہے؟
وسطانیہ (中央値) وہ درمیانی قدر ہے جو ڈیٹا کو مقدار کے لحاظ سے ترتیب دینے پر ملتی ہے۔ 5 اشیا ہوں تو یہ 3 نمبر والی قدر، یعنی 20، ہے۔ 40 اوسط (平均値) ہے، یعنی کل 200 ÷ 5، جو انتہائی بڑی قدر 120 کی وجہ سے اوپر کھنچ گیا ہے۔ 30 ترتیب میں 4 نمبر والی قدر ہے اور 120 سب سے بڑی قدر؛ دونوں میں سے کوئی وسطانیہ نہیں۔
ڈیٹا 2، 4، 4، 4، 5، 5، 7، 9 کا معیاری انحراف کیا ہے؟ اس ڈیٹا کا اوسط 5 ہے، اور تغیر (variance) ڈیٹا نکات کی تعداد سے تقسیم کر کے نکالا جاتا ہے۔
اوسط سے فرق کے مربع 9، 1، 1، 1، 0، 0، 4، 16 ہیں، جن کا کل 32 ہے۔ تغیر (分散) 32 ÷ 8 = 4 ہے، اور معیاری انحراف (標準偏差) اس کا جذر یعنی 2 ہے۔ 4 تغیر ہی کو جواب کے طور پر دینا ہے، 8 ڈیٹا نکات کی تعداد ہے، اور 1 فرق کے مربعوں میں سے ایک ہے؛ ان میں سے کوئی بھی معیاری انحراف نہیں۔
معیاری انحراف کس چیز کو ظاہر کرتا ہے؟
معیاری انحراف (標準偏差) تغیر کا جذر ہے اور یہ ظاہر کرتا ہے کہ ڈیٹا اوسط سے کتنا دور بکھرا ہوا ہے۔ یہ جتنا چھوٹا ہو، ڈیٹا اتنا ہی اوسط کے قریب جمع ہوتا ہے۔ آپشن D اوسط (平均値)، آپشن C وسطانیہ (中央値) اور آپشن A عادہ (最頻値) ہے؛ ان میں سے ہر ایک ڈیٹا کی نمائندگی کرنے والی ایک واحد قدر ہے اور پھیلاؤ کی مقدار ظاہر نہیں کرتی۔
دو ڈیٹا سیٹس کا ارتباطی ضریب −0.9 نکلا۔ اس قدر سے کیا کہا جا سکتا ہے؟
ارتباطی ضریب (相関係数) کی قدر −1 سے +1 تک ہوتی ہے، اور یہ −1 کے جتنا قریب ہو، منفی ارتباط اتنا ہی مضبوط ہوتا ہے، یعنی ایک بڑھنے پر دوسرا گرتا ہے۔ ’تقریباً کوئی تعلق نہیں‘ 0 کے قریب قدروں کو بیان کرتا ہے، اور مضبوط مثبت ارتباط کی وضاحت +1 کے قریب قدروں پر صادق آتی ہے، جن کی علامت الٹی ہے۔ سبب ہونے کا دعویٰ غلط ہے: مضبوط ارتباط اس بات کی ضمانت نہیں کہ سبب اور نتیجے کا تعلق (因果関係) بھی موجود ہے۔
رجعتی تجزیے کی درست وضاحت کون سی ہے؟
رجعتی تجزیہ (回帰分析) حقیقی ڈیٹا پر فٹ کر کے ایسی مساوات اخذ کرتا ہے جو ایک متغیر سے دوسرے متغیر کی قدر نکالتی ہے، جیسے اشتہاری اخراجات سے فروخت کی پیش گوئی۔ آپشن A کلسٹرنگ (クラスタリング) ہے، آپشن B باسکٹ تجزیہ (バスケット分析) جسے ایسوسی ایشن تجزیہ (アソシエーション分析) بھی کہتے ہیں، اور آپشن C نمونہ سروے (標本調査)؛ ان میں سے کوئی بھی پیش گوئی کی مساوات اخذ نہیں کرتا۔
