Artificial Intelligence Part B Subject Specific Skills MCQ Questions for Class 12 General
Related questions grouped automatically for chapter-wise practice. Topics include AI Project Cycle, Model Evaluation, AI Ethics, Applications of AI, Computer Vision.
Class 12 General Artificial Intelligence Part B Subject Specific Skills Practice
Related questions grouped automatically for chapter-wise practice.
Practice Part B Subject Specific Skills MCQs with instant answer feedback and easy explanations.
Use topic chips to revise important subtopics before starting the timed quiz.
Open individual question pages for shareable answers, explanations and related MCQs.
Part B Subject Specific Skills - Topics Covered
Artificial Intelligence Part B Subject Specific Skills ke topic-wise MCQs yahan grouped context me milenge. jo aap ko Exam ki preparation me madad milegi. Ye questions exam-oriented hai and students ko concept clarity, quick revision aur board exam preparation kaafi madad karenge. Sabhi se jude MCQs important topics ke anusar arranged hai, taaki aap Part B Subject Specific Skills ko easy tarike se practice aur revise kar sake.
AI Project Cycle
24 MCQs
Model Evaluation
23 MCQs
AI Ethics
22 MCQs
Applications of AI
17 MCQs
Computer Vision
16 MCQs
Machine Learning Basics
16 MCQs
Natural Language Processing
15 MCQs
Neural Networks
13 MCQs
Data Processing
12 MCQs
Data Visualization
8 MCQs
Model Training
6 MCQs
Data Quality
5 MCQs
Data Analysis
4 MCQs
Data Collection
4 MCQs
Data Acquisition
3 MCQs
Data Exploration
3 MCQs
Modeling
3 MCQs
General AI Practice
2 MCQs
AI and Society
1 MCQs
Artificial Intelligence Basics
1 MCQs
Data in Artificial Intelligence
1 MCQs
Introduction to Artificial Intelligence
1 MCQs
Start Part B Subject Specific Skills Quiz
Difficulty select karke Artificial Intelligence / Part B Subject Specific Skills chapter-filtered timed practice karein. Har button me live question count show hoga.
A. मनुष्य जैसी समझ और निर्णय क्षमता वाली प्रणाली बनाना/To create systems with human like understanding and decision making
Step 1
Concept
Artificial intelligence enables machines to understand and decide.
Step 2
Why this answer is correct
Its aim is not only calculation but intelligent work.
Step 3
Exam Tip
In exams connect it with intelligent systems. चरण 1: कृत्रिम बुद्धिमत्ता मशीनों को समझने और निर्णय लेने में सक्षम बनाती है। चरण 2: इसका उद्देश्य केवल गणना नहीं बल्कि समझ आधारित कार्य करना है। चरण 3: परीक्षा में इसे बुद्धिमान प्रणाली से जोड़कर याद रखें।
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।
A. आंकड़ों से सीखकर परिणाम देना/Learning from data and giving results
Step 1
Concept
In machine learning a system learns from examples.
Step 2
Why this answer is correct
It uses learned information to decide on new data.
Step 3
Exam Tip
It is an important branch of AI. चरण 1: यंत्र अधिगम में प्रणाली उदाहरणों से सीखती है। चरण 2: सीखी हुई जानकारी से वह नए आंकड़ों पर निर्णय देती है। चरण 3: इसे कृत्रिम बुद्धिमत्ता की महत्वपूर्ण शाखा माना जाता है।
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. इनपुट के साथ सही उत्तर/Correct answer with input
Step 1
Concept
Supervised learning uses examples with correct results.
Step 2
Why this answer is correct
The model learns the relation between input and answer.
Step 3
Exam Tip
Classification and prediction can be examples. चरण 1: सुव्यवस्थित अधिगम में उदाहरणों के साथ सही परिणाम दिए जाते हैं। चरण 2: मॉडल इनसे इनपुट और उत्तर का संबंध सीखता है। चरण 3: वर्गीकरण और पूर्वानुमान इसके उदाहरण हो सकते हैं।
A. आंकड़ों में छिपे समूह या ढांचे/Hidden groups or patterns in data
Step 1
Concept
In unsupervised learning correct answers are not already given.
Step 2
Why this answer is correct
The model finds groups or patterns itself.
