A. बुद्धिमान प्रणाली को सीखने में सहायता करना/To help an intelligent system learn
Step 1
Concept
AI systems learn patterns and relationships from data.
Step 2
Why this answer is correct
Good data helps produce better results.
Step 3
Exam Tip
So data is considered a base of AI. चरण 1: कृत्रिम बुद्धिमत्ता प्रणाली आंकड़ों से ढांचे और संबंध सीखती है। चरण 2: अच्छे आंकड़े बेहतर परिणाम में मदद करते हैं। चरण 3: इसलिए आंकड़े कृत्रिम बुद्धिमत्ता का आधार माने जाते हैं।
The model learns relationships from these examples.
Step 3
Exam Tip
Correct training data improve model quality. चरण 1: प्रशिक्षण आंकड़े उदाहरणों का समूह होते हैं। चरण 2: मॉडल इन्हीं उदाहरणों से संबंध सीखता है। चरण 3: सही प्रशिक्षण आंकड़े मॉडल की गुणवत्ता बढ़ाते हैं।
A. मॉडल के प्रदर्शन को जांचना/To check model performance
Step 1
Concept
Test data are used after learning.
Step 2
Why this answer is correct
They show how the model works on new data.
Step 3
Exam Tip
In exams connect it with evaluation. चरण 1: परीक्षण आंकड़े सीखने के बाद उपयोग किए जाते हैं। चरण 2: इनसे पता चलता है कि मॉडल नए आंकड़ों पर कैसा काम करता है। चरण 3: परीक्षा में इसे मूल्यांकन से जोड़ें।
A. आंकड़े की उपयोगी पहचान या गुण/Useful attribute or property of data
Step 1
Concept
A feature describes a property of an object or example.
Step 2
Why this answer is correct
The model learns from these properties.
Step 3
Exam Tip
Good features help better results. चरण 1: विशेषता किसी वस्तु या उदाहरण का गुण बताती है। चरण 2: मॉडल इन्हीं गुणों से सीखता है। चरण 3: सही विशेषताएं बेहतर परिणाम में मदद करती हैं।
A. सही वर्ग या परिणाम बताने के लिए/To show the correct class or result
Step 1
Concept
A label shows the correct result.
Step 2
Why this answer is correct
In supervised learning it helps the model learn.
Step 3
Exam Tip
In exams connect it with correct output. चरण 1: वर्ग चिह्न सही परिणाम को दिखाता है। चरण 2: सुव्यवस्थित अधिगम में यह मॉडल को सीखने में मदद करता है। चरण 3: परीक्षा में इसे सही उत्तर से जोड़ें।
A. गलत और अधूरे आंकड़ों को सुधारना/To correct wrong and incomplete data
Step 1
Concept
Raw data may have errors or missing values.
Step 2
Why this answer is correct
Data cleaning corrects them.
Step 3
Exam Tip
Clean data supports better analysis and models. चरण 1: कच्चे आंकड़ों में त्रुटि या खाली मान हो सकते हैं। चरण 2: आंकड़ा सफाई इन्हें सुधारती है। चरण 3: साफ आंकड़े बेहतर विश्लेषण और मॉडल बनाते हैं।
A. किसी स्थान पर जानकारी नहीं है/Information is absent at a place
Step 1
Concept
A missing value means some information is not available.
Step 2
Why this answer is correct
Such values can affect analysis.
Step 3
Exam Tip
Filling or removing them can be part of data cleaning. चरण 1: अधूरा मान बताता है कि कोई जानकारी उपलब्ध नहीं है। चरण 2: ऐसे मान विश्लेषण को प्रभावित कर सकते हैं। चरण 3: इन्हें भरना या हटाना आंकड़ा सफाई का भाग हो सकता है।
A. सामान्य आंकड़ों से बहुत अलग मान/A value very different from normal data
Step 1
Concept
An outlier is very different from other data.
Step 2
Why this answer is correct
It may show an error or unusual event.
Step 3
Exam Tip
It should be checked carefully before analysis. चरण 1: बाहरी मान बाकी आंकड़ों से बहुत अलग होता है। चरण 2: यह गलती या असामान्य घटना का संकेत हो सकता है। चरण 3: विश्लेषण से पहले इसे ध्यान से जांचना चाहिए।
A. आंकड़ों को चित्र या आलेख से आसानी से समझने के लिए/To understand data easily through charts or graphs
Step 1
Concept
Large data can be hard to understand only from tables.