1 نینو سیکنڈ کتنے سیکنڈ کے برابر ہے؟
نینو، جسے n لکھا جاتا ہے، وہ سابقہ (接頭語) ہے جو 10 کی طاقت منفی 9 کو ظاہر کرتا ہے۔ 10^-3 ملی (m)، 10^-6 مائیکرو (μ) اور 10^-12 پیکو (p) ہے۔ چھوٹی جانب سابقے ملی، مائیکرو، نینو، پیکو کی ترتیب میں آتے ہیں، اور ہر ایک پچھلے سے 1000 گنا چھوٹا ہوتا ہے۔
37.462 کے اعشاریہ کے بعد دوسرے مقام کو راؤنڈ کیا جائے تو قدر کیا ہو گی؟
اعشاریہ کے بعد دوسرے مقام کا ہندسہ 6 ہے، جو 5 یا اس سے زیادہ ہے، اس لیے اعشاریہ کے بعد پہلے مقام میں 1 بڑھایا جاتا ہے اور جواب 37.5 بنتا ہے (四捨五入)۔ 37.4 دوسرے مقام کو کاٹ دینے کا نتیجہ ہے، 37.46 تیسرے مقام کو راؤنڈ کرنے سے آتا ہے، اور 38.0 پہلے مقام کو اوپر کی طرف بڑھانے سے؛ ان میں سے کوئی بھی بتائے گئے مقام پر بتایا گیا راؤنڈنگ کا طریقہ استعمال نہیں کرتا۔ نوٹ کریں کہ اعشاریہ کے بعد پہلے مقام کو راؤنڈ کیا جائے تو جواب 37 ہو گا۔
UTF-8 کی درست وضاحت کون سی ہے؟
UTF-8 ایسا انکوڈنگ طریقہ (符号化方式) ہے جو Unicode حروف کو 1 سے 4 بائٹس کی متغیر لمبائی (可変長) میں ظاہر کرتا ہے؛ حروف و اعداد ASCII کی طرح 1 بائٹ لیتے ہیں، جس سے مطابقت بہت زیادہ ہوتی ہے، اور یہ ویب پر سب سے زیادہ استعمال ہونے والی انکوڈنگ ہے۔ آپشن C ASCII ہے، اور آپشن B Shift JIS (シフトJIS) جیسے جاپانی حرفی کوڈز (文字コード) کی وضاحت کے قریب ہے۔ آپشن D حرفی کوڈ کے بجائے ایک تصویری فارمیٹ کو بیان کرتا ہے، جو بالکل الگ چیز ہے۔
ASCII کوڈ کی درست وضاحت کون سی ہے؟
ASCII سب سے بنیادی حرفی کوڈ (文字コード) ہے، جو حروف، اعداد، علامات اور کنٹرول حروف کی 128 اقسام کو 7 بٹس میں ظاہر کرتا ہے؛ یہ جاپانی کو نہیں سنبھال سکتا۔ آپشن B Shift JIS اور EUC-JP جیسے جاپانی حرفی کوڈز کو بیان کرتا ہے، اور آپشن D Unicode کو۔ آپشن C A/D تبدیلی (A/D変換)، یعنی ڈیجیٹائزیشن، کو بیان کرتا ہے، جس کا حرفی کوڈز سے کوئی تعلق نہیں۔
اینالاگ آواز کو ڈیجیٹل ڈیٹا میں تبدیل کرنے کے مراحل کو درست ترتیب میں کون سا آپشن بیان کرتا ہے؟
پہلے سیمپلنگ (標本化) ہوتی ہے، یعنی مقررہ وقفوں پر لہر کی اونچائی پڑھنا؛ پھر کوانٹائزیشن (量子化)، یعنی ہر پڑھی گئی قدر کو مقررہ درجوں میں سے کسی ایک قدر سے بدلنا؛ اور آخر میں انکوڈنگ (符号化)، یعنی ان قدروں کو 0 اور 1 کی بٹ سٹرنگز میں بدلنا۔ باقی آپشنز اس ترتیب کو الٹ پلٹ کرتے ہیں، اور چونکہ قدریں پڑھنے سے پہلے نہ درجے مقرر کیے جا سکتے ہیں نہ کوڈ بنائے جا سکتے ہیں، اس لیے وہ غلط ہیں۔