Step 3
Exam Tip
Clustering is a common example. चरण 1: अव्यवस्थित अधिगम में सही उत्तर पहले से नहीं दिए जाते। चरण 2: मॉडल स्वयं समूह या ढांचे खोजता है। चरण 3: समूह बनाना इसका सामान्य उदाहरण है।
A. इनपुट को किसी वर्ग में रखता है/Places input into a category
Step 1
Concept
In classification the result belongs to different categories.
Step 2
Why this answer is correct
The model selects a suitable category for the input.
Step 3
Exam Tip
Classifying email as normal or spam is an example. चरण 1: वर्गीकरण में परिणाम अलग-अलग वर्गों में होता है। चरण 2: मॉडल इनपुट देखकर उचित वर्ग चुनता है। चरण 3: ईमेल को सामान्य या अवांछित बताना इसका उदाहरण है।
Predicting house price is a simple example. चरण 1: पूर्वानुमान में मॉडल किसी मात्रा का अनुमान लगाता है। चरण 2: परिणाम अक्सर संख्या के रूप में होता है। चरण 3: घर की कीमत बताना इसका सरल उदाहरण है।
A. सीखे हुए नियमों वाला ढांचा/A structure with learned rules
Step 1
Concept
A model builds rules or structure from data.
Step 2
Why this answer is correct
That structure gives results for new input.
Step 3
Exam Tip
The model is improved through training and testing. चरण 1: मॉडल आंकड़ों से सीखकर नियम या ढांचा बनाता है। चरण 2: वही ढांचा नए इनपुट पर परिणाम देता है। चरण 3: मॉडल को प्रशिक्षण और परीक्षण से सुधारा जाता है।
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. मानव भाषा को समझने और संसाधित करने से/Understanding and processing human language
Step 1
Concept
Natural language is spoken or written human language.
Step 2
Why this answer is correct
This field helps computers understand language.
Step 3
Exam Tip
A chat assistant can be a common example. चरण 1: प्राकृतिक भाषा मनुष्यों की बोली या लिखी भाषा है। चरण 2: यह क्षेत्र कंप्यूटर को भाषा समझाने से जुड़ा है। चरण 3: चैट सहायक इसका सामान्य उदाहरण हो सकता है।
A. पाठ में भावना पहचानना/To identify emotion in text
Step 1
Concept
A text can have positive negative or neutral emotion.
Step 2
Why this answer is correct
Sentiment analysis identifies these feelings.
Step 3
Exam Tip
It is useful for understanding customer reviews. चरण 1: किसी पाठ में सकारात्मक नकारात्मक या तटस्थ भावना हो सकती है। चरण 2: भाव विश्लेषण इन्हीं भावों को पहचानता है। चरण 3: ग्राहक समीक्षा समझने में यह उपयोगी होता है।
A. वाक्य को छोटे शब्दों या भागों में तोड़ना/Breaking a sentence into smaller words or parts
Step 1
Concept
In language processing text is divided into smaller parts.
Step 2
Why this answer is correct
This makes word analysis easier.
Step 3
Exam Tip
It is an early step in many language tasks. चरण 1: भाषा प्रसंस्करण में पाठ को छोटे भागों में बांटा जाता है। चरण 2: इससे शब्दों का विश्लेषण आसान होता है। चरण 3: यह कई भाषा कार्यों का प्रारंभिक चरण है।
Face recognition can be an example. चरण 1: कंप्यूटर दृष्टि मशीन को दृश्य जानकारी समझने में मदद करती है। चरण 2: इसमें चित्र और वीडियो का विश्लेषण शामिल हो सकता है। चरण 3: चेहरा पहचानना इसका उदाहरण हो सकता है।
A. चित्र को उचित वर्ग में रखता है/Places the image into a suitable category
Step 1
Concept
Image classification is based on visual input.
Step 2
Why this answer is correct
The model looks at an image and tells its category.
Step 3
Exam Tip
Identifying cat and dog is a simple example. चरण 1: चित्र वर्गीकरण दृश्य इनपुट पर आधारित होता है। चरण 2: मॉडल चित्र देखकर उसका वर्ग बताता है। चरण 3: बिल्ली और कुत्ता पहचानना इसका सरल उदाहरण है।
A. चित्र में वस्तु और उसका स्थान पहचानना/To identify an object and its location in an image
Step 1
Concept
Object detection finds objects in an image.
Step 2
Why this answer is correct
It can also show where the object is.