Step 2
Why this answer is correct
Charts and graphs show patterns quickly.
Step 3
Exam Tip
Therefore visualization helps analysis. चरण 1: बड़े आंकड़ों को केवल तालिका से समझना कठिन हो सकता है। चरण 2: चित्र और आलेख ढांचे जल्दी दिखाते हैं। चरण 3: इसलिए दृश्यांकन विश्लेषण में सहायक है।
A. अलग-अलग वर्गों की तुलना करने के लिए/To compare different categories
Step 1
Concept
A bar chart shows categories using separate bars.
Step 2
Why this answer is correct
This makes comparison easy.
Step 3
Exam Tip
In exams connect it with category comparison. चरण 1: दंड आलेख वर्गों को अलग-अलग पट्टियों से दिखाता है। चरण 2: इससे तुलना सरल होती है। चरण 3: परीक्षा में इसे वर्ग तुलना से जोड़ें।
Temperature or sales change can be examples. चरण 1: रेखा आलेख बिंदुओं को जोड़कर प्रवृत्ति दिखाता है। चरण 2: समय के साथ बदलाव समझने में यह उपयोगी है। चरण 3: तापमान या बिक्री में बदलाव इसका उदाहरण हो सकता है।
A. व्यक्तिगत जानकारी की सुरक्षा के लिए/To protect personal information
Step 1
Concept
AI systems may use personal data.
Step 2
Why this answer is correct
Privacy keeps a person's information safe.
Step 3
Exam Tip
Using private information without permission is wrong. चरण 1: कृत्रिम बुद्धिमत्ता प्रणालियां निजी आंकड़ों का उपयोग कर सकती हैं। चरण 2: गोपनीयता से व्यक्ति की जानकारी सुरक्षित रहती है। चरण 3: बिना अनुमति निजी जानकारी का उपयोग गलत है।
A. मॉडल और विश्लेषण के लिए आवश्यक जानकारी पाने के लिए/To get information needed for model and analysis
Step 1
Concept
An AI project needs suitable data.
Step 2
Why this answer is correct
Data collection provides the required information.
Step 3
Exam Tip
Collecting data from correct sources is important. चरण 1: कृत्रिम बुद्धिमत्ता परियोजना को उपयुक्त आंकड़ों की जरूरत होती है। चरण 2: आंकड़ा संग्रहण से आवश्यक जानकारी मिलती है। चरण 3: सही स्रोत से आंकड़े लेना महत्वपूर्ण है।
A. अनुमति और गोपनीयता का ध्यान रखना/Taking consent and protecting privacy
Step 1
Concept
Data may be related to people.
Step 2
Why this answer is correct
Taking consent and protecting privacy is ethical.
Step 3
Exam Tip
Secretly collecting information is wrong. चरण 1: आंकड़े लोगों से जुड़े हो सकते हैं। चरण 2: अनुमति लेना और गोपनीयता रखना नैतिक तरीका है। चरण 3: चुपके से जानकारी लेना गलत है।
A. वे सही और प्रासंगिक होते हैं/They are correct and relevant
Step 1
Concept
Good data are related to the problem.
Step 2
Why this answer is correct
Correct and relevant data help the model learn better.
Step 3
Exam Tip
Wrong data can give wrong results. चरण 1: अच्छे आंकड़े समस्या से संबंधित होते हैं। चरण 2: सही और प्रासंगिक आंकड़े मॉडल को बेहतर सीखने में मदद करते हैं। चरण 3: गलत आंकड़े गलत परिणाम दे सकते हैं।
A reliable source reduces chances of wrong information.
Step 3
Exam Tip
In exams connect source reliability with data quality. चरण 1: आंकड़े जिस स्रोत से मिलते हैं वह महत्वपूर्ण होता है। चरण 2: विश्वसनीय स्रोत से गलत जानकारी की संभावना कम होती है। चरण 3: परीक्षा में स्रोत विश्वसनीयता को आंकड़ा गुणवत्ता से जोड़ें।