آپ 20kHz تک کے فریکوئنسی اجزا والی آواز کو اس طرح ریکارڈ کرنا چاہتے ہیں کہ سیمپلنگ کے قضیے کی بنیاد پر اصل لہر کی شکل دوبارہ بنائی جا سکے۔ کم از کم کتنی سیمپلنگ فریکوئنسی درکار ہے؟
سیمپلنگ کے قضیے (標本化定理) کے مطابق، اگر اصل سگنل کی سب سے زیادہ فریکوئنسی کے دوگنے سے زیادہ فریکوئنسی پر سیمپلنگ کی جائے تو اصل لہر کی شکل دوبارہ بنائی جا سکتی ہے۔ 20kHz کا دوگنا، یعنی تقریباً 40kHz، درکار ہے۔ باقی تینوں سب سے زیادہ فریکوئنسی کے دوگنے تک نہیں پہنچتے، اس لیے اصل لہر کی شکل درست طور پر دوبارہ نہیں بن سکتی۔
44.1kHz سیمپلنگ فریکوئنسی، 16 بٹ کوانٹائزیشن ڈیپتھ اور 2 چینلز والے اسٹیریو میں 60 سیکنڈ تک ریکارڈ کیے گئے آڈیو ڈیٹا کی مقدار تقریباً کتنے بائٹس ہے؟ فرض کریں کہ کوئی کمپریشن نہیں، 1kHz کا مطلب فی سیکنڈ 1000 بار ہے، اور 1Mbyte = 10^6 بائٹس۔
44100×16×2×60 = 84,672,000 بٹس؛ 8 سے تقسیم کرنے پر 10,584,000 بائٹس، یعنی تقریباً 10.6Mbytes۔ تقریباً 5.3M مونو (ایک چینل) کے طور پر حساب کی گئی قدر ہے، تقریباً 2.6M میں 8 بٹ کوانٹائزیشن (量子化ビット数) اور مونو فرض کیا گیا ہے، اور تقریباً 21.2M وہ قدر ہے جو 32 بٹ کوانٹائزیشن سے حساب کی گئی ہے۔
640 پکسل چوڑی اور 480 پکسل اونچی، 24 بٹ فی پکسل فل کلر میں بغیر کمپریشن والی تصویر کی مقدار تقریباً کتنے بائٹس ہے؟ فرض کریں کہ 1Kbyte = 1000 بائٹس اور 1Mbyte = 10^6 بائٹس۔
24 بٹس = 3 بائٹس، اس لیے 640×480×3 = 921,600 بائٹس، یعنی تقریباً 922Kbytes۔ تقریباً 7.4M وہ بٹس کی تعداد ہے جو بائٹس میں تبدیل کیے بغیر جواب دی گئی، تقریباً 307K میں فی پکسل 8 بٹس، یعنی 1 بائٹ، فرض کیا گیا ہے، اور تقریباً 38K میں فی پکسل 1 بٹ؛ ان میں سے کوئی بھی دی گئی شرائط سے مطابقت نہیں رکھتا۔
100Mbits فی سیکنڈ ترسیلی رفتار والی لائن پر 1Gbyte ڈیٹا منتقل کیا جاتا ہے۔ جب ترسیلی کارکردگی 50% ہو تو منتقلی میں کتنے سیکنڈ لگیں گے؟ فرض کریں کہ 1Gbyte = 10^9 بائٹس اور 1Mbit فی سیکنڈ = 10^6 بٹس فی سیکنڈ۔