Step 3
Exam Tip
It can be used in traffic monitoring. चरण 1: वस्तु पहचान चित्र में मौजूद वस्तुओं को खोजती है। चरण 2: यह यह भी बता सकती है कि वस्तु कहाँ है। चरण 3: यातायात निगरानी में इसका उपयोग हो सकता है।
A. चित्र की सबसे छोटी इकाई/The smallest unit of an image
Step 1
Concept
A digital image is made of very small points.
Step 2
Why this answer is correct
These small points are called pixels.
Step 3
Exam Tip
Pixel information forms the image. चरण 1: डिजिटल चित्र बहुत छोटे बिंदुओं से बनता है। चरण 2: इन छोटे बिंदुओं को पिक्सेल कहा जाता है। चरण 3: पिक्सेल की जानकारी से चित्र बनता है।
A. मानव मस्तिष्क की कार्यप्रणाली से/Working of the human brain
Step 1
Concept
A neural network is made of many connected units.
Step 2
Why this answer is correct
It is inspired by nerve cells in the human brain.
Step 3
Exam Tip
It is useful for learning complex patterns. चरण 1: तंत्रिका जाल कई जुड़े हुए इकाइयों से बनता है। चरण 2: इसकी प्रेरणा मानव मस्तिष्क की तंत्रिकाओं से ली गई है। चरण 3: यह जटिल ढांचे सीखने में उपयोगी होता है।
A. इनपुट को संसाधित कर परिणाम तक पहुंचाना/To process input and move toward output
Step 1
Concept
A neural network can have input hidden and output layers.
Step 2
Why this answer is correct
Layers process information step by step.
Step 3
Exam Tip
Finally an output is produced. चरण 1: तंत्रिका जाल में इनपुट मध्य और आउटपुट परत हो सकती हैं। चरण 2: परतें जानकारी को क्रम से संसाधित करती हैं। चरण 3: अंत में परिणाम प्राप्त होता है।
A. मॉडल प्रशिक्षण आंकड़ों को बहुत अधिक याद कर लेता है/The model memorizes training data too much
Step 1
Concept
In overfitting the model may perform very well on training data.
Step 2
Why this answer is correct
It may perform poorly on new data.
Step 3
Exam Tip
So generalization must be checked. चरण 1: अधिक सीख जाने में मॉडल प्रशिक्षण आंकड़ों पर बहुत अच्छा दिख सकता है। चरण 2: पर नए आंकड़ों पर उसका प्रदर्शन घट सकता है। चरण 3: इसलिए सामान्यीकरण की जांच जरूरी है।
A. मॉडल आंकड़ों का ढांचा ठीक से नहीं सीखता/The model does not learn the data pattern properly
Step 1
Concept
In underfitting the model cannot capture even simple patterns well.
Step 2
Why this answer is correct
It may perform poorly on both training and test data.
Step 3
Exam Tip
Better features or a suitable method may be needed. चरण 1: कम सीखने में मॉडल सरल ढांचा भी ठीक से नहीं पकड़ता। चरण 2: इससे प्रशिक्षण और परीक्षण दोनों पर खराब परिणाम आ सकते हैं। चरण 3: मॉडल को बेहतर विशेषता या उचित विधि चाहिए हो सकती है।
A. कुल उत्तरों में सही उत्तरों का अनुपात/Ratio of correct answers among total answers
Step 1
Concept
Accuracy measures correct results of a model.
Step 2
Why this answer is correct
It shows the ratio of correct results among total results.
Step 3
Exam Tip
It is a common measure in simple classification. चरण 1: सटीकता मॉडल के सही परिणामों को मापती है। चरण 2: यह कुल परिणामों में सही परिणामों का अनुपात बताती है। चरण 3: सरल वर्गीकरण में यह सामान्य माप है।
A. मॉडल के सही और गलत वर्गीकरण को दिखाने के लिए/To show correct and wrong classifications of a model
Step 1
Concept
A confusion matrix shows classification results in a table.
Step 2
Why this answer is correct
It helps understand correct and wrong predictions.
Step 3
Exam Tip
It is useful in model evaluation. चरण 1: भ्रम सारणी वर्गीकरण परिणामों को तालिका में दिखाती है। चरण 2: इससे सही और गलत पूर्वानुमान समझे जाते हैं। चरण 3: यह मॉडल मूल्यांकन में उपयोगी है।
A. जिसे सकारात्मक माना गया और वह वास्तव में सकारात्मक था/Predicted positive and actually positive
Step 1
Concept
In true positive the model's positive prediction is correct.