1Gbyte = 8×10^9 بٹس۔ 50% ترسیلی کارکردگی (伝送効率) کے ساتھ مؤثر رفتار 50×10^6 بٹس فی سیکنڈ ہے، لہٰذا 8×10^9 ÷ (50×10^6) = 160 سیکنڈ۔ 80 سیکنڈ میں کارکردگی نظرانداز کر کے 100% فرض کی گئی ہے، جبکہ 320 اور 640 میں بائٹ سے بٹ کی تبدیلی اور کارکردگی کے استعمال کی غلطیاں ایک دوسرے پر جمع ہو گئی ہیں۔
مشین لرننگ میں زیرِ نگرانی سیکھنے کی درست وضاحت کون سی ہے؟
زیرِ نگرانی سیکھنا (教師あり学習) لیبل والے ڈیٹا سے ان پٹ اور جواب کا تعلق سیکھتا ہے تاکہ نئے، نامعلوم ان پٹ کے لیے پیش گوئی کی جا سکے۔ آپشن B بغیر نگرانی سیکھنے (教師なし学習) اور آپشن A تقویتی سیکھنے (強化学習) کو بیان کرتا ہے۔ آپشن C ہاتھ سے لکھے گئے اصولوں پر مبنی طریقہ ہے، جو ڈیٹا سے مشین لرننگ میں شمار نہیں ہوتا۔
بغیر نگرانی سیکھنے کے استعمال کی درست مثال کون سی ہے؟
بغیر نگرانی سیکھنا (教師なし学習) جواب دیے بغیر ڈیٹا میں ساخت اور گروہ تلاش کرتا ہے، اور گاہکوں کی گروہ بندی، یعنی کلسٹرنگ (クラスタリング)، اس کی نمایاں مثال ہے۔ آپشن C اور D زیرِ نگرانی سیکھنا (教師あり学習) ہیں، جو لیبل والے ڈیٹا سے سیکھتا ہے، اور آپشن A تقویتی سیکھنا (強化学習) ہے، جو انعامات سے اعمال سیکھتا ہے؛ ان میں سے کوئی بھی بغیر نگرانی سیکھنا نہیں۔
تقویتی سیکھنے کی درست وضاحت کون سی ہے؟
تقویتی سیکھنا (強化学習) کسی حالت میں کیے گئے اعمال پر ملنے والے انعامات کی بنیاد پر، آزمائش و خطا کے ذریعے، اعمال منتخب کرنے کا ایسا طریقہ سیکھتا ہے جس سے کل انعام زیادہ سے زیادہ ہو؛ یہ گو (Go) کھیلنے والی AI اور روبوٹ کنٹرول میں استعمال ہوتا ہے۔ آپشن D زیرِ نگرانی سیکھنا (教師あり学習) اور آپشن A بغیر نگرانی سیکھنا (教師なし学習) ہے۔ آپشن B ڈیٹا کی پیشگی تیاری (前処理) کا کام ہے، سیکھنے کے طریقے کی کوئی قسم نہیں۔
ڈیپ لرننگ کی درست وضاحت کون سی ہے؟
ڈیپ لرننگ (深層学習) ایسا طریقہ ہے جو نیورل نیٹ ورک (ニューラルネットワーク)، جو دماغ کے اعصابی خلیوں کے باہمی ربط کی نقل کرتا ہے، کی درمیانی تہوں (中間層) کو گہرائی تک ایک دوسرے پر جوڑتا ہے، اور انسانوں کے بتائے بغیر ڈیٹا سے قابلِ توجہ خصوصیات خود بخود نکال سکتا ہے۔ آپشن A اسپریڈشیٹ کے ذریعے تجزیہ، آپشن B اصولوں پر مبنی استدلال (ルールベースの推論) اور آپشن D انکرپشن ٹیکنالوجی ہے؛ ان میں سے کوئی بھی ڈیپ لرننگ نہیں۔
مشین لرننگ میں اوورفٹنگ کی درست وضاحت کون سی ہے؟
اوورفٹنگ (過学習) وہ مظہر ہے جس میں ماڈل تربیتی ڈیٹا کی باریک تفصیلات تک یاد کر لیتا ہے، جس سے تربیتی ڈیٹا پر درستی زیادہ مگر نامعلوم ڈیٹا پر کم ہو جاتی ہے۔ آپشن C ڈیٹا کی کمی کا مسئلہ ہے، آپشن D ٹرانسفر لرننگ (転移学習) کو بیان کرتا ہے، اور آپشن A کمپیوٹنگ وسائل کا مسئلہ ہے؛ ان میں سے کوئی بھی تربیتی ڈیٹا پر حد سے زیادہ فٹ ہونے کی بات نہیں کرتا۔
مشین لرننگ میں دستیاب ڈیٹا کو تربیتی ڈیٹا اور ٹیسٹ ڈیٹا میں تقسیم کرنے کا بنیادی مقصد کیا ہے؟
اگر درستی اسی ڈیٹا پر ناپی جائے جو تربیت میں استعمال ہوا، تو محض اس ڈیٹا کو یاد کر لینے سے بھی زیادہ اسکور آ سکتا ہے۔ تربیت میں استعمال نہ ہونے والے ٹیسٹ ڈیٹا (テストデータ) پر جانچنے سے نامعلوم ڈیٹا پر اصل صلاحیت ناپی جاتی ہے۔ رفتار تقسیم کا بنیادی مقصد نہیں، ذاتی معلومات کی حفاظت گمنام بنانے (匿名加工) جیسے دوسرے اقدامات سے ہوتی ہے، اور غلطیوں کی درستی وہ کام نہیں جو تقسیم سے ہو جائے۔
پہلے سے موصول شدہ بہت سی ای میلز پر ’اسپام‘ یا ’عام میل‘ کا لیبل لگا کر ماڈل کی تربیت کی گئی، اور وہ طے کرتا ہے کہ نئی آنے والی ای میل کس زمرے میں ہے۔ یہ سیکھنے کا کون سا طریقہ ہے؟
چونکہ تربیت ایسے ڈیٹا سے ہوتی ہے جس پر جواب، یعنی لیبل، پہلے سے لگے ہیں، یہ زیرِ نگرانی سیکھنا (教師あり学習) ہے، اور چونکہ آؤٹ پٹ ایک زمرہ ہے، یہ درجہ بندی (分類) ہے۔ بغیر نگرانی سیکھنا کوئی جواب نہیں دیتا، اور تقویتی سیکھنا انعامات سے اعمال سیکھتا ہے۔ ڈیپ تقویتی سیکھنا (深層強化学習) تقویتی سیکھنے کو نیورل نیٹ ورکس سے جوڑتا ہے اور اس سوال پر پورا نہیں اترتا، جس میں درست لیبلز استعمال ہوتے ہیں۔
درج ذیل عمل چلانے پر متغیر x کی آخری قدر کیا ہو گی؟ پہلے متغیر x میں 1 رکھیں۔ پھر 3 بار یہ عمل دہرائیں: x میں اس کی موجودہ قدر کا دوگنا رکھیں۔
x کی ابتدا 1 سے ہوتی ہے؛ پہلی تکرار کے بعد 2، دوسری کے بعد 4 اور تیسری کے بعد 8 ہو جاتا ہے، لہٰذا جواب 8 ہے۔ 2 صرف پہلی تکرار کے بعد کی قدر ہے اور 4 صرف دوسری تکرار تک کی۔ 6 تین بار 2 جمع کرنے کا نتیجہ ہے، بار بار دوگنا کرنے کا نہیں۔
پہلے سے صعودی ترتیب میں رکھے گئے 1000 ڈیٹا آئٹمز میں سے مطلوبہ آئٹم تلاش کرنے کے لیے بائنری سرچ استعمال کی جاتی ہے۔ زیادہ سے زیادہ کتنے موازنے درکار ہوں گے؟