Step 2
Why this answer is correct
The actual result is also positive.
Step 3
Exam Tip
It is an important part of a confusion matrix. चरण 1: सत्य सकारात्मक में मॉडल का सकारात्मक अनुमान सही होता है। चरण 2: वास्तविक परिणाम भी सकारात्मक होता है। चरण 3: भ्रम सारणी में यह महत्वपूर्ण माप है।
A. मॉडल सकारात्मक बताता है लेकिन वास्तविक परिणाम नकारात्मक होता है/Model predicts positive but actual result is negative
Step 1
Concept
False positive is a wrong positive prediction.
Step 2
Why this answer is correct
The model says positive but reality is negative.
Step 3
Exam Tip
It is checked separately in a confusion matrix. चरण 1: झूठा सकारात्मक गलत सकारात्मक अनुमान है। चरण 2: मॉडल सकारात्मक बताता है पर वास्तविकता नकारात्मक होती है। चरण 3: इसे भ्रम सारणी में अलग से देखा जाता है।
A. न्यायपूर्ण और सुरक्षित उपयोग के लिए/For fair and safe use
Step 1
Concept
AI can affect people's decisions and lives.
Step 2
Why this answer is correct
Ethics focuses on fairness privacy and safety.
Step 3
Exam Tip
Responsible use is necessary. चरण 1: कृत्रिम बुद्धिमत्ता लोगों के निर्णय और जीवन को प्रभावित कर सकती है। चरण 2: नैतिकता से न्याय गोपनीयता और सुरक्षा पर ध्यान रहता है। चरण 3: इसलिए जिम्मेदार उपयोग जरूरी है।
A. अनुचित झुकाव के कारण असमान परिणाम/Unequal results due to unfair leaning
Step 1
Concept
Bias occurs when a system treats a group unequally.
Step 2
Why this answer is correct
It can come from wrong or unbalanced data.
Step 3
Exam Tip
Reducing bias is needed for a fair system. चरण 1: पक्षपात तब होता है जब प्रणाली किसी समूह के साथ असमान व्यवहार करे। चरण 2: यह गलत या असंतुलित आंकड़ों से आ सकता है। चरण 3: निष्पक्ष प्रणाली के लिए पक्षपात कम करना जरूरी 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. सुरक्षित न्यायपूर्ण और पारदर्शी प्रणाली बनाना/To build safe fair and transparent systems
Step 1
Concept
Responsible AI considers its effect on society.
Step 2
Why this answer is correct
Safety fairness and transparency are important in it.
Step 3
Exam Tip
It teaches proper use of technology. चरण 1: जिम्मेदार कृत्रिम बुद्धिमत्ता समाज पर प्रभाव को ध्यान में रखती है। चरण 2: इसमें सुरक्षा न्याय और पारदर्शिता महत्वपूर्ण हैं। चरण 3: यह तकनीक का सही उपयोग सिखाती है।
If the problem is clear suitable data and methods can be chosen.
Step 3
Exam Tip
Problem scoping is the first important step. चरण 1: किसी परियोजना की शुरुआत समस्या समझने से होती है। चरण 2: समस्या साफ होगी तो सही आंकड़े और विधि चुनी जा सकेगी। चरण 3: इसलिए समस्या निर्धारण पहला महत्वपूर्ण चरण है।
A. समस्या और उद्देश्य को स्पष्ट करना/Clarifying the problem and goal
Step 1
Concept
Problem scoping sets the direction of a project.
Step 2
Why this answer is correct
It clarifies goal and scope.
Step 3
Exam Tip
This organizes the next steps. चरण 1: समस्या निर्धारण परियोजना की दिशा तय करता है। चरण 2: इसमें उद्देश्य और सीमा स्पष्ट की जाती है। चरण 3: इससे आगे के चरण व्यवस्थित होते हैं।
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. यह जानने के लिए कि मॉडल कितना सही काम कर रहा है/To know how well the model is working
Step 1
Concept
After training model performance must be checked.
Step 2
Why this answer is correct
Evaluation gives information about correct and wrong results.
Step 3
Exam Tip
This helps improve the model. चरण 1: प्रशिक्षण के बाद मॉडल का प्रदर्शन जांचना जरूरी है। चरण 2: मूल्यांकन से सही और गलत परिणामों की जानकारी मिलती है। चरण 3: इससे मॉडल में सुधार किया जा सकता है।
A. तैयार प्रणाली को उपयोग के लिए लागू करना/Putting the ready system into use
Step 1
Concept
After a model is built and tested it is put into use.
Step 2
Why this answer is correct
This implementation process is called deployment.
Step 3
Exam Tip
Monitoring is also needed in real use. चरण 1: मॉडल बनने और जांचने के बाद उसे उपयोग में लाया जाता है। चरण 2: इसी लागू करने की प्रक्रिया को परिनियोजन कहा जाता है। चरण 3: वास्तविक उपयोग में निगरानी भी जरूरी होती है।
A. समस्या को व्यवस्थित रूप से समझने के लिए/To understand a problem in an organized way
Step 1
Concept
A problem canvas shows different parts of a problem.
Step 2
Why this answer is correct
It helps understand stakeholders goals and impact.
Step 3
Exam Tip
It is useful before starting a project. चरण 1: समस्या कैनवास समस्या के अलग-अलग पहलुओं को दिखाता है। चरण 2: इससे हितधारक उद्देश्य और प्रभाव समझने में मदद मिलती है। चरण 3: यह परियोजना शुरू करने से पहले उपयोगी है।
A. जिस पर परियोजना का प्रभाव पड़ता है या जो उससे जुड़ा है/A person affected by or connected with a project
Step 1
Concept
A project can affect many people.
Step 2
Why this answer is correct
A person affected by or connected with it is a stakeholder.
Step 3
Exam Tip
Stakeholder needs must be considered while understanding the problem. चरण 1: परियोजना से कई लोग प्रभावित हो सकते हैं। चरण 2: प्रभावित या जुड़े व्यक्ति को हितधारक कहा जाता है। चरण 3: समस्या समझते समय हितधारकों की जरूरत देखना जरूरी 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।
A. नियम आधारित प्रणाली पहले से दिए नियमों पर चलती है/A rule based system works on predefined rules
Step 1
Concept
A rule based system follows fixed rules.
Step 2
Why this answer is correct
A learning system can learn patterns from data.
Step 3
Exam Tip
This is the main difference between them. चरण 1: नियम आधारित प्रणाली तय नियमों का पालन करती है। चरण 2: सीखने वाली प्रणाली आंकड़ों से ढांचे सीख सकती है। चरण 3: यही दोनों के बीच मुख्य अंतर है।
A. गलत निर्णय और जोखिम कम करने के लिए/To reduce wrong decisions and risks
Step 1
Concept
An AI system can make mistakes.
Step 2
Why this answer is correct
Human supervision allows checking and correction of decisions.
Step 3
Exam Tip
It is very important in sensitive areas. चरण 1: कृत्रिम बुद्धिमत्ता प्रणाली गलती कर सकती है। चरण 2: मानव निगरानी से निर्णयों की जांच और सुधार संभव होता है। चरण 3: संवेदनशील क्षेत्रों में यह बहुत महत्वपूर्ण है।
A. अवधारणाओं को जांचने और मजबूत करने के लिए/To test and strengthen concepts
Step 1
Concept
Practice helps a student check understanding.
Step 2
Why this answer is correct
Mistakes show points for improvement.
Step 3
Exam Tip
Regular question practice is very helpful for exam preparation. चरण 1: अभ्यास से विद्यार्थी अपनी समझ जांचता है। चरण 2: गलतियों से सुधार के बिंदु मिलते हैं। चरण 3: परीक्षा तैयारी में नियमित प्रश्न अभ्यास बहुत सहायक होता है।
Artificial Intelligence Part B Subject Specific Skills FAQs
What will I learn in Part B Subject Specific Skills?
Related questions grouped automatically for chapter-wise practice. Topics include AI Project Cycle, Model Evaluation, AI Ethics, Applications of AI, Computer Vision.
How should I practice this Artificial Intelligence chapter?
Start with Easy MCQs, review explanations after every answer, then move to Medium, Hard and Expert timed quizzes for stronger exam preparation.
Are topic-wise questions available?
Yes, this page includes topic-wise practice such as AI Project Cycle, Model Evaluation, AI Ethics, Applications of AI, Computer Vision, Machine Learning Basics.
Login to view answers
Use Google login or mobile OTP. Admin can block users and control login providers.