بائنری سرچ (二分探索) میں ہر موازنہ امیدواروں کو آدھا کر دیتا ہے۔ 2 کی طاقت 9 = 512، جو 1000 آئٹمز کے لیے کافی نہیں، جبکہ 2 کی طاقت 10 = 1024، جو 1000 سے زیادہ ہے، اس لیے مطلوبہ آئٹم زیادہ سے زیادہ 10 موازنوں میں مل جاتا ہے۔ 500 لینیئر سرچ (線形探索) کے اوسط موازنوں کے قریب ہے، اور 7 اور 9 میں آدھا کرنے کے مراحل بہت کم ہیں۔
n ڈیٹا آئٹمز پر لینیئر سرچ کرتے وقت، اگر مطلوبہ آئٹم ہمیشہ ٹھیک ایک بار موجود ہو اور کسی بھی مقام پر ہونے کا امکان برابر ہو، تو اوسطاً کتنے موازنے ہوں گے؟
پہلے موازنے سے لے کر n ویں موازنے تک ملنے کی صورتوں کا احتمال برابر ہے، اس لیے اوسط (1+2+…+n)÷n = (n+1)÷2 ہے۔ n بدترین صورت میں موازنوں کی تعداد ہے، اور log2 n بائنری سرچ (二分探索) کے موازنوں کی تخمینی تعداد ہے۔ n÷4 کی کوئی بنیاد نہیں۔
ایک ارے کے عناصر شروع سے 3، 1، 4، 1، 5 کی ترتیب میں ہیں۔ شروع سے ملحقہ جوڑوں کا موازنہ کرتے ہوئے، اگر بایاں دائیں سے بڑا ہو تو انہیں آپس میں بدلا جاتا ہے؛ یہ ایک بار (one pass) کیا جاتا ہے۔ اس ایک پاس کے فوراً بعد ارے کی ترتیب کیا ہو گی؟
3 اور 1 کا موازنہ کر کے بدلنے سے 1,3,4,1,5 بنتا ہے؛ 3 اور 4 اپنی جگہ رہتے ہیں؛ 4 اور 1 کو بدلنے سے 1,3,1,4,5 بنتا ہے؛ اور 4 اور 5 اپنی جگہ رہتے ہیں۔ ایک پاس میں مکمل ترتیب شدہ حالت تک نہیں پہنچا جا سکتا۔ آپشن B صرف پہلی تبدیلی کے بعد کی درمیانی حالت ہے، اور آپشن A وہ ترتیب ہے جو شروع کے 3 اور 1 کو بدلے بغیر پاس جاری رکھنے سے بنتی۔
خالی اسٹیک میں 1، 2 اور 3 اسی ترتیب سے push کیے جاتے ہیں؛ پھر ایک بار pop کیا جاتا ہے، پھر 4 کو push کیا جاتا ہے، اور پھر دو بار pop کیا جاتا ہے۔ نکالی گئی قدروں کو نکالنے کی ترتیب میں کون سا آپشن درج کرتا ہے؟
اسٹیک (スタック) ’آخر میں آئے، پہلے نکلے‘ (後入れ先出し) ہوتا ہے، اس لیے پہلی pop سے آخری push کی گئی قدر 3 نکلتی ہے۔ 4 کو push کر کے pop کرنے سے 4 نکلتا ہے، اور اگلی pop سے 2، لہٰذا ترتیب 3، 4، 2 ہے۔ آپشن C ’پہلے آئے، پہلے نکلے‘ والی قطار (キュー) کی ترتیب کے قریب ہے، اور باقی دو میں نکالنے کی ترتیب گڈمڈ ہے۔
لسٹ ڈھانچے کی درست خصوصیت کون سی ہے؟
لسٹ (リスト) ایسا ڈھانچہ ہے جس میں ہر عنصر اگلے عنصر کا مقام، یعنی پوائنٹر (ポインタ)، رکھتا ہے، اس لیے درمیان میں اندراج اور حذف کے لیے صرف پوائنٹرز کو دوبارہ جوڑنا پڑتا ہے۔ آپشن D ارے (配列) کو بیان کرتا ہے، آپشن A اسٹیک (スタック) یعنی ’آخر میں آئے، پہلے نکلے‘، اور آپشن C قطار (キュー) یعنی ’پہلے آئے، پہلے نکلے‘؛ ان میں سے کوئی بھی لسٹ ڈھانچے کی خصوصیت نہیں۔
کون سا ہلکا پھلکا ڈیٹا بیان کرنے کا فارمیٹ آئٹم کے نام اور قدر کے جوڑوں کو کرلی بریکٹس میں لکھتا ہے، تہ در تہ (nested) ڈھانچے ظاہر کر سکتا ہے، اور ویب ایپلیکیشنز میں ڈیٹا کے تبادلے کے لیے بڑے پیمانے پر استعمال ہوتا ہے؟
JSON ایک ہلکا پھلکا ڈیٹا بیان کرنے کا فارمیٹ (データ記述形式) ہے جو آئٹم کے نام اور قدر کے جوڑوں کو کرلی بریکٹس (波括弧) میں لکھتا ہے اور ویب پر ڈیٹا کے تبادلے کے لیے بڑے پیمانے پر استعمال ہوتا ہے۔ CSV قدروں کو کوما سے الگ کرنے والا جدولی فارمیٹ ہے، XML اپنے بنائے ہوئے ٹیگز سے ڈیٹا کے معنی اور ساخت ظاہر کرنے والی مارک اپ زبان (マークアップ言語) ہے، اور HTML ویب صفحات کی ساخت بیان کرنے والی مارک اپ زبان ہے۔
کون سی پروگرامنگ زبان شماریاتی تجزیے اور ڈیٹا تجزیے کے شعبوں میں بڑے پیمانے پر استعمال ہوتی ہے اور گراف بنانے کی سہولیات سے بھی بھرپور ہے؟
R شماریاتی تجزیے اور ڈیٹا تجزیے کے لیے مخصوص پروگرامنگ زبان (プログラム言語) ہے، جس میں شماریاتی طریقوں اور گراف بنانے کی بھرپور سہولیات ہیں۔ HTML ویب صفحات کی ساخت بیان کرنے والی مارک اپ زبان ہے، SQL ڈیٹا بیس چلانے کے لیے کوئری زبان (問合せ言語) ہے، اور XML ڈیٹا کے معنی اور ساخت ظاہر کرنے والی مارک اپ زبان ہے؛ ان میں سے کوئی بھی شماریاتی تجزیے کی پروگرامنگ زبان نہیں۔
یہ بے ترتیب سوالات والا مشق کا ٹول ہے (JavaScript فعال ہونے پر کام کرتا ہے)۔ اوپر دیے گئے تمام سوالات اور وضاحتیں اس کے بغیر بھی پڑھی جا سکتی ہیں۔
※ وضاحتیں مطالعے کے مقصد کے لیے معلومات ہیں۔ امتحان کا نصاب اور نظام سال بہ سال بدل سکتا ہے، اس لیے امتحان منعقد کرنے والے ادارے کے سرکاری اعلانات ضرور دیکھیں۔
یہ صفحہ جاپانی اصل متن کا ترجمہ ہے۔ اگر ترجمے اور اصل متن میں فرق ہو تو جاپانی ورژن کو ترجیح دی جائے گی۔ یہ ترجمہ AI کی مدد سے کیا گیا ہے اور اس میں غلطیاں ہو سکتی ہیں۔ ترجمے کی غلطی کی اطلاع دیں جاپانی اصل متن دیکھیں